編者按：我們從聊天機器人（chatbot）的發展中看到了與AI發展同樣的趨勢，即越來越融入人們的生活，越來越習以為常。chatbot 儘管面臨諸多挑戰，但通過使用大數據集，我們將會看到chatbot的交互體驗更加擬人化，能更好地理解、預測語言與場景化詞彙。本文作者 Cory Kidd 是 Catalia Health 的創始人。
過去的十幾年裏，聊天機器人的演變與發展讓它完全融入人們的日常生活。從手機上的虛擬助理到實際在線客服，chatbot的發展之路不算短。但是如果它們想要超過app或取而代之，它們需要更加自然地與更廣域的技術結合。
在20世紀60年代中期，計算機科學家Joseph Weizenbaum發明了第一個chatbot——Eliza。Eliza通過使用模式匹配和替代方法來模擬對話，以給出程序能更理解人們問題的假象。
今天，chatbot已經可以讓用户感知到，它們不僅能傾聽，更能理解。目前，chatbot可以用來在零售業網站回答一些基本問題、幫助管理病人護理，甚至用在社交媒體。但是它們依然無法重現人類溝通的互動。雖然chatbot的增長還有巨大潛力，但在充分發揮功能和做到真正被AI驅動之前，還需要克服一些障礙。
在我們討論chatbot需要如何發展前，讓我們先看下現階段chatbot如何工作：現在的bot能夠理解人們所説的內容，是基於NLP（自然語言處理）為書面或口頭用語設定特定語義。此外，很多bot使用專業系統軟件，即模仿人類專家進行決策，提取一小部分信息來回答問題。
業內人士都認為，在不遠的未來，更多的chatbot將會採用深度學習方法，接入海量數據，來預測問題進而對寬泛的主題做出快速響應，以能夠及時提出相關問題。理想狀態是，用户不會發現與他們交談的並不是真人。
侷限與機遇
chatbot面臨的最大的挑戰之一就是訪問並獲取大量的數據。例如大量零售業的例子中，很多消費者並不想與電腦互動，他們希望有真人客服可以幫助其解決問題。chatbot唯一能提供模擬真人交談的體驗的方式就是使用AI。但是為了實現這一目標，必須攻克建立大數據這一難題，這就需要通過一些方式累積數據。
在編譯收集各種數據後，還必須要考慮到bot在與不同的個人交互時的心理學，來判定每個人的性格在對話中對於體驗的影響。想象一下一個羣體的每個成員對於同一件事會有完全不同的描述方式，那麼這時候人們將如何與chatbot進行交互？此外，何時才是chatbot插入對話的合適時機？它們如何引導廣大用户羣體找到正確的解決方案？通過使用大數據集，我們將會看到chatbot的交互體驗更加擬人化，能更好地理解、預測語言與場景化詞彙。
AI 與 chatbot
要教一個bot體會到如我們日常生活中的起伏變化是非常困難的。從計算角度講這是個龐大的課題。一些AI算法目前處理了部分問題，例如，AI社區對與集成搜索引擎的chatbot在語言測試上取得了很好的進展。試想你向Google提出問題進行搜索時的情況，即使你使用的短語和詞彙並不是完全正確，但依然能在匹配的結果中找到正確的答案。
而反觀現在的chatbot，你會發現在對話中像人類一樣交流有多困難。bot必須能夠展開對話，理解用户説了什麼，以及明白現在説的這句話如何與上文承接還是在否定前文。在這些基礎上，bot還要像人類一樣回答問題。AI行業一直致力於解決這個問題，期望可以創造真實的對話體驗。遺憾的是，由於深度學習自身侷限，目前少有科學家關注讓chatbot回答更有個性。本質上，AI和chatbot技術都想解決一系列複雜難題，來提供一位善解人意、能説會道的聊天夥伴。
chatbot的未來
chatbot是當下AI最火的分支之一，現在以及接下來的幾年裏，它們將在生活中越來越普及，在服務中也愈加隱形。新型及創新性的用户案例可以幫助chatbot在多個領域提高使用性能，更好地服務於用户。當然，真正的問題是，chatbot是否可以滿足用户的期待，以及是否可以説服習慣於真人聊天的用户轉而使用機器人——如，Facebook將chatbot集成到其Messenger應用中，讓企業可以在上面與他們的客户進行hu；亞馬遜Echo可以讓用户使用chatbot來打開音樂播放器或者支付信用卡賬單，達美樂披薩可以讓顧客通過社交媒體下訂單。
如果我們回顧AI領域在過去50年的演變與發展，最大的成就莫過於為AI研究開天闢地的算法。並且隨着普及與應用，比如瀏覽器搜索算法，我們不再將它視為AI。我們在chatbot中看到了同樣的趨勢，因為這些算法正在運用於更多的地方，而不僅在你所知的聊天軟件中。確實，在未來的10年內，我們將不會覺得chatbot有何特別之處，而是將它視為類似app或是亟待想象的一種黑科技那樣，習以為常。
資料來源：36Kr
請按此登錄後留言。未成為會員? 立即註冊