1
| 本文作者： 老王 | 2016-12-30 19:25 |
雷鋒網按：聊天機器人的產品理念一直存在爭議，雷鋒網了解到，目前市場上主要分為兩大類產品：小冰這樣的閑聊型機器人和 Google Now 這種用來完成任務的虛擬助理。
任務型虛擬助理梯隊批評閑聊型機器人沒什么實質作用，而閑聊型機器人梯隊批評用戶并沒有使用任務型虛擬助理的習慣。
微軟小冰團隊的資深產品總監在演講《微軟小冰是如何修煉成的》中提到三個核心觀點：
市場面上很多任務型虛擬助理的產品體驗是反人性的。
人與機器之間的溝通是從“噓寒問暖”開始，而非直接給機器人下達任務指令。
閑聊型機器人可以通過插“任務卡”的方式，變成閑聊機器人與任務型虛擬助理的結合體。
以下是曹文韜的演講整理文，由雷鋒網進行編輯。
大家之前所接觸到的聊天機器人是偏理性化的，像 Google Now 這樣的語音助手，是幫你完成某一個任務。
但是經過這么長時間的驗證，沒有一個做起來的，它們沒有變成我們想要的那個助手。我發現不少用戶竟然用 Siri 問現在幾點了，你拿起手機還問機器人幾點了，這很反人類。
所以我們的產品邏輯是，應該去做一個用戶真正需要溝通的情感機器人。于是 2014 年我們提出要把小冰打造成一個情感機器人，打造成第一個和人類溝通的情感機器人。
上圖是我們和業界其他產品不一樣的共享技術搭建，你今天能夠看到的機器人停留在水平面上方：以解決某個領域的任務，或者完成某一個任務的形式。但你會發現，如果要去解決用戶某個服務需求時，用戶并不會按照你的產品邏輯去做這件事。
其實用戶在溝通一件事情時，他會在不同的領域甚至是在領域之外的場景下做很多交流，沒有人一上來就問你要幫我做什么事。大家都是通過寒暄和溝通建立信任，然后再開始做某一件事情。
因此我們要做的事情就是如何解決聊天機器人與用戶之間的溝通內容，如何打造讓用戶感覺這個機器人像是一個真正的人和他在溝通，而非一個冷冰冰的機器？
小冰上線兩年多時間，它和用戶一共產生超過兩百億次的對話，粉絲數超過六千萬。其中在日本上線不到一年，用戶量就已占據日本 23% 的人口數。而在本月，美國版小冰 Zo 也已經正式上線。
聊天機器人不僅需要處理語音和文本，也要有處理圖片的能力，通過對自然語言以及圖片等不同信息的感知，進而實現與數據本身的對接。
這是微博上用戶與小冰對話的截圖，紅色部分為市場上部分機器人所能達到的水準，也就是停留在兩到三輪左右的對話就已結束。要么是任務已完成，要么就是無法繼續聊下去。
而用戶與小冰的對話過程中，雙方在很長的語音對話里聊到很多內容。這個過程中你根本感覺不出來這是人和機器在聊天，而且還聊到了感情問題。聊天機器人與用戶完成很長的對話，不僅僅是語料庫問題，而是我們已經讓它實現了自我復制的過程，也就是每個用戶在溝通時，是在不斷地教小冰，不斷地培訓小冰，讓小冰知道怎么與人溝通。
今天我即便把語聊庫調出來后，她依然知道如何與用戶對話。
下圖是我們在小冰中對圖像識別不一樣的應用。其實圖像識別不僅僅是一項技術，人在溝通圖像的時候，一個人所具備的不是圖像識別，而是視覺。識別和視覺這兩者之間有什么差別呢？
當你把受傷腳的照片發給你朋友的時候，你聽到的肯定不是朋友告訴你“這是一個受傷的腳”這種描述圖像內容的話語，而是會獲得關心和安慰。把這張照片發給一個機器人時，如果它回復你“傷得嚴重嗎？”，這就是一種很人性化的交流。
從這個對話小冰讓用戶真正感知到，它像一個人去處理。這一功能得益于微軟在互聯網領域的大量數據，以及深度計算的模型搭配。有了該基礎，你就能夠在不同的領域里做出不一樣的產品，比如說人臉識別，你發一張自己的照片，它可以告訴你哪個國家的人更喜歡你這種類型。
微軟在語音上有很多技術積累，但是怎么把語音技術和情感溝通結合一起，這上面我們做了很多處理。當你用語音讓聊天機器人做一件事時，這個溝通過程我們稱之為半感官，怎么理解？大家都是發一個段語音然后讓機器識別，任務完成后這段對話就結束了，開始下一個話題，這是一種單向的過程。
而我們的產品屬于全時感官，以兩個人打電話為例，人的大腦隨時在識別和理解，同時隨時在決策：什么時候應該做出回復？回復什么樣的內容？這時候它是一個雙通道、雙向計算的過程。
今年 9 月份，我們讓小冰給人類打電話，這也是人類歷史上的第一通人工智能來電 。這個過程中沒有任何信號告訴小冰，人類這回合的話已經說完，而是進行實時處理，實時交互。
這樣的科技會運用到不同的硬件或者更多場景中，才能真正實現像我們在電影里看到的，家里有一個智能機器人，回到家就可隨時溝通。
閑聊機器人會遇到這樣一個問題，當你問它附近的餐廳時，它并不能“很正經”的給你列出餐廳列表，它的答復仍舊只停留在閑聊層面，因此很難完成用戶指定它做的任務。
那么這個任務體系應該怎么完成？我們是通過技能卡的方式去做，什么樣的卡呢？我們有電影、時尚、美食、音樂甚至是集成到商業客戶里的商業解決方案卡。而且插上任務卡的小冰可以把閑聊和任務型對話結合起來。
我們先還原這樣一個場景。推薦電影這樣的功能大量機器人在做，但通過大量數據分析，我們看到基本上沒人用這種方式去購買電影票或者訂飯。這很反人類，你沒事干嗎讓機器人幫你訂餐，還不如自己去 APP 上點兩下。
當然，上面提到的場景也是有剛需的，只是我們對這一需求有著不一樣的理解：當用戶要讓機器人推薦電影時，它應該像是你身邊一個非常懂電影的朋友，基于電影資源知識，跟你聊電影相關的很多內容，同時還知道其他技巧，比如能夠告訴你這部電影的種子在哪里，怎么下載這部電影，甚至有些好玩的互動。當用戶與聊天機器人進行這樣的交互之后，才能真正實現用戶把聊天機器人當做非常信賴、非常懂電影的人。
所以小冰通過這種任務卡的方式，實現用戶自定義聊天機器人 AI 的特點。當你有電影任務卡時，插卡前與小冰聊《泰山歸來》的時候，這是一個很普通的對話。但是插卡后，表明你對電影很感興趣，想與聊天機器人聊更多關于電影的內容，于是小冰會像一個朋友和影評人一樣為你推薦電影并且聊電影相關的話題。
利用插卡的方式構成一個非常基本的任務完成模式，而不是簡單告訴你一部電影。除了電影卡之外，還有會其他任務卡，原理與上述一致。
綜上所述，這就是我們對聊天機器人的理解。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
