Siri 發佈已八年，Chatbot 爲什麼依舊很坑【文末附數據集下載】

https://mp.weixin.qq.com/s/77SoSb-bK-hE3UM2VOOH0Q

By 超神經

場景描述：聊天機器人雖然衆多，但在目前來看，它們的功能都還不夠理想。如何打造出一款好的聊天機器人，是期待技術上的顛覆，仍是在設計上考慮的更加全面。不妨聽聽資深人士怎麼說？

關鍵詞：聊天機器人  NLP  對話系統

早在 2011 年，蘋果公司就發佈了智能語音助手 Siri，對這款產品報以重大指望的蘋果公司，不得不面對 Siri 目前尷尬的使用處境。Siri 要麼聽不懂用戶在說什麼，要麼回覆給用戶一堆不明因此的內容。如今 Siri 的存在，更多仍是調戲/被調戲用戶。

在市面上，聊天機器人（ Chatbot ）不在少數，但可以深刻人心的產品卻少之又少。有不少一時新鮮的 Chatbot 產品，慢慢地便暴露出「智障」和「雞肋」的地方。

好比在 Facebook Messenger 應用上 ，語音助手 M 在運營了三年後下線，而一直在升級的微軟小冰，最經常使用的功能停留在不痛不癢的「尬聊」上。

Facebook M 於 2018 年 1 月被關閉

出現這個現象的緣由，一方面是人們對 Chatbot 的指望落差，另外一方面，即使是如今最早進的技術，要徹底理解人類的對話體系，仍是一件困難的事情。而在設計理念上不一樣的側重，形成了最後的南轅北轍。

那麼如何才能作出一款使人滿意的 Chatbot 呢？一位資深人士總結了一套「USED」框架。

被使用的 Chatbot 纔是最好的

Shin Wee CHUANG

Shin 畢業於 MIT，前後任職於微軟和渣打銀行（ SCB ），是金融科技領域的資深人士。

他曾被 CBN Weekly 授予「中國50強企業創新者」獎，以表彰他在中國 SCB 數字營銷方面的衆多數字和營銷創舉。目前他經營着他所創立的科技公司 Pand.ai，致力於打造企業級的智能 Chatbot。

Shin Wee 在一篇文章「 A good chatbot is a USED chatbot」，講述瞭如何打造智能的 Chatbot，如下爲文章的編譯。

自從一年前爲金融機構創建智能 Chatbot ，和聯合創始人創建 Pand.ai 以來，咱們常常被問的一個問題是：大家研發的 Chatbot 有多好？

試圖解答這個問題，就要解釋咱們如何利用深度學習天然語言處理（ Deep NLP ）來提取用戶輸入的語義，讓 Chatbot 更好地「理解」問題，並提供更準確的回答。

在這裏，我將討論那些令客戶滿意的 Chatbot 構建的思惟過程。咱們如今正將這些觀點整合到一個產品框架中，造成咱們的核心設計原則，但願對想要構建或使用 AI Chatbot 的人提供一些幫助。

這個框架包含 4 個字母：USED ，這裏的 USED 表明着：

U ：It Understand me 可以讀懂人

要想構建好的聊天，首先要讓機器人理解對話，不然，它沒法按預期作出響應。

大多數 Chatbot 依賴於「模式匹配」的技術，這對於「理解」常見的句子是有效的，例如「你好嗎？」，「你叫什麼名字？」之類，但在處理複雜語句或者很是見句子時，就顯得吃力，這也是一些「智障式」客服存在的一個緣由。

要想打造一款好的聊天機器人，NLP （天然語言處理）引擎是必備的。目前已經有一些此類引擎，它們經過雲服務方式來分析處理，並能輕鬆用在多種聊天工具上。

此外，還有一些公司爲特定的垂直行業或市場，提供了更專業的 NLP 引擎，可以分辨出語言中的細微差異，好比包含的術語或俚語等等。

若是你沒有太多背景，或者不想花時間本身構建，最好的方法就是選擇一個合適且強大的 NLP 引擎。讓 Chatbot 在讀懂人的層面沒有障礙。

S：It Serves me 具備服務性

一個好的 Chatbot ，須要在特定的場景下，執行某種功能。因此最關鍵的是要讓機器人能熟悉這個領域內的詳情。

好比要爲銷售團隊部署一個 Chatbot，幫助他們更好地工做，必須準備好全部相關的產品和內容，按照結構化格式打造一個理想的對話。

除了基本的問答，還須要考慮在 Chatbot 中添加一個測驗組件，讓它能幫助銷售人員更新對產品的理解。

E：It Engages me 可以打動人

在聊天機器人推廣的初始階段，讓用戶可以和機器人進行互動，是一項有挑戰性的工做。畢竟，想要讓用戶改變習慣的方式，接受新事物並不容易。

所以，能夠制定有效的推送策略，以幫助用戶習慣使用新的工具。

固然，推送並不意味着你必需要發送無聊的產品描述，而是要用心去作。 例如，一個簡單的父親節問候消息，傳遞給小組中的父親們，將會是很暖心的一種方式。

D：It Delights me 會帶來樂趣

目前大多數聊天機器人，正在朝着俏皮和可愛的路子發展。畢竟，能帶來快樂的產品，每每更吸引人。然而，隨着愈來愈多的聊天機器人出現，只會抖抖機靈的話，就奢望用戶一直開心的套路，或許再也不現實。

要找到聊天機器人能帶來樂趣的方式。但同時要也要注意場合，省得在嚴肅的場合出現尷尬。

值得慶幸的是，語言不是聊天機器人惟一的武器。好比，某個對話中埋一個復活節彩蛋，所能帶來的驚喜，可能會賽過任何帶着模仿痕跡的俏皮話。

黃金法則的核心

這個「 USED 」框架，能夠做爲企業級聊天機器人構建指南，但其實，它的核心也就是充分考慮其實用性。

有許多 KPI 能衡量聊天機器人的好壞，例如響應時間和準確性，但最重要的一點在於，它是否有助於實現業務目標。

不管是想用聊天機器人提升客戶服務量和銷售效率，仍是產生潛在客戶，只要是可以實現業務目標的方法，均可以被用起來。好比下面的這些KPI：
談話次數（不是消息數量）;
每個月活躍用戶的百分比（ MAU，也多是 DAU「日活躍」 和 WAU「周活躍」 ）;
每一個活躍用戶的會話數

Chatbot 的發展不僅是依賴技術

開發一個 Chatbot ，即便是一個 AI 驅動的聊天機器人並不算難，但想構建一個好的、智能的，並能被大量使用的 Chatbot ，須要考慮的，就不只僅是技術。

Chatbot 的發展經歷了一股熱潮後，慢慢趨於理性。NLP 的發展，始終沒有在計算機視覺，或者語音識別上那麼快速。但要想作出好的 Chatbot ，也許最須要考慮的，仍是能讓它變得有用的設計理念。

由於按照當前的技術發展來看，在短時間的未來，Chatbot 產品的壁壘是數據和設計，而不是技術。

而也許在打造 Chatbot 之時，能夠優先考慮服務，而後纔是對話系統——就好像人，是先有腦殼裏的想法，再用對話來表達。

有這樣一個觀點：一個產品是由不少技術組合而成，對每一類技術都有正確的認識，才能作出好的產品。「畢竟咱們離真正的人工智能還有距離，能用得上的纔有價值。」

超神經數據集

超神經HyperAI 蒐集並整理全球數百個公開數據集，並提供國內鏡像下載，對科研機構和開發者們提供免費服務。

智能問答相關的數據集推薦：

Yahoo! Answers 問答數據集：數據集是來自雅虎 Yahoo! Answers Comprehensive Questions and Answers1.0 數據集的 10 個主要分類數據。每一個類別分別包含 140,000 個訓練樣本和 5,000 個測試樣本。由康奈爾大學發佈，文件大小 304.72 MB；

SQuAD 斯坦福問答數據集：是一個閱讀理解數據集，由羣衆工做者在維基百科文章中提出的問題組成，其中每一個問題的答案是來自相應閱讀段落的一段文本或跨度，共有 500 多篇文章中有 10 萬多個問答配對。於 2018 年由斯坦福大學發佈，文件大小 34.09 MB。

更多智能對話數據集（ 如 CMU 真實問答對數據集；微軟 Maluuba NewsQA 機器閱讀理解數據集），請訪問 https：//hyper.ai 下載。