新聞媒體這樣鼓吹說：
“2016年，我們朝著聊天機器人轉移，這次轉移與過去10年我們從WEB向移動App轉移相比更有破壞力，更有趣。”
聊天機器人（Chatbots）就是“The Next Big Thing”（下一個大事件）。
我們的期待太高了。行業認為創新新時代來了：是時候用機器完成社交任務了。
為什麼不這樣認為呢？所有路標都指向瘋狂的成功。
煩人、難以開發的App供給遠遠超過了需求，這一趨勢越來越明顯。
在2017年MWC大會上，聊天機器人成為媒體爭相報道的對象。會議組織者說：“品牌和企業將會關注聊天機器人，這一轉變不可避免，在MWC大會上，人們已經廣泛認同這一觀點。“
事實上 ，當時人們心中存在的主要疑問並不是聊天機器人是否能夠從一開始就衝上雲霄，而是誰能成為該領域的統治者。
“會不會有一個單一平臺冒出來，統治聊天機器人市場和個人助手生態系統？“
一年過去了，我們還沒有找到答案。
沒有找到。
為什麼？
我們說會有一個平臺統治生態系統，但是現在連生態系統甚至都還沒有出現，你如何佔領？
被另一輪炒作愚弄了
之前也曾出現過許多技術，開始炒得轟轟烈烈，結果突然墜落，聊天機器人不過是其中之一。
古老的炒作以熟悉的方式展開……
TechCrunch寫了一批文章。
先知一樣的思想領袖Chris Messina站出來講話。
硅谷對智能自動化垂涎欲滴。
聊天機器人向Messenger入侵。
Slack獲得了爆炸式增長，還建了一個基金向聊天機器人投資。
預期，預期，還是預期……然後失敗了。
我們認為模式會發生大轉變，結果沒有。
App活得很好很健康。
我們太樂觀了，現在卻困惑了：
“這就是聊天機器人？這就是我們許諾的聊天機器人革命？“
Digit的Ethan Bloch總結說：
“我們是否可以說‘聊天機器人已死‘，我不確定，因為我甚至都不知道它是否已經活過。”
Heap產品設計副總裁Dave Feldman認為，聊天機器人並只是在解決一個困難問題時失敗了，而是解決幾個問題全都失敗了。
文本VS語音VS GUI：既定的歷史
聊天機器人可以用多種不同的方式與人交流。最大的兩派是文本和語音。在計算機界面誕生之初，書寫文本是統治者。
用戶必須輸入命令，以手動方式輸入機器，然後才能執行。
然後GUI（圖形用戶界面）來了，一直用到今天。我們被Windows、鼠標點擊、圖標包圍。最終還出現了色彩。
與此同時，一大幫科學家正在忙著開發NL（自然語言）界面，針對數據的，這樣我們就沒有必要學習複雜神秘的數據庫查詢語言了。
還有一幫科學家開發語音處理軟件，有了它，你可以直接向計算機說話，不用打字了。事實證明，要做到比當初大家預料的難很多：
“有那麼多不同的口音，有的人說話太快了，有的太慢了，或者呢喃小語，或者嗯個不停。“
有時人家說一句話，你卻聽成另一個意思。
接下來，科學家想讓人與機器實現雙向交流。1990年代時，曾經有人開發過VCR系統，下面就是對話的一個樣本：
用戶：你好。
代理：你好，你叫什麼名字？
用戶：我叫Candy。
代理：你好，Candy！
用戶：麻煩幫我設一下鬧鐘。
代理：設到幾點？
用戶：上午11點吧。
代理將鬧鐘設在上午11點。
相當酷，難道不是嗎？系統可以與人協作，而且清楚知道用戶想要什麼。
這是一套精心設計的系統，處理VCR對話時很不錯，但是隻能在特定條件下發揮作用。
看看今天的聊天機器人，不論是用文本輸入還是用語音輸入，都要面對多種多樣的挑戰，在各種平臺上運行時還要保持很高的效率，保證可靠性。
老實說，我們現在想達到的目標和30年前追求的目標是一樣的。
我認為人類犯了一些錯：
從聊天機器人、App對立的角度來思考
人們心中有這樣一個假定：App完蛋了，終將被聊天機器人替代。
我們將它們對立起來，沒有看到二者有著完全不同的設計，針對完全不同的目的，正是這一誤解鼓動大家開發聊天機器人。
10年前，當App第一次出現時，人們也曾有過這樣的呼喊，可是App真的取代了互聯網嗎？沒有。
還有人說，新產品和新服務如果想成功，應該具備兩大要素中的一個：更好更便宜，或者更快。聊天機器人真的比App更“便宜“或者更快嗎？沒有，至少目前還沒有。
它們是不是真的更好，這是一種主觀判斷，老實說，即使是今天最好的聊天機器人，也沒有辦法與今天最好的App抗衡競爭。
沒有人認為使用Lyft太複雜了，也沒有人認為訂餐或者從App買裙子是什麼難事。相反，用聊天機器人做這些事才會難很多，老是出錯。
圖片是聊天機器人失敗的原因之一
如果是出色的聊天機器人，能夠像普通App一樣實用。如果App很豐富、很複雜、有許多層，聊天機器人就沒有辦法競爭了。
為什麼？因為機器讓人類連接到龐大複雜的信息系統，早期的圖形信息系統是一個革命性的突破，它幫助我們給這些系統“定位“。
今天的App之所以能夠出現，應該感謝之前幾十年的研究與實驗。我們為什麼要將這些成果拋棄呢？
如果我們不說“替代“，而說”延伸“，事情就會變得更有趣。
今天最成功的聊天機器人體驗就像是一種混合技術，將聊天植入更寬泛的服務中，裡面有許多傳統元素。
比如Penny，它既提供基於聊天的建議和警告信息，也提供傳統帳戶儀表板和交易清單。
比如HubSpot Conversations，它將Facebook Messenger、聊天、社交媒體、郵件及其它信息入口整合在一起，放進一個共享收件箱。
Layer為開發者提供工具，幫他們開發個性化信息體驗，面向移動WEB和桌面WEB端，就像原生App一樣。
下一次浪潮應該是“多模式App“，你可以用語音告訴機器你想要什麼（比如告訴Siri），然後就能獲得地圖、文本、語音信息。
為聊天機器人開發聊天機器人
我的產品真的需要聊天機器人嗎？現有平臺的功能是否已經夠用？我們是否有耐心開發一個聊天機器人，它能做我想要它做的事？
對於許多公司來說，聊天機器人並不是正確的選擇。在過去兩年裡，我們看到許多反面例子，說企業盲目使用聊天機器人來解決問題，而解決時根本不需要使用聊天機器人。
純粹為了聊天機器人而開發它，放任自流，希望能有好的結果，這根本不可行。
有大量的聊天機器人是根據“決策樹“邏輯開發的，當用戶輸入時，系統會抓取關鍵字，然後尋找預製回應答案。
用這種方法開發有一個優勢：在設計時你要考慮處理什麼情況，用這種方法能夠輕鬆將各種情況列出來。優點正是它的最大缺點。
為什麼？因為這樣的聊天機器人是創作者能力、專心、耐心的一種反應，由創作者對用戶需求和輸入的預測能力來決定。
當使用情況不在“範圍“之內，問題就來了。
最近的報告顯示，Facebook Messenger上有10萬多個聊天機器人，當中70%無法處理用戶簡單的請求。為什麼？主要是因為開發者想縮小聊天機器人的目標範圍，專注某個領域，但是還是失敗了。
開發GrowthBot時，我們想讓它瞄準銷售領域，瞄準營銷人員，不想讓它變成多面手。
請記住：讓機器人專心做好一件事遠比做多件事但是做得糟糕更實用。
不可接近
如果開發者很能幹，幾分鐘就能開發一個簡單的聊天機器人，如果想讓聊天機器人可以對話，那又是另一回事了。雖然我們鼓吹說AI有多大的進步，但是要讓AI像人一樣聰明，還差得很遠很遠。
在理想環境中，NLP（自然語言處理）應該能讓聊天機器人理解它接收到的信息。但是NLP剛剛才在實驗室裡培育出來，還很稚嫩。
有些平臺提供部分NLP功能，但是即使是最好的功能，也處在蹣跚學步的階段。看看Siri，它只能理解你的詞彙，但不知其義。
Matt Asay曾經說過，因為技術還很稚嫩，所以帶來另一個問題：它無法抓住開發者的注意力，發揮他們的創造力。
“在機器智力真正接近人類智力之前，消費者不會太感興趣。要讓消費者真正感興趣，必須擁有足夠先進的AI技術，讓消費者覺得與機器人聊天是有價值的。“
對話是很複雜的，它不是線性過程，一個主題環繞另一個主題，隨機應變，可能重啟，也可能突然結束。
今天的對話系統是根據規則制定的，無法應付無窮無盡的可能性，用統計方法來開發機器學習技術，侷限性太大了。總之，能像人類一樣對話的AI還沒有出現。
與此同時，在定製聊天機器人中有沒有“高質量案例”，可以引領行業前進呢？很少很少。
Dave Feldman曾經說過：
“Slack、Facebook、谷歌、Microsoft、Kik及其它人是不是應該開發自己的機器人，引導行業前進？它們是不是應該更主動一些，向聊天機器人投入資金，建立孵化器，招聘導師教育參與者，或者提供工程設計資源？對於那些知名的合作伙伴，是否應該提供資金支持？依我之見，是的，是的，是的，應該這樣做。對於平臺來說，開發者就是用戶，為什麼我們要開發產品？為什麼要這樣開發？我們不能指望用戶去理解，我們要展示給他們看。“
GUI不應該被忽視
曾幾何時，如果想與計算機交流，唯一的辦法就是向終端輸入指令。視頻界面用窗口、圖標、鼠標來引導用戶，這是一次革命，改變了操縱信息的方式。
從文本向GUI轉移是有充分原因的。從輸入角度看，GUI輸入更輕鬆，更快。相比輸入整個句子（即使可以預測，能夠糾錯），點擊或者選擇更可取。在輸出端，一圖頂千言是顛簸不破的真理。
我們為什麼喜歡光學顯示信息，因為人類本來就是高度視覺化的動物。為什麼孩子能愛上觸摸屏？這可不是偶然。先驅們受到認知心理學的鼓勵，開發出圖形界面，研究告訴我們大腦是如何溝通的。
會話UI本來是想複製人類喜歡的溝通方式，但是需要人類在認知方面付出更多的努力。老實說，這樣做本來就是拋棄簡單的東西，選擇更復雜的替代手段。
沒錯，有些場景我們只能使用語言，但是完成大多任務時GUI比會話UI效率更高，更直觀。
人類喜歡與其它人對話
當我們談論銷售與營銷時，往往說它缺少人性，品牌藏在票號、反饋表、勿回覆郵件、自動回應、聯繫方式之後。
Facebook的目標是讓自己的聊天機器人通過“圖靈測試“，意思就是說它說話你無法判斷是機器還是人在說話。但是聊天機器人和人是不一樣的，永遠不會一樣。
除了文本，會話還有很多其它元素。
人類可以理解言外之意，可以獲取環境信息，可以理解多層信息，比如諷刺。聊天機器人很快就會忘了剛才談論的話，換言之，當你與機器交流，它像一個擁有很少記憶或者健忘的人。
HubSpot團隊曾經這樣說過：
“聊天機器人提供一種可以擴展的方法，讓品牌可以用一對一方式與買家交流。當人與客戶通過信息App交流時，能提供更復雜、更多層次的會話體驗，機器人如果想提供同樣的體驗，具備很高的效率，讓人愉悅，現在還做不到。想愚弄人是很難的，如果讓聊天機器人偽裝成人，與客戶交流，結果肯定很糟糕（如果向用戶說謊就更糟糕了）。
在眾多的聊天機器人中，用先進NLP支撐的機器人本來就極少。即使用NLP支撐，在處理和生成內容時，這些聊天機器人也沒法與人類相提並論。
還有一點要注意。會話UI會複製人類喜歡的溝通方式——與其它人溝通的方式。
但是人類與機器交流時也喜歡這種方式嗎？
不一定。
總之，即使你加入一些詼諧元素，刻意加入一些類似人類、矯揉造作的習慣，也無法拯救聊天機器人，讓它免於失敗。
我們應該朝哪裡前進
當然，這些早期嘗試者所做的一切並非全錯了。
我們朝著谷歌Home叫喊，讓它播放我們喜歡的歌曲，我們用Domino聊天機器人預訂披薩，購買絲芙蘭化妝品。但從消費者的反應、開發者的積極性來看，現在的聊天機器人產業與2015、2016年相比冷清很多了。
之前是天，現在是地，相差很遠。
計算機作為計算機是出色的，它可以搜索數據、處理數字、分析選項、壓縮信息。
但是想理解人類的情緒，計算機就有點愛莫能助了。從當前的NLP技術看，當我們向計算機提問時，他們都很難明白，它又怎麼能瞭解我們感受呢？
如果不與人真正接觸（不能形成共鳴，不能加入情緒智力），想讓客戶支持、銷售、營銷變得真正有效，幾乎是不可能的事。
就眼下來說，聊天機器人的確可以幫我們處理一些自動化、重複性、低級任務和查詢，就像龐大複雜系統的齒輪一樣。
這就是故事的全貌嗎？不是的。
沒錯，我們的行業過高估計了聊天機器人的早期影響力，早期總是有點強調過頭了。
但是正像Bill Gates所說的：
“我們總是高估未來兩年的變化，卻低估未來十年的變化。不要讓自己無所作為。”
鼓吹總是會有點過火的，這是好事。現在我們開始審視站在中間立場的“灰色地帶“，而不是過度膨脹的黑色地帶和白色地帶。
我深信，我們處在爆炸性增長的起步階段。這是一種“反高潮“（anti-climax）感覺，對於變革性技術來說，有這樣的感覺是完全正常的。
信息會再一次引起大家的關注。聊天機器人不會遠去。NLP和AI會變得越來越複雜，每天都進步。
開發者、App、平臺會在會話營銷領域繼續做實驗，投入更多資源。
我期待未來的發展。
閱讀更多 36氪 的文章
