聊天機器人：應用程序紀元新黎明

原文做者：Sophia Brooke
原文連接：《Chatbots: The Dawn of a New Era in App Development》
編譯：一熊翻譯組 Mason

溝通是人類解決問題最固有的方法。一直以來，咱們的設備會提示用戶使用一些交互方式，例如按鈕、菜單、滑動等。隨着聊天機器人的引進，這一切可能都將改變。由於當一個聊天界面在考慮周全、設計優秀的狀況下，會比那些屢獲殊榮的網站與應用程序表現得更爲直觀，而且也更受歡迎，像最好的 UX 項目都會有一個交互功能來吸引用戶。聊天機器人依照字面意思來說就是徹底圍繞對話而創建。

採用這項技術的根本緣由在於聊天機器人可讓公司以一種更爲個性的方式與他們的關注者們進行聯繫。廢除以往那種一刀切的方式，取代網站上的不人性化，這種一對一的互動讓品牌有着一個更加能表明本身的聲音。

網站與應用程序設計的新紀元

聊天機器人正站在數據的肩膀上，接管一直以來左右虛擬世界的「導航項」的任務。當與一個訓練有素的相關機器人對話時，使用者會感到再也不須要「導航項」這種文物了，由於經過一問一答，客戶能夠得到全部須要的信息，而時間上卻要比瀏覽整個網站或是使用複雜的傳統工具少得多。

實際上，聊天機器人整合了客戶端交互的各個方面：搜索、過濾、客戶關懷還有溝通聯繫。哪怕是一些聊天機器並無被編入去回答的問題，也構成了對公司有價值的觀點，由於若是客戶們在需求一個未提供的產品，那麼這些問題既是開發缺陷也是新趨勢。

聊天機器人會取代應用程序嗎？

技術進步的一個標誌是人們在與技術的開發過程當中使用接口的改變。最開始衝孔卡的淘汰，到後來基於瀏覽上的交互創造操做系統。如今，是時候考慮去用聊天機器人去取代一些應用程序了。那些常規智能手機上下載的常見應用：計算器，天氣，計步器與閱讀器等，這些應用中的每一款均可以在例如社交媒體的使用環境中被提供一樣信息功能的聊天機器人所替代。

然而也不是全部的應用程序都將會被取代，舉個例子，攝像類的聊天機器人就形如雞肋，但能夠用這樣的功能進行功能擴充。

NLP 與機器學習

但聊天機器人怎麼能模仿得出像一個老練的客戶服務表明呢？其實只要經過天然語言處理與機器學習，這都是可能的。機器人經過掌握關鍵詞、語句，能夠從預設好的數據平臺上生成大體回覆。它經過識別系統，執行算法與人造神經網絡進行操做。只要這個機器人在線，那麼整個學習過程就還在繼續，並生成一個智能反饋循環去深度學習。

現階段，NLP 技術還在它的起步期，在移除機器生硬感與添加人類表達情感上還有太多的學習空間。這一切都圍繞着學習近期聊天日誌，或是當機器人的首句回覆失真時提供用戶以選項反饋來實現。

NLP 的基礎在於

• 符號化——將與機器人相關的字符串分割至字節

• 規範化——處理消息以消除拼寫錯誤以及區分大小寫與標點符號

• 命名實體識別——算法搜索產品名稱、數字與其餘有意義的數據進行反饋

• 依賴性解析——機器人分析輸入的數據以搜索動詞，形容詞並理解詞語間的關係

• 情緒分析——某些機器人會試着去了解本次交互是否有助於客戶，是否令客戶滿意，甚至判斷將該客戶轉交給人工服務是否會更好

並非全部的機器人都有最後兩項特徵，由於這些功能須要更高層次的編碼與特性支持，這也表明了免費的基本版聊天機器人與適用於企業的高端版本之間的區別。

限制條件與解決方案

聊天機器人大多受限於設計者的能力與 NLP 捕捉對話上下文的實際狀況，比方說對話的細微之處甚至用戶諷刺對於機器人來說都是很難甚至不可能理解的。更多像是複數同樣的概念，須要直截了當的定義或是被解釋徹底，才能使機器人充分了解平常遇到的狀況。這種狀況的其中一個解決辦法是使用 inflector 輔助函數。而對於相似的術語與代名詞，開發人員可使用詞庫資源去完善機器人的詞彙表，輔以手動輸入正確名稱的字詞至經常使用詞。

其實若是你只是隨便用用，就沒必要去考慮什麼可拓展性。來自 Iflexion 的 Web 應用程序開發人員解釋說，一旦你的聊天機器人獲得了指引，你就須要確保它能夠有效處理流量並有合理的響應時間。一樣，若是你指望一些國際客戶，那麼你的聊天機器人還須要準備多種語言以免失效，並讓它變得更爲人性化。此外，還須要妥善處理安全問題以防止身份盜用。

另外一個的標誌性的侷限是此前建立機器人的平臺。一些是建立基於現有服務之上，像是 Facebook、Skype，這讓他們容易受到用戶的潛在變化和連續性的影響。若是用戶在平臺上與機器人開始對話後想換一個語境，就須要深度集成技術。

機器人是一個廣泛的解決方案嗎？

聊天機器人雖然像是萬能鑰匙同樣，但它也僅僅只是個工具，不該該去跟風使用。像絕大多數工具同樣，它們在服務於特定目的時才能展示出最好的一面。

好消息是聊天機器人在質量與可行性上一直有一個同步的提高，並在客戶關懷以及其餘方面節省下的資金數目使人印象深入。這一數字在 2017 年預計達到 2000 萬美金，並在 2020 年指望上升到 80 億美金。

然而壞消息是機器人毫不是彌補結構與信息上弱勢的解決辦法。事實上，使用機器人是對公司成熟度的一次考驗，只有當流程已經明肯定義，每一個問題都有個清晰的答案時才具可行性。最好由已經有流程規範的公司來使用。