近來，“智能聊天機器人”的概念在國外越來越火熱。即便此前遭遇了點小挫折：微軟推出一款名為“Tay”的推特線上聊天機器人，將其設(shè)定為一名19歲的美國少女，并表示Tay能夠通過對話學習真實人類的說話方式，不斷完善自己，以更好地與人類交流。但就在Tay上線僅僅16小時之后，微軟就不得不將其緊急下線處理，甚至向公眾道歉，因為這款聊天機器人開始頻繁爆出粗口，其中不乏種族歧視、侮辱女性以及污穢不堪的詞句。
就在微軟剛下線自己的Tay后，社交巨頭Facebook對外宣稱將發(fā)布自己的語音聊天機器人，并將在Messenger軟件中加入此類技術(shù)。至上周5月8日，F(xiàn)acebook Messenger即迎來可撥打911電話的即時聊天機器人。
細心的人發(fā)現(xiàn)，兩年前，微軟還曾發(fā)布過一款名為“小冰”的人工智能伴侶虛擬機器人，并進入微博、微信、米聊等第三方平臺，通過與用戶的不斷聊天進行積累學習。據(jù)稱，“小冰”集合了中國近7億網(wǎng)民多年來積累的、全部公開的文獻記錄，借助微軟在大數(shù)據(jù)、自然語義分析、機器學習和深度神經(jīng)網(wǎng)絡(luò)方面的技術(shù)積累，通過精煉的幾千萬條真實而有趣的語料庫（此后每天凈增0.7%），理解對話的語境與語義，從而實現(xiàn)超越簡單人機問答的自然交互。
包括蘋果的Siri、亞馬遜的Alexa，美國幾大科技巨頭在智能聊天機器人方面已經(jīng)開始暗中較勁——即便目前還看不出這些“回答磕磕絆絆、甚至文不對題”的智能聊天機器人會給人類的生活帶來多大變革。人工智能專家、美國康奈爾大學的計算機科學教授巴特·賽爾曼（Bart Selman）博士曾認為，微軟Tay遭遇的爆出口事件凸顯了人工智能領(lǐng)域目前所面臨的一大弱點：真正的語言能力。
不過放在重實用、愛賺錢的中國，仍不妨礙企業(yè)給“半成品”的智能聊天機器人找到一個發(fā)揮所長的工作領(lǐng)域：客服?？头袠I(yè)的特殊性在于，其面對的對話場景并不是像蘋果Siri、微軟小冰那樣的任意聊天模式，客服分為不同領(lǐng)域，來尋求客服服務(wù)的用戶均是抱著特定的目的和話語體系，這使得智能聊天更容易精準定制。
比如百度的虛擬個人助理“度秘”，內(nèi)嵌在百度產(chǎn)品中，可以通過語音互動完成搜索、訂餐、訂電影票等O2O服務(wù)。而阿里系的產(chǎn)品客服需求更加龐大，其中越來越多的比例已經(jīng)被智能客服分擔。同時，語音自動轉(zhuǎn)接、情感識別與關(guān)鍵詞識別等技術(shù)已經(jīng)投入到智能客服當中。
就連網(wǎng)易，去年也開始組建人工智能團隊，推出一個叫“網(wǎng)易七魚”的全智能云客服產(chǎn)品，簡單講，類似電商、金融等不同領(lǐng)域的客服管理部門通過SDK安裝七魚后，即可接入有針對性的對話數(shù)據(jù)，通過智能機器人答復用戶的常見、重復性問題，從而節(jié)省人力，實現(xiàn)人機協(xié)作。
在此有必要普及一下有關(guān)智能客服機器人所經(jīng)歷的四代技術(shù)：
第一代：客服機器人為“問答機器人”，基于單個關(guān)鍵詞的精確匹配
這一代機器人很簡單，簡單到幾乎沒有什么技術(shù)可言，甚至稱不上智能?？蛻魡柕摹皢栴}”停留在單個詞匯，而不是復雜句式。比如，在微信公眾號平臺回復一些關(guān)鍵字詞，獲取某篇文章或活動入口。
問答機器人的原型最早出現(xiàn)在電話客服上，稱為IVR（交互語音應(yīng)答系統(tǒng)）。例如打電話給銀行客服，其可以通過語音提示用戶選擇所需服務(wù)的序號，進而一層層深入了解客戶想問什么問題，最后給出一個自動化的語音回答。第一代問答機器人使用單個詞匯的完全匹配，在使用場景中受限很多。
第二代：客服機器人可以支持多個詞匹配，并具有模糊查詢能力
第二代客服機器人比上一代機器人有了進步，但匹配規(guī)仍然相對死板的，只能應(yīng)用于一些簡單場景中。例如圖書館查詢系統(tǒng)中的書名、作者名，游戲中查詢的角色、裝備、副本信息等，都是相對明確的。這些內(nèi)容有一個很大的特點——用戶問法簡單、明確，沒有太大變化，在后方支撐這個系統(tǒng)的是一個關(guān)鍵詞列表。不過，當應(yīng)用于業(yè)務(wù)相對復雜的場景時，第二代客服機器人就會顯示出它的局限：需要維護非常龐大的關(guān)鍵詞列表，而且表達同一意義的會有若干不同的關(guān)鍵詞，這就會影響到最終匹配的精度和結(jié)果。
第三代：智能客服機器人在關(guān)鍵詞匹配的基礎(chǔ)上引入了自然語言處理（NLP）技術(shù)
比較大的變化在于，機器人處理的已經(jīng)不僅僅是詞，可以進一步處理句子：首先輸入信息，然后對數(shù)據(jù)進行清洗和預處理的工作，把一些雜亂和無效的信息排除。接著進入自然語言處理的流程：通過分詞、詞性標注、文法、句法、識別關(guān)鍵詞等技術(shù)，把句子切開，給每個詞加一個權(quán)重，根據(jù)權(quán)重的綜合算法來匹配知識庫中哪個答案可以最準確回答用戶問題。
第三代機器人的智能體現(xiàn)在，當用戶問一個問題時，機器人支持一定問法上的變化。比如，知識庫設(shè)定的一個條目是“我要退貨”，當客戶說“我想退貨”時，第三代機器人同樣可以理解用戶意思。只是，第三代機器人語義判斷能力有限，匹配精度還沒有特別高，需要運營知識庫彌補這些局限。運營知識庫就是運營問法，不再是關(guān)鍵詞，數(shù)量上會大量減少，維護方式也變得簡單。這就是自然語言處理技術(shù)所起的作用，機器人與用戶的溝通，更接近于人與人的交流，用戶可以用一個完整的句子提問，不再是一個個單個的關(guān)鍵詞。
第四代：以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，應(yīng)用了最新的“深度學習”、“模式識別”等技術(shù)
與第三代機器人相比，因為有了深度學習的技術(shù)，第四代智能客服機器人完全可以打破人工配置的規(guī)則，有更好的自主學習能力和語義理解能力，可以處理更加口語化的問法。
人工智能領(lǐng)域的很多技術(shù)，在很大程度上受到了生物學、醫(yī)學、認知神經(jīng)科學發(fā)展的啟發(fā)。 “深度學習”即是來自于相關(guān)領(lǐng)域的實驗。
1958年，諾貝爾醫(yī)學獎得主David Hubel和 Torsten Wiesel通過一系列關(guān)于“視覺系統(tǒng)的信息處理”的試驗發(fā)現(xiàn)，視覺信號的處理是分層次的，圖像被一層一層抽象，最終被識別。此發(fā)現(xiàn)過去約40年，1995年前后，Bruno Olshausen和David Field兩位學者試圖用計算機的方法研究視覺問題，他們通過稀疏編碼算法訓練機器，讓其自主提取視覺信號中的特征。
計算機算法自主學習后輸出的結(jié)果與David Hubel和 Torsten Wiesel兩位科學家生物學試驗的結(jié)果驚人的相似：視覺特征的提取，都是從最基本的物體邊緣開始的，更高級的特征，均可以由一些基本的特征組合而成。
這就是對“深度學習”的一種通俗的理解，即通過算法，讓機器自主的學習，提取特征；并訓練機器形成更深層次的特征。輸入的信號被一層層的特征抽象、表達；隨著層次的深入，這種表達在不斷的變換；不斷的迭代抽象，信號便被刻畫得更加準確。
對于深度學習來說，其特點就如名稱一樣，需要堆疊更多的特征層次。層數(shù)越多，輸入的數(shù)據(jù)量越大，學習能力越強，特征描述越準確。簡單講，深度學習和人的學習類似，其模型、或稱算法，就是告訴機器一個學習的方法。而機器能學到什么，依賴于訓練的輸入，也就好比是人類的教材。至于機器能學到什么水平，則依賴于訓練迭代的層數(shù)，這就好比學習的用功程度。
國內(nèi)在智能客服機器人領(lǐng)域的創(chuàng)業(yè)者眾多，同質(zhì)化競爭激烈，附加功能大多包括多渠道（電話、網(wǎng)頁、微博、微信、手機APP等客服渠道）接入、移動工作平臺、數(shù)據(jù)報表、工單系統(tǒng)等，在技術(shù)上多數(shù)采用“第三代智能客服機器人”。只有阿里“小蜜”、網(wǎng)易七魚、京東JIMI等少數(shù)大公司級別產(chǎn)品采用了第四代深度學習智能客服機器人，并呈現(xiàn)出積極探索的態(tài)勢。未來的技術(shù)突破仍有賴于巨頭公司。
此前拿圍棋技術(shù)來調(diào)戲人類世界冠軍的谷歌人工智能AlphaGo同樣是采用“深度學習”的技術(shù)?？萍冀缢坪蹩傆羞@么一個聽起來有點自嘲、但暗含業(yè)內(nèi)人驕傲的傳統(tǒng)：一開始開發(fā)的或許只是能簡單的“小玩意”，后來卻能成長為一門正經(jīng)的大生意、或者應(yīng)用廣泛的新技術(shù)。
同時，在這個領(lǐng)域，我們也能看到中美科技公司對于人工智能應(yīng)用的區(qū)別：技術(shù)同樣領(lǐng)先時，中國公司更看重通過人工智能技術(shù)來推動用戶體驗、促發(fā)業(yè)務(wù)繁榮，所謂盡可能地做成生意。而美國公司卻在一個看似無用的領(lǐng)域“玩”到了極致。
但誰又能說得準，類似《三體》里面所講的“技術(shù)爆炸”會發(fā)生在哪一個小環(huán)節(jié)呢？
*文章為作者獨立觀點，不代表虎嗅網(wǎng)立場
本文由足亦 授權(quán)虎嗅網(wǎng) 發(fā)表，并經(jīng)虎嗅網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)作者同意，并請附上出處（虎嗅網(wǎng)）及本頁鏈接。原文鏈接http://www.huxiu.com/article/148498/1.html
