聊聊chatbot對話機器人的設計

03-31

做了個對話機器人的項目，一直想寫一個項目總結，刪刪減減很多次，總是不滿意，直到看到「Done is better than perfect」，終於下定決心完成。會用兩篇文章去描述chatbot，這是第一篇，相對高維度，從交互方式、應用領域、實現方式以及未來的發展等進行概述；第二篇，實踐性更強一些的交互總結，從全局把控設計對話機器人。敬請期待。

什麼是Chatbot？

chatbot，很多人稱之為聊天機器人，我更喜歡叫它對話機器人，聊天只是其中的一個功能，而對話不僅限於聊天，還可以有更多的比如指令、操作、教育等可開拓的方式。總之，以人機對話為主要方式，在一問一答的對話過程中完成用戶指令、提供用戶所需要的幫助或者簡單閑聊等功能，以達到信息溝通的目的。從基本使用而言，產品的交互方式與之前的交互方式有了很大的差異，簡略比較如下：

物理操作是最基本的產品交互方式，每次交互會有相應的物理反饋，比如按下電話的數字按鍵，可以感受到按鍵的觸感、下壓、回彈、聲音、顏色等反饋，以撥出電話；
軟體界面操作，模擬物理世界的操作轉移到屏幕上，少了更直接的觸覺反饋，更加強化了視覺元素的反饋，比如撥打電話的App界面；
對話交互，通過一來一往的對話形式，完成某一個具體的操作和指令，給出的反饋也是和對話的形式，比如「打電話給張三」，「好的，正在撥打電話給張三」，一種新瓶裝舊酒的人機交互方式。

對話作為新的人機交互形式必然會帶來變革，尤其是具體到某些使用場景，對話的交互一定會有它的優勢。

Chatbot的應用領域

從對話的形式來說，有文字和語音，文字對話由於聊天APP的發展，已經讓大部分人養成了文字對話的習慣；而語言的對話更可以算一種本能，語音指令如「小明，把客廳燈打開」，我們每天都會接收和發出很多類似的語音指令。因此交互形式上，用戶的學習和使用成本是較低的，無疑是chatbot一個很好的發展前提。

分析目前chatbot的應用市場，沒有去年的如火如荼大肆發展，但是依舊餘溫未了，大致可以分為四大類：陪伴機器人、業務機器人、資訊機器人和指令型機器人：

陪伴機器人主要市場在於個人助手、閑聊和兒童陪伴，

助手類包括siri、Google Asisstant、Contana、Echo等手機和硬體搭載的個人助手；
閑聊主要存在微信、QQ、Facebook等社交平台上使用；
兒童陪伴類一般都會有實體機器人。

業務機器人主要是垂直業務類和第三方整合類業務，

公司或企業搭載在公開平台（APP、網站）如slack、Facebook Messager上的品牌機器人；
Slack上的各種工作bot助手，專註監督/完成某一件事情；
放置於自家APP或網站上使用解決基本業務問題的機器人，如阿里小蜜；
專註解決深度垂直業務的chatbot，比如財務智能機器人解決費用報銷審查過程漫長且反覆的問題；

資訊機器人包括有社交平台的諮詢機器人和新聞資訊機器人，代表產品Quartz，通過定製和熟悉用戶喜好，以對話的方式推送新聞。
指令型機器人的典型應用領域是智能硬體類，比如通過語音指令操作關聯智能音箱的其它智能家居設備。

Chatbot的實現方式

前段時間傳聞FACEBOOK的兩個機器人會用人類看不懂的語音方式互相對話，然後闢謠了；去年微軟放在Tweet上的Tay，在不到24小時內學壞，被關小黑屋。這兩個是對話機器人中的輿論網紅，將輿論提高到了「AI威脅論」。

還有很多普通的芸芸眾生對話機器人，比如電商智能助手，社交平台機器人，智能音箱中的對話系統等，離我們生活觸手可及，但是總感覺笨笨傻傻的，「離真正的智能還很遠」。

究竟是威脅還是笨，可以使用圖靈測試，不過從技術角度看，目前的chatbot實現方案主要有兩種，檢索匹配模型和生成模型。

檢索匹配模型需要有一個問題庫和對應的回答知識庫及回答模板。在用戶發出信息後，分析用戶表達的內容，通過一定的匹配規則，匹配到和問題庫最相近的問題，再給出相應的回答。匹配的過程中通過自然語言處理、機器學習等技術優化匹配方式，盡量給到合理的回答。
生成模型則不需要預設問題庫和知識庫，是通過大量的語料數據訓練，以學習語言元素的組成和表達方式，再分析組合生成回答。類似於我們學習說話的方式，自然地根據對方的話，生成回答。

生成模型的對話更靈活，更像人，但是依賴的語料數據的訓練、語言模型的建構、意圖的分析、生成的語言結構等不是特別完善，容易出現語言結構混亂語無倫次看不懂的問題；而檢索匹配式，需要更多的精力去維護問答知識庫，同時也會存在意圖識別不準，問東答西的情況，但由於實現邏輯相較而言容易實現，且問答是可控的，不會出現語言結構錯亂的問題。

根據各自的優勢，生成模型內容涉及可以很泛很廣，不局限於不斷維護的問答知識庫，目前看來更適用於閑聊娛樂等模式，檢索匹配模型，更適用於垂直領域信息的集合和知識的匯總，在一定的領域內，建立龐大的知識體系，完成特定的業務。

因此，從目前實現方式的原理和完整度而言，威脅談不上，「笨笨的」很難避免，但是找到好的適用場景，就可以有它的用武之地。

Chatbot的發展

chatbot在2016年有了爆髮式大發展，原因有很多，比如人工智慧的大熱門，尤其是AlphaGo的表現，讓普通民眾看到了AI的存在和發出的挑釁，進而帶來了市場強烈的關注度。

一般來說市場的爆發點需要有四大因素：話題、資金、痛點和技術能力，就此而言，chatbot的市場發展包括以下幾個因素：

AlphaGo的話題效應，人工智慧概念的宣傳；
亞馬遜Echo的大賣，Facebook、slack等公司推出的bot服務和平台，資本找到一個新的追逐點；
大數據的積累、深度學習技術和自然語言處理技術的發展；
移動應用的封閉造成的信息孤島，App直接的跳轉和信息的切換不便利，需要有一個大整合；

能夠發展因素不僅限於此，但這些同時也是chatbot很難深入發展的因素：

人工智慧概念說太多，然而效果一般，熱鬧完也就平淡了；
市場成就的還是Echo，不時跳出的新品，過段時間逐漸隱匿；
數據量多但是沒有經過很好清晰，深度學習和自然語言處理沒有理想中的完美；
移動應用雖然封閉，但用戶已養成了跳轉的耐性，而chatbot還沒有好到讓用戶不需要耐性。

因此，在目前來說，chatbot的優勢也是它的劣勢，有很好的場景倡導，但是還需要逐步完善場景的完整實現。

小結

chatbot搭著人工智慧的順風車，在巨頭們的牽引下火了一把，從剛開始的新鮮，到後來的雞肋，用戶的評價從好玩到無聊，說明了很多事情，用戶需要新鮮感，期待著聊天機器人能帶來不一樣的感覺，期待它能像人一樣交談，但發現回答質量不如人意之後逐漸拋棄，並且形成刻板印象。

這在現階段技術和內容都亟待突破的情況下情有可原，但是我依舊非常看好chatbot的未來，從交互方式來說有天然的優勢，甚至不需要教育用戶去如何使用，對話就是最好的溝通和交互方式。