不能更懂你,因為聊天機器人面前有三個路障

大多數聊天機器人的目的是複製人類行為,若要獲得可以解決複雜問題或以更簡單的方式完成任務的 AI 技術,我們還有很長一段路要走。但我們現在要比那個 SmarterChild 和 Moviefone 就能引起轟動的時代進步多了,同時,大量湧入的投資也在加速技術的持續發展。
評論
評論

本文來自 合作媒體 36kr,INSIDE 獲授權轉載。

編者按:不少人覺得會話界面是最新的技術,然而事實上這個技術已經存在了有一段時間了。從 Cleverbot 和 Smarter Child 到迷宮般的電話樹,多年來我們從未停止嘗試建立模仿人類之間的互動的技術。近來這類工具的巨大進展使它們成為人們討論未來技術的熱門話題。聊天機器人似乎已經進入我們生活的方方面面,但是目前的技術只能解決簡單的問題,或者以新瓶裝舊酒的方式替代了一些我們熟悉的操作流程。本文作者 Ben Ihnchak 是芝加哥用戶體驗設計公司 Fuzzy Math 的共同創辦人。

得益於虛擬助手以及蘋果的 Siri 和亞馬遜的 Alexa 等聊天機器人,語音和文本的對話界面快速崛起。此外,基於文本的聊天機器人以及 Slack 和 Facebook Messenger 等消息平台的使用率也大幅上升。以上一系列的現象吸引了市場的目光,同時也帶來了投資。達美樂等食品大牌企業使用虛擬助手來幫助客戶訂購食品,HealthTap 等醫療公司利用 Facebook Messenger 為患者與醫生建立聯繫。

雖然這些公司已經在各自的平台上取得了成功,但他們也將遇到不可避免的障礙。這種技術是否能執行我們所想的複雜任務?在什麼樣的情況下,用戶會決定選擇用聊天機器人來代替其他選項?

儘管我們還沒有完全確定的答案,但我們可以做一些有根據的猜測,當下熱門的聊天機器人可能會面臨什麼問題?

路障 1:人類語言的複雜性

會話界面的現代化應用程式建立在 AI 技術的進步之上,透過無處不在連接裝置對用戶的簡單請求做出回應和處理,例如獲得一個簡單問題的答案:芝加哥的天氣怎麼樣?或者完成一個快速任務:提醒我在 30 分鐘內打電話給琳達。

像軟體一樣,語言建立在隨時間發展而演變的系統上。然而,語言之於人類不同於軟體之於電腦,人不會被規則鎖定,我們可以自由地組織句子甚至創造新詞來傳達消息。除了地區方言,人們獨特的語言模式通常很好理解,即使我們的語法不符合語言規則。當 Stephen Colbert(美國知名脫口秀主持人)談到「Truthiness」這個詞時,儘管這個詞當時還不存在,但它的意思不難理解,後來這個詞成為了 2006 年年度熱詞。在歷史上,電腦在理解這樣的詞語時遇到的困難更大。機器學習促進了語音識別,但是 AI 技術還沒有達到可以跟上語言的快速演變節奏或理解某種特定的表達方式的地步。

對於傳統的界面,可訪問性通常與用戶在視覺處理或物理操縱方面的能力有關。系統理解並響應用戶的獨特語言模式(無論是口頭還是打字)的能力逐漸得到了加強。若系統只能理解完全符合規則的語言,那麼這對大多數人來講是不實用且乏味的,他們只能重新組織語言來適應電腦。同樣,如果系統不能以人們熟悉的語言模式做出回覆,那麼產品製造商所希望建立的人機之間的緊密關係則永遠無法實現。

路障 2:信任和理解障礙

現如今我們已經可以在服務端看到一些有效的聊天機器人,例如銀行使用的聊天機器人。

我們可以在不與工作人員通話的前提下達到目標,例如打電話給銀行查詢帳戶餘額。這樣的案例實現了聊天機器人和人類之間的交接,自動化和個性化之間的差距得以彌合。這些互動通常具有客觀性,很適合 AI 技術的應用。人們似乎很信任電腦提供的基本事實和數字,例如帳戶餘額的查詢。

不過當我們的需求從客觀洞察走向更主觀的思維時,事情就變得複雜了。遠程醫療透過遠程通信工具為患者提供醫療服務,在醫療衛生領域越來越受歡迎。這種方式將面對面的溝通轉換為數位方式,這種轉換之所有有效果是因為我們都很清楚,遠程連線的兩端還是真人在交流。

如果把遠程端的醫生換成聊天機器人呢?患者還會如此信任這個系統嗎?當然不會。WebMD 等醫療網站先把症狀列出來再給出對應的潛在診斷方法,這樣也是比較客觀的。但是,要像醫生一樣從一系列潛在的診斷方法中做出最可行的選擇,需要複雜的理解和判斷能力。除了診斷方面的困難,如何獲得用戶的信任並使他們接受電腦得出的結果是更大的挑戰。

路障 3:如何更易於使用?

目前,市場上的聊天機器人沒有引入全新的行為,而是用新的方法來解決舊問題。我們也可以透過網路瀏覽器來檢查帳戶餘額、購買衣服、訂購鮮花,這些操作過程我們都很熟悉。聊天機器人的成功應該在於為用戶提供更好的體驗,而不僅僅是用新的方法去替代我們熟悉的流程。

對於聊天機器人的應用,更好的體驗在於簡單和流暢的操作過程。等待機器讀出選項列表是一個無聊的過程,尤其是當我們可以在網站上快速選出合適選項時。對於某些任務,聊天程式可能永遠無法給出答案,因為它們不能被簡化到足以完成這種界面上的工作。不過對於其他任務,產品簡化和個性化以及有效的機器學習的組合可以幫助解決許多問題。若能更徹底地理解用戶,這些系統將可以提供獨特的價值並簡化任務,一次對話就可以完成最簡單的互動。

展望未來

隨著時間的推移,語言處理和 AI 技術將不斷改進,為聊天機器人以最少的輸入執行複雜的任務創造新的機會。大多數聊天機器人的目的是複製人類行為,若要獲得可以解決複雜問題或以更簡單的方式完成任務的 AI 技術,我們還有很長一段路要走。但我們現在要比那個 SmarterChild 和 Moviefone 就能引起轟動的時代進步多了,同時,大量湧入的投資也在加速技術的持續發展。