炙手可熱的機器人，真的能夠替代人類嗎？

看看這些標題是多麼奪人眼球吧：「... 2016 年機器人領域發生的重大轉變，將比過去十年從網路到移動應用的轉變更具顛覆性和趣味性。」聊天機器人將是未來的大勢所趨。

聊天機器人領域的變革時機已經成熟，行業為新的創新時代做好了準備，現在是開始與機器人進行社交的時候了。

為什麼不這麼做呢？

所有的徵兆都預示著空前的成果，交互市場炙手可熱，中國的微信就是最好的傳播案例。

當涉及到那些麻煩的、難以構建的 APP 時，有一點很清楚：這些應用已經嚴重地供大於求了。

在 2017 年移動世界大會上，聊天機器人是會議的主題。會議組織者援引「在品牌和企業不可避免地將重點轉移到聊天機器人情況下」，存在壓倒性的接受度。

事實上，圍繞聊天機器人的最重要問題在於誰將壟斷該領域，會出現支配聊天機器人和個人助理生態系統的單一平台嗎？

一年之後，我們得到的答案是不會。原因很簡單，市場中不存在一個供平台支配的生態系統。

被另一個流行周期所愚弄

聊天機器人並不是第一個被這樣炒作的技術發展，先以浮誇的語言進行討論，然後引發關注。這種炒作周期的老套路以熟悉的方式出現了......

TechCrunch 寫了一些嚴肅的文章，Chris Messina 等預見性的思想領袖對這些文章表示贊成。這裡到處都是機器人通信員，矽谷對智能自動化交談的前景垂涎欲滴。Slack 經歷了指數級的增長，甚至推出了機器人投資。建立期望、建立，然後...... 這一切都失敗了。

預測的重大轉變並未實現。但那些 APP 仍然在運營，並且運營的還不錯。

但是那就是我們承諾的聊天機器人革命嗎？

Digit 的 Ethan Bloch 總結道：「我不確定是否可以說『聊天機器人死了』，因為我甚至不知道它們是否還活著。」

根據 Heap 產品設計副總裁 Dave Feldman 的說法，聊天機器人不是簡單地遇到一個難題然後失敗了：它們遇到了數個難關，並且都失敗了。

文本 vs 演講 vs GUI：縮略歷史

機器人可以以不同的方式與用戶進行交互。最大的差異則在於文字還是語音。在人機界面的初始階段需要寫單詞與機器進行交互。用戶必須手動輸入命令到機器才能完成事情。

然後，圖形用戶界面（GUI）出現，扭轉了局面。我們被窗口、滑鼠點擊、圖標等所吸引。嘿，交互界面終於也有了顏色！

與此同時，一群研究科學家正忙於開發資料庫的自然語言（NL）介面，讓用戶免於學習一種晦澀的資料庫查詢語言。

另一批科學家正在開發語音處理軟體，讓人們不必打字，直接對計算機講話即可。事實證明，這比人們最初的認知要困難得多：

人們的口音多種多樣，有的人說話太快，有的人又說的太慢，有的人嘴裡咕噥不清，有的則發出一連串的『額』和『啊』。

你說的是「識別語音（recognise speech）」還是「破壞美麗的海灘（wreck a nice beach）」

下一個提上議程的項目是與機器進行雙向對話。下面是一個帶錄像設置系統的示例對話框（可以追溯回 20 世紀 90 年代）：

用戶：「你好。」

代理人：「你好，你叫什麼名字？」

用戶：「Candy」。

代理：「你好，Candy！」

用戶：「我們設置一下時鐘吧。」

代理人：「設幾點的？」

用戶：「時間是上午 11 點。」

代理將時鐘設置為上午 11:00。

很酷，對吧？該系統以協作方式輪流進行，並且明確了用戶想要的內容。

事實上，它經過精心設計來處理錄像機內的對話，並且只能在嚴格的限制內運行。現代機器人，無論他們使用鍵入還是語音作為輸入，都必須面對所有這些挑戰，而且還要在各種平台上以高效且可擴展的方式工作。

基本上，我們仍然試圖實現與 30 年前一樣的創新。

下面是我認為我們出錯的地方:

機器人 vs 應用 引發的思考

先做一個大膽的假設，應用已經「過時了」，並且將會被機器人所取代。

通過設置兩個相互對立的概念（而不是將它們視為服務於不同目的的獨立實體），我們不鼓勵機器人發展。

你可能還記得十年前剛剛 APP 發生的類似的戰爭：但是你還記得移動互聯網 APP 是什麼時候取代的互聯網嗎？

新型的產品或服務需要具備以下兩種優勢：更好，更便宜或更快速。聊天機器人比應用程序更便宜或更快？不，至少目前還無法達到。

他們是否「更好」則是主觀的說法，但我認為，『當今最好的機器人比不上當今最好的應用』這一說法很公平。

另外，沒有人認為使用 Lyft 會太過複雜，或是在應用中訂購食物、購買服裝很困難。試圖用機器人來完成這些任務才叫複雜——而且機器人還失敗了。

好的機器人能與普通應用一樣的有用，而一個豐富、複雜的多層應用則傲視群雄。

這是因為機器讓我們能夠訪問龐大而複雜的信息系統，早期的圖形信息系統則是幫助我們定位這些系統的革命性飛躍。

現代應用受益於數十年的研究和實驗。我們為什麼要棄之不用？

但是，如果我們不說『替換』，而是用『擴展』這個詞，事情會變得更加有趣。

如今最成功的機器人體驗採用了混合交互方式，將聊天融入到涵蓋更多傳統元素的更廣泛的戰略中。

Penny 在傳統的賬戶面板和交易清單旁邊提供了建議和提醒功能。

HubSpot Conversations 將 Facebook Messenger、現場聊天、社交媒體、電子郵件及其他方式的消息輸出統一到一個共享收件箱中。

Layer 為開發人員提供了在移動 Web 和桌面 Web 以及本機應用上創建個性化消息體驗的工具。

下一波浪潮將會是多模式應用，你可以對應用說出你想要的東西（就像和 Siri 那樣交流），並且獲得如地圖、文本甚至口頭響應等消息反饋。

為了機器人而創建機器人

我的產品是否需要機器人？現有平台是否能夠支持其功能？足夠有耐心建立一個理想的機器人嗎？

營銷的根本性質帶來的另一個問題在於，它通常會繞過基本問題。

對於很多公司來說，機器人並不是一個真正的解決方案。過去兩年到處充斥著機器人被盲目濫用的例子。

僅僅為了機器人而建立機器人，期待最佳情況的發生，這樣的想法從不會有好的結果。

號稱必須擁有的 Maroon 5 聊天機器人在實際中的表現

絕大多數機器人都是使用決策樹邏輯構建的，其中機器人的預設響應依賴於發現用戶輸入中的特定關鍵字。這種方法的優點在於，可以簡單地列出所有被提前設計的情況。同時，這也是他們的缺點所在。這些機器人單純地反映了產品經理的能力、細心和耐心，以及他們能夠預測到的用戶需求情況。

一旦有情況不符合這些固定的模式，問題就出現了。

最近的報道顯示，Facebook Messenger 中 100,000 多個機器人中，約 70％ 都無法滿足簡單的用戶請求。部分是因為開發人員無法將機器人的關注範圍縮小到某一焦點領域來提升其在這個領域的能力。

當我們構建 GrowthBot 時，我們決定把它應用領域具體化為銷售和營銷人員：儘管人們對機器人的潛在能力過度樂觀，但 GrowthBot 並不是「全能型」機器人。

記住一點：一個能夠很好地完成一件事情的機器人比一個能夠做多件事情的機器人有用的多。

難以實現

優秀的開發人員可以在幾分鐘內構建一個基本的機器人——但要進行對話？這就另當別論了。儘管近些年一直在大肆宣傳人工智慧，但我們距離實現類人水平的智能還有很長的路要走。

在理想世界中，NLP（自然語言處理）技術應該允許聊天機器人理解它接收到的消息。但 NLP 僅僅剛從實驗室起步，目前還處於非常初期的階段。

有些平台提供了一些 NLP，但即使是最好的技術也僅與幼兒水平相當（舉個例子，就像 Siri 能理解你說的單詞，但卻不能理解它的意思）。

正如 Matt Asay 所總結的那樣，這導致了另一個問題：無法吸引開發人員的注意力和創造力。

「除非機器智能可以達到接近人類智能的程度，否則永遠無法實現消費者的興趣。用戶的興趣取決於人工智慧是否能使機器人值得消費者與之交談」。對話非常複雜。它們不是線性的。談話的主題常常相互變動，隨機更改、重新開始或突然結束。

當今基於規則的對話系統太過脆弱無法處理這種不可預測性，使用機器學習的統計方法也同樣有其限制。類人級別交談所需的人工智慧尚不可實現。

與此同時，很少有開創性的機器人能夠指明未來前進方向。

正如 Dave Feldman 所說：

「Slack，Facebook，谷歌，微軟，Kik 等巨頭是否能夠建立自己的內置機器人來引領這一潮流嗎？

他們是否應該更加積極地利用他們的機器人基金和孵化器、僱用導師來教育正走在通向機器人道路上的參與者，或為他們提供工程和設計資源呢？或者在知名度高的合作夥伴中資助戰略性機器人計劃？

在我看來，答案當然是肯定的。談到平台時，開發人員才是用戶；我們不依靠用戶自行理解如何使用產品。我們必須向他們展示。」

GUI 不應被拋棄

曾幾何時，與計算機進行交互的唯一方法是向終端鍵入晦澀的命令。使用窗口、圖標或滑鼠的可視化界面是對操縱信息方式的一場革命。

計算從基於文本的方式轉移到圖形用戶界面（GUI）是有原因的。在輸入方面，點擊比輸入更容易，更快速。

即使是預測性的（通常容易出錯的）文本，敲擊或選擇也明顯優於輸入整個句子。在輸出方面，老話說的對，一圖勝千言。

人類是高度視覺化的生物，因此我們喜歡信息的視覺化顯示。孩子們喜歡觸摸屏並非偶然。提出圖形界面的先驅者受到了認知心理學的啟發，認知心理學是一門研究大腦如何處理交流的學科。

會話用戶界面旨在複製人們喜歡的交流方式，但他們最終需要額外的認知努力。從本質上講，我們正在以一些簡單的東西作為交換，來實現更複雜的選擇。

當然，有一些概念我們只能用語言表達（「給我看看去博物館的所有路線，保持在 2000 步數左右，但不要超過 35 分鐘」），比起單純實用對話式 UI，大多數任務可以用 GUI 來更高效、直觀地執行。

人們喜歡與同類交流

在商業交互中，針對人類的維度是有道理的。

如果有一件事能將銷售和市場營銷分裂的話，那就是缺乏人性：品牌隱藏在票號、反饋表、拒絕回複電子郵件、自動回復以及「聯繫我們」的表格後面。

Facebook 的目標是讓他們的機器人通過所謂的圖靈測試，通過測試就意味著你無法分辨你是在與機器人交談還是在與人類交談。但是機器人與人類並不相同。它永遠也無法和人類一模一樣。

會話包含的不僅僅是文本。人類可以理解字裡行間的意義，利用上下文信息理解雙關語義，比如諷刺等。機器人很快就會忘記他們在談的是什麼，這意味著你在和一個僅有少量短期記憶或根本無法保留記憶的人在交談一樣。

正如 HubSpot 團隊指出的：

機器人提供了一種可擴展的方式，可以與購買者進行一對一交互。人們在消息應用上與人類交談時習慣於複雜、多層化對話的高效，然而，當他們無法提供相匹配的愉快體驗時，他們就失敗了。

人類可不容易上當，把機器人假裝成人，保證會降低回報（更不要說你對用戶說謊了）。

即使是那些由最先進的 NLP 技術驅動，擅長處理和製作內容的稀有機器人，相比之下也有所不足。

還有一點很重要，會話式 UI 是為了複製人類傾向與其他人交流的方式而建立的。但是，人類更傾向與機器進行互動嗎？那可不一定。

最終，再多的俏皮話和類人的語言風格也無法使機器人會話免於失敗。我們應該去向何方？

人們在 Google Home 大吼大叫，播放他們最喜歡的歌曲，從 Domino 的機器人處訂購比薩，並從 Sephora 那獲得化妝技巧。但就消費者的反應和開發者的參與而言，聊天機器人甚至沒有達到 2015/16 年宣傳的效果。

還差的遠呢。

計算機就擅長做一台計算機。搜索數據、處理數字、分析觀點和壓縮信息。計算機不善於理解人類的情感。NLP 的狀態意味著他們仍然不能「get」到我們所詢問的東西，它們從不在乎我們的感受。這就是為什麼在沒有必要的人類接觸下，仍然不可能實現有效的客戶支持、銷售或市場營銷：缺乏同理心和情商。目前，機器人可以繼續幫助我們進行自動化、重複性、低級別的任務和查詢；作為更大、更複雜系統中的一個齒輪而存在。由於期待太多，要求太急，我們給它們，給自己都帶來了傷害。

但那不是全部。

是的，我們的行業大大高估了聊天機器人的初始影響。注意，是初始影響。

比爾蓋茨曾說：

我們總是高估未來兩年發生的變化，低估未來十年將發生的變化。別讓自己陷入不作為。

炒作結束了。這是一件好事。現在，我們可以開始檢查中間灰色區域，不用再過多關注高度膨脹的瘋狂的黑白區域。

我相信我們正處於爆炸性增長的最初階段。這種反高潮的感覺對變革性技術來說是完全正常的。

消息傳遞將得到持續發展。聊天機器人不會消失。NLP 和人工智慧每天都變得更加複雜。

開發人員、應用和平台將繼續嘗試並大量投資會話式營銷。

我已經等不及想要看看接下來會發生什麼了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！