全文共3759字，预计学习时长12分钟
图源：chatbotslife
我们不再常常直接与人工客服交流了，对话型的语言界面开始主导客户服务，聊天机器人作为新客服开始持证上岗。
然而，效果却不尽如人意。大多数时候你可能还是得一无所获地呼叫人工客服，这实在让人冒火。
据Forrester称，2019年可以被视作“抵制低效聊天机器人”之年。一家开放软件服务公司Acquia对北美、欧洲和澳大利亚的5000客户和500商人进行了调查，45%的客户觉得聊天机器人“令人讨厌”。
但另一个事实是，AI聊天程序被寄予重望，它对于商业的重要性不可低估。
Gartner的调查显示，到2021年，超过50%的企业每年在聊天机器人上的花费比开发传统手机应用还要多；到2022年，聊天机器人有望帮助企业节约800万美元的成本；到2023年，借助于聊天机器人，企业和客户有望节约25亿小时；到2024年，全世界聊天机器人的市场规模有望超过13亿美元。
如果使用得当，AI聊天程序能够极大地提升竞争力，彻底改变企业和客户的交流模式。
图源：mygreatlearning
所以，为什么消费者对聊天机器人的不满会与日俱增？企业又将如何确保机器助手能促进企业与客户的关系？
有一些原因不难理解。比如，许多公司过于依赖聊天机器人，因此没能打造一张人工“安全网”（如果客户需求增加，企业应该将问题快速交给人工进行有效处理）；一些聊天机器人回复太慢，另一些又快得反常。
还有一些聊天机器人表现出的个性与品牌态度不符。有些公司的聊天机器人还未开发成熟，因此公司最后只能继续对其进行改造，这往往成为了致命的错误。
但究其根本，聊天机器人无法和客户顺畅交流，这可能是因为“听懂人话”和“说人话”真的很难！这一点往往被人们忽视。
人们期望的是与聊天机器人能进行自然的互动，希望AI能对他们自然的表述和要求做出响应。但问题在于，一旦离开了简单的命令——回答式交流，聊天机器人就必须使用复杂的人类语言。
虽然我们认为彼此之间进行对话再正常不过了，即使是一个三岁小孩也能做到，但这对于机器来说却难如登天。
来看看吧，为什么你的AI聊天机器人get不到你的意思，还不能好好说话？
代词
名词、动词以及其他词条的意思，对于机器人还算容易，但代词却很麻烦，因为代词指的是前文语境中提到过的事物。
图源：unsplash
每一个代词都需要有先行词，例如前文提到过的某个实体或个体。但在一些情况中，先行词不止一个，因此听众的工作就是要在语境的基础上选出正确的先行词。
比如你刚离开家去工作，并向机器人助手提出如下请求：
人：关掉客厅的灯和咖啡壶
机器人：好的
人：今晚6点打开它
第二句中“它”的指代意义非常模糊，因为既可以指咖啡壶又可以指客厅的灯。一个设计精良的聊天机器人应该要注意到这种模糊性，并要求对此进行解释说明。
另一个例子：
“詹妮弗邀请阿曼达来玩，她给她准备了丰盛的晚餐。”
人类能够从语境中辨明第一个“她”最有可能指的是詹妮弗，而第二个“她”指代阿曼达，因为我们知道发出邀请的人才应该准备晚餐。
再看这个例子：
“詹妮弗邀请阿曼达来玩，她送给她一条漂亮的项链。”
那么究竟是谁送给谁项链呢？涉及到赠送项链的社交惯例要少于准备晚餐，因此，就连人类也不确定这句话中的指代含义。
“詹妮弗邀请阿曼达来玩，但她告诉她，她要去外地。”
如果詹妮弗邀请阿曼达来玩，然后突然告诉她自己那天要出远门，这就十分奇怪了。所以我们能确定是阿曼达要外出，因此不能接受邀请。
再强调一下，我们仅仅因为语境和社交惯例得出了正确意思，而这确实难为聊天机器人了。
图源：chatbotslife
现在，我们再来看看代词that在特定语境中可能有多少先行词。
“安娜告诉布莱恩，她决定在英国学习一年创意写作。”
“这可能是她一生的事业。”（这=创意写作）
“她完成这件事后就会搬回来和他一起住。”（这=在英国学习一年）
“这就是她一整个周都在思考的事。”（这=做出决定）
“因为这个，他俩吵了两个小时。”（这=告诉布莱恩这件事）
你应该如何让普通的聊天机器人分辨像that这样的词呢？
习语
有时，我们只使用词语的字面意思，但在很多情况下，我们还会使用这些词语构成的习语。习语指的是一组词语，习语的意思不能从单个词语来推断，而应作为一个整体来记忆。
在下面的错误中，Siri仅仅从字面上来理解习语“makea note”的意思，只解读出了每个词语的含义。实际上，人们往往使用这个习语表达“记住某些东西”的意思。
人们会根据语境以及其他线索来决定某组词语是否为习语，但聊天机器人却不能轻易做到。当聊天机器人对习语进行字面解读时，那尴尬的场景简直难以想象。例如，”make your blood boil”的意思是“让某人生气”。（医学方面的聊天机器人会将其理解为病患症状和病因吗？）
诸如此类的例子还有“make up your mind”, “make yourday”, “It’s raining cats and dogs”, “break a leg”, “up in the air”, and “a pieceof cake”等等。
图源：unsplash
结构模糊
还有一些结构上的模糊。例如“The chicken is ready to eat”这句话既能表示鸡肉被端上了桌，也能表示你需要喂养宠物鸡了。
聊天机器人应该知道各种对话发生的语境，不论是关于这个世界还是关于你个人的情况（比如，你并没有喂养宠物小鸡，或者chicken指的是一道流行菜肴而不是宠物，又或者你是把小鸡当作宠物养的素食主义者），只有这样才能做出正确的理解。
如果一句话中含有一处时间状语和不止一个动词，那么状语究竟应该修饰哪一个动词呢？
例如，“Jamie saidon Friday we will have a party” 这句话有两种含义：
1.杰米在星期五的时候说我们要举办派对。
2.杰米说星期五的时候我们要举办派对。
在现实的对话中，人们要么能够凭借丰富的语境判定句意，要么就会通过询问进一步确认，但是多数聊天机器人却无法辨明模糊的句子结构。
省略
在非正式的口语交际中，对于那些我们觉得对方能在语境中获得的信息，我们通常会省略。
例如，我们一般会说“我对奶制品过敏，鱼也是。”——大家自然会理解为你对鱼和奶制品过敏，而不会理解为鱼对奶制品过敏。
一些情况下，省略也会造成模糊。例如：
1. 迈克喜欢他的母亲，比尔也是。（比尔是喜欢迈克母亲还是他自己的母亲？）
2. 安娜在她自己房间，简也是。（简是在安娜房间还是她自己的房间？）
反问和讽刺
不是每个问句都需要答案。一些问句表达反问的含义，说话人只是想传达自己的情感状态。
图源：unsplash
例如，问句“你知道现在几点了吗？”一般的回答是具体时间（“现在11点30了”），下面这种语气就不同了：
“你说过我们会在11点前赶到！你知道现在几点了吗？”
如果你的聊天机器人回答“现在11点30了”，确实很难忍住翻白眼。
此外，如果客户在表达讽刺时机器人没能理解，这场对话也没法继续进行下去了。例如客户不满意聊天机器人的回答，说到：“我就是需要这个。我要怎么做呢？”如果聊天机器人没有察觉到讽刺意味，回答道：“不用客气”或者试着回答这个问题，客户当然不会满意。
更多的不确定性
在一些情况下，比如演讲，我们能通过韵律或者语气上的线索来判定模糊的句意（语调、语气、音高等。）
例如，They arecooking apples这句话有两种意思：
1.他们在煮苹果。
2.这些苹果是用来煮的。
人们能依靠语境和语调来正确判断句意，但大多数聊天机器人则不能做到。
模棱两可的幽默
说到底，让聊天机器人像人类一样说话简直难如登天，幽默感就是最好的例子。下面是这则喜剧片段，英国喜剧演员Jimmy Carr就利用问句的模糊性和不确定性设计出了这个十分荒谬的喜剧段子。
一天，一位拿着剪贴簿的女士在街上拦住了我。她说：‘‘你能为癌症研究花点时间吗？”我回答道：“没问题，但我们只做一点点。”
要避开这些可能的圈套，你需要一个真正智能的聊天系统。这个聊天程序要足够灵活并且学得很快，只有这样它才能察觉到人类语言的微妙之处，而一般的命令——控制式聊天机器人却不能做到这一点。
图源：unsplash
如何避免错误
当今大多数的聊天机器人都有一个通病，那就是它们将AI和机器学习当作招牌。然而，仅仅基于机器学习的聊天机器人本质上就是个黑箱系统，如果没有大量精心挑选的训练数据，这些程序就无法运作。
如果他们无法马上理解你的意图，那么开发者也很难对其进行升级和完善。唯一让它们“改变想法”的办法就是增加更多数据。这些数据不仅要大量输入，而且要准确、做到分门别类、机器可读以及具有相关性。很少有公司能保证每种语言的聊天程序都具备以上特点。
图源：aibusiness
幸运的是，有方法能解决这些问题。ArtificialSolutions的Teneo平台就做到了。该平台利用已有数据，但不仅仅依靠这些数据。
语言学习和机器学习系统使用数据的方法不同。语言学习系统是基于规则存在的，它考虑到人类的监管，允许人类对系统运行规则和回答进行调整。因此，人们能控制系统对问题的理解以及给出的回答。
在语言学习系统中，如果你想改变聊天机器人对某句话的理解，只需改变程序运行规则即可（而机器学习系统要在看到无数的反例后才会做出改变）。
简而言之，Teneo的语言学习能力可以让开发者直接向系统灌输正确答案，然后再使用机器学习来精进其表现。这是一种灵活的综合方案，企业能借助这一方案来开发可信赖的聊天机器人，以此帮助他们建立并改善和客户的关系，而不是让机器人毁掉这一切。
如何让聊天机器人不再“烦人”，这个问题真的是很迫切了。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范
