【我們為什麼挑選這篇文章】現在有很多的公司選擇製造自己的聊天機器人，也有很多公司在提供相關服務。但聊天機器人的設計是有其邏輯所在的，你必須要去思考聊天機器人如何讓客人覺得像客服人員一樣，才能完成它的使命，而這是有一個思考邏輯的。（責任編輯：林子鈞）
李杉／編譯整理
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處
蘋果推出 Siri 已經 7 年，傑夫‧貝佐斯（Jeff Bezos）受到《星際迷航》的啟發推出 Alexa 也已經 3 年。
其實，以人工智慧為基礎的互動界面早在數十年前就已經出現。1966年，麻省理工學院教授 Joseph Weizenbaum 推出了 ELIZA——這被普遍是做當今對話型人工智能的原型。
幾十年後，在《連線》的一篇報導中，Andrew Leonard 聲稱「機器人將會大熱」，而且認為這種幾乎技術很快就能「幫我找到最划算的 CD，給我母親選花，讓我能報導莫桑比克的最新進展。」由於該文發表於 1996 年，所以舉例時使用了早已過時的CD。
如今，Slack、星巴克、Mastercard 和梅西百貨等公司都已經通過改變，在客戶服務、聯網家居和網上訂花等諸多領域使用對話型界面。
如果你懷疑這項技術的價值或前景，可以看看 Gartner 對 2019 年之前的預測，這家市場研究公司認為，虛擬個人助手「將改變用戶與設備互動的方式，成為生活中普遍接受的一部分。」
並非所有的對話型人工智能都是平等創造的，也不應如此。對話型人工智能包括虛擬個人助手（Alexa、Siri、Cortana 和 Google Home）和專業助手（X.ai 和 Skipflag）兩類。它們可以基於一套規則引擎開發，也可以使用機器學習技術。用例範圍既包括具體而瑣碎的任務（塔可鐘的TacoBot），也涵蓋通用而廣泛的服務（Alex、Siri、Cortana、Google Home）。
很多組織也考慮在個人或職業領域部署對話界面，通常都依靠合作夥伴提供的技術。但除了技術之外，仍有很多需要考慮的問題。雖然現在稱之為「實戰指南」還有些為時尚早，但各大組織在考慮嘗試或部署對話型人工智能時還是參考以下幾點：
1、從一個有明確答案的小領域切入
「重點是產品或品牌。」Slack 開發者關係總監 Amir Shevat 說，「不應該想『我在開發一款機器人』，而應該這麼想：『我要提供什麼樣的服務？』」
Shevat 和其他人認為，除此之外，最好的啟動點是尋找那些可以用大量數據數據緩和或解決的棘手問題。這並不是說所有成功的機器人都應該做同一件事情，但關鍵要從一個有明確答案的小領域切入，然後設計一番用戶通常不知道自己可以享受的體驗。
2、目標決定互動模式
有的對話很適合語音互動。例如，開車的時候或者要開啟家中暖氣的時候。但在詢問銀行餘額這樣的情況下，或許就需要通過文本輸入精確的隱私信息。但還有其他方式可以幫助用戶與機器人互動。下圖顯示了兩種成功的互動例子。
「很多人仍對機器人有一種誤解，認為只能說話或打字。」微軟的 Chris Mullins 說。事實上，機器人可以通過許多方式（或形態）與人互動或傳遞信息：
- 語音（Alexa、Siri、Google Home）
- 打字（聊天應用中的機器人）
- 通過鍵盤支持來提供線索，從而縮小輸入選項的範圍
- 展示視覺化信息的卡片
「在最成功的情況下，」Mullins 說，「我們會看到一種混合的形態勝出。在合適的時候，語音很完美。但在其他時候，打字又很完美。有的時候，你也想使用卡片或鍵盤支持。確定對話模式是一種及其難以解決的問題，還沒有人能夠完全搞定。」
3、認真規劃和明確選擇多重背景
如果一個顧客向零售商詢問這樣的問題：「在我附近的店裡，哪裡能找到電鑽？」開發者就必須根據客戶所在的位置考慮問題。她現在是否身處店內？她在使用手機還是家裡的電腦？開發者必須針對多重場景和體驗進行設計。
這一過程很有挑戰，因為需要在確定範圍的過程中設想不同的互動模式。「與人類互動非常複雜，確定對話模式很困難。」Mullins 說。要實現最好的效果，項目團隊就必須從一開始就做出選擇。
4、持續的互動需要持續理解背景信息
要理解「播放碧昂斯的《Lemonade》」和「查查我的銀行餘額」這種單一命令是一回事，而要針對人類與聊天機器人之間的互動編寫程序則是另外一回事。正因如此，人類與機器人展開的多重交流（「回合」）才如此複雜和難於開發，這需要充分理解背景信息。
下圖是一個來自Kasisto的例子，表明了簡單的支付互動過程中蘊含的複雜性。
第一回合：
- 用戶讓 Kai（聊天機器人）向 Emily 支付 5 美元（約台幣 150 元）。
- Kai在用戶聯繫人列表裡面找到兩個名叫Emily的人，詢問究竟是哪個Emily。
第二回合：
- ——用戶轉換話題，詢問自己的帳戶還有多少錢。
- ——Kai 回答後，接著說，「我們現在說到哪兒了？」然後繼續最初給 Emily 支付5美元的話題。
- 起初看來，這像是一個非常簡單的互動，但從工程角度來看，卻需要深入理解背景和語言：
- 首先，Kai 必須認識並追蹤用戶的目標，具體到這個案例，付錢給某人。
- 第二，Kai 必須確定支付對象。在發現用戶有兩個叫 Emily 的朋友時，就需要通過詢問來確定具體的支付對象。
- 第三，Kai 必須明白「Neubig」這個獨立出現的單詞是在指代前面對話中的內容，意思是付錢給 Emily Neubig。
- 第四，Kai 必須解讀「我帳號裡有多少錢？」這句話的意思，明白這是一個全新的請求，與之前的兩個互動並不相同。
- 最後，它還必須回答這個新的請求，然後繼續剛才的對話，完成最初的請求：向Emily 支付 5 美元。
這段對話證明，為什麼明確的目的、縮小回答範圍和深入的專業知識都對聊天機器人的開發至關重要——因為要在用戶通過自然的方式表達時理解其意圖是一件非常複雜的事情，但如果想要提供有效的體驗，這一點卻至關重要。
5、EQ 跟 IQ 同樣重要
高超的智能和明確的用戶意圖並非機器人取得成功的唯一要素，探測情緒、選擇合適的文字和語調同樣是確保舒適的對話體驗的關鍵。因此，很多實驗室和創業公司都在開發一些軟件，通過圖片、語音、文本或視頻來探測情緒狀態。。
SRI International 的語音技術和研究實驗室就開發了 SenSay Analytics 平台，號稱可以通過語音信號感知說話者的情緒。這樣才能知道用戶何時感到困惑，並為其提供人類互動對象，也可以判斷用戶是否善於接受，從而為其提供相關的內容。
6、品牌化機會很小，但很有效
品牌化是機器人取得成功的關鍵因素。效果不佳的機器人會破壞聲譽，而強大的品牌觸角也可以幫助機器人取得成功。「我認為，對話型界面中的品牌化機會相對較小。」Adobe 的 Lars Trieloff 說，「所以，應該在日常互動中利用品牌。確保它能把一件事情做得很好，完全符合客戶訴求。」
目前還處在利用對話型界面的初期，還有很長的路要走。但對話型人工智能——那些能夠更好地模仿人類的方式與機器互動的程序——將會扎根於此。現在可能有些原始，但數據科學、自然語言技術、機器學習和其他科技的進步，最終會為更加流暢的人機互動創造必要的環境。
對話型互動是否會等同或好於人類之間的互動？有些類型的互動可能永遠都不容易通過機器展開。但對某些用途而言，或許可以實現這一願景：我們已經看到了很多創新，但現在只是冰山一角。
有一件事情是確定的，正如未來學家和創意策略師Monika Bielskkyte所說：「我們正在進入一個沒有屏幕的未來。」她預計，「未來，整個世界就是我們的桌面。」
【TechOrange 徵才：社群編輯＋實習編輯】
►你是否常在各類豐富的科技趨勢裡流連忘返？
►你是否常被創業故事弄得熱血沸騰無法成眠？
►你是否喜歡很有挑戰性、嘗試新事物的工作？
我想你大概就是得了 TO 病，不加入不行了。
準備好你的履歷自傳，寄至 [email protected]
記得標註你要「應徵 TO 社群編輯」，才不會跑錯棚哦！
>> 詳細職缺訊息
延伸閱讀
線下零售新戰略：把聊天機器人搬進實體商店，擔任你的專屬客服人員！
【最新統戰技術：造謠科技】中共靠聊天機器人，收復台灣這個彈丸小島
【CONNECT to Change】聊天機器人風光不再，如果你對 AI 有興趣該怎麼切入？
（本文經 量子位（公眾號 ID：QbitAI） 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈想打造一个不智障的聊天机器人？这里有六条实战指南〉。）
