<mark id="oztn4"></mark>
4
| 本文作者： 新智元 | 2016-05-04 15:03 | 專題：你好，我是你的聊天機器人 |
雷鋒網按：本文作者Matt Swanson，譯者朱不換。
【導讀】國際首席戰略官組織SVSG合伙人認為，7個月后就能看到聊天機器人掀起的變革，而Bot在5年內將顛覆人機交互方式，并且取代搜索成為互聯網入口，因為世人使用搜索引擎只是因為目前沒有更好的選擇。同時，他表示聊天機器人熱潮興起的一個原因是你不做，別人會做，因此企業為了盈利競相投資，聊天機器人最初將取代客服，并逐漸拓展到銷售和市場領域。
【原文標題】The 200 billion dollar chatbot disruption
2014年，Facebook花190億美元收購了WhatsApp。這個天文數字讓人紛紛猜測，Facebook到底從這家公司發現了什么價值？畢竟，這是一家只有55名員工和年收入大約2000萬美元的公司，雖然用戶數有5億。
2016年4月13日Facebook全球研發者大會（F8）上，Facebook更清晰地展現了這方面的構想，這個構想非常宏大。Facebook對外公開了聊天機器人開發者平臺Messenger Platform（測試版）以及API等開發者工具，可供開發者在Messenger應用上面開發bot，或者在Messenger網站開發小部件。4月27日，扎克伯格在對外宣布Facebook 2016年第一季度財政報表的講話中，再次提到聊天機器人，并把人工智能看成推動Messenger9 億用戶之間進行快速而自動交流的一個重要手段。
聊天機器人縱覽：VetureBeat統計了各個公司的聊天機器人及其側重的技術，包括語音識別、自然語言處理、機器學習、語義搜索和知識管理。來源：VetureBeat
短期內，聊天機器人將會改變企業與消費者交互的方式，而從長期看，它將帶來人機交互的范式轉換。
要想弄明白聊天機器人近期將如何影響日常消費者，最簡單的方式是比較當前客服呼叫和聊天機器人的體驗。當今的實時客戶服務通常要么是通過語音或網絡聊天，要么是通過谷歌搜索。下面是撥打800免費電話獲得語音客戶服務經歷的步驟（編者按：作者在這里使用了比較極端的情況，一般不會這么麻煩）：
1、在互聯網上查詢公司的聯系方式；
2、撥打公司的聯系電話；
3、在指引下按動一系列的按鍵，或是經歷一系列半自動的功能語音識別步驟；
4、拿著電話等待，直到接通某位客服專員；
5、經歷一系列的驗證，以確認是你本人在打電話；
6、被告知你需要與另一位客服代表溝通，并在轉接期間繼續等待；
7、與另一位客服代表通話，他會用語音來引導你在互聯網上操作；
8、登錄該公司的網站；
9、最終獲得對你的問題的解答。
這是與聊天機器人溝通的體驗：
1、打開Facebook Messenger，使用“handle”功能搜索企業名稱；
2、向該企業說出你的要求；
3、從該企業收到一個含文本、圖片、鏈接和語音的多媒體反饋，這些反饋可以回答你的問題。
讓我們把這兩種方法中的巨大差別列出來：
聊天機器人提供了一種標準化的方式來與企業進行聯系，從而降低了用戶在尋找企業聯系信息時的復雜性。
通過整合Facebook賬戶，聊天機器人使企業可以對個人信息進行自動驗證，而不再需要繁瑣的賬戶查詢或信用卡信息驗證過程。
使用聊天機器人不再會有“轉接”發生。如果需要連接另一位專家，這種轉接可以在后臺無縫對接。
現在大部分信息對話都圍繞著互聯網發生。聊天機器人可以用網絡鏈接和多媒體來傳輸信息，而不是只靠聲音。
進行網絡聊天或使用谷歌搜索時，也存在著一些困難，而聊天機器人可以通過上面提到的那些原則來解決這些問題。簡單地說，聊天機器人提供了更好的用戶體驗，而企業將很快意識到，如果他們不提供聊天機器人，競爭對手也會提供，這樣自己就會處于劣勢。不過，這并不是各公司投資聊天機器人的唯一理由。
除了能提供更好的客戶服務體驗之外，企業很快就會發現，聊天機器人可以讓他們極大地節省在呼叫中心的投入。
成本降低背后最大的動力是自然語言處理（NLP）的進步以及眾包的方法。自然語言處理可以自動理解詞組以及這些詞組所引發的相應自然反應。多年以來，自然語言處理商業應用的最大問題是，企業試圖首先解決自動語音識別（ASR）問題，或者把自動語音識別問題與自然語言處理問題一起解決，而這是極其困難的。
智能客服：用戶打電話進來，系統自動分析用戶講的話，發現可能的問題，然后自動判斷用戶需要的服務。2015年“雙十一”有95%電話進行了自助服務。來源：螞蟻金服
向聊天機器人轉型的聰明之處在于，它把自然語言處理與自動語音識別分離開來，使企業在無需自動語音識別的情況下獲得巨大的商業價值。當然，自然語言處理仍然是一個難題。不過，利用當今的機器學習方法已經能夠得到足夠高的精度。再加上眾包，把一些簡單的任務分發給分散在各地的勞動者，這些問題就更容易處理。
通過結合這兩種技術，聊天機器人技術將使我們能夠通過自然語言處理操作一部分客戶服務對話，而當統計上出現了比較大的錯誤時，人類也可以加入進來，確保這些麻煩能被正確處理。這一切都可以無縫連接，終端用戶都感覺不到這種切換。
螞蟻金服智能助理：機器人QA（左），通過問問題產生知識點的回答；第二個是猜問題，在用戶沒有提問的情況下，自動猜你可能有哪些問題，靠的是用戶支付寶的行為軌跡，系統自動產生智能分析，提供更好的服務；第三個是“小二工作臺”（右），人機結合提供更人性化的界面，讓客服小二能非常容易定位問題。來源：螞蟻金服
所有這些都產生了機器學習系統中所謂“閉環”的良性循環：出現更多的商業使用案例，人類提供的回答會幫助機器訓練出更復雜的算法。這個過程會產生一個螺旋上升效應：自然語言處理的精度不斷提高，與之對應的更復雜的算法就能夠回答越來越難的問題，而這反過來會持續降低人力成本。
現在，讓我們把這些放在一起來看。自然語言處理能進行自動客戶服務，而眾包能夠確保需要的時候總會有人在場，從而保證服務的質量。現代機器學習方法的一個經驗原則是，當提供的數據越來越多后，機器學習的反應精度通常會逐漸收斂到85%。從理論上而言，公司便可以通過利用聊天機器人加自然語言處理加眾包來節省巨大的成本。
企業將很快發現使用聊天機器人進行客戶服務，并削減“呼叫中心”的投入，他們將能與消費者進行直接的對話，為市場營銷和銷售創造條件，從而產生更多的收入渠道。由聊天機器人進行的客戶服務交互將不再是通過匿名800電話或網聊的形式，因此企業能夠知曉他們的客戶是誰，這些客戶想要什么，更重要的是，他們將能夠直接接觸客戶。這樣，完成銷售就成了一個簡單的成本優化問題。同樣，這個過程中的很多地方都可以在人類銷售代表的協助下由自然語言處理來自動完成。
銷售完成之后，企業可以通過那些直接瞄準客戶需求的營銷活動來繼續吸引這些客戶。在這里，企業與消費者之間的交互將發生根本性的轉變，而人們對自己將如何與機器交互的看法也將發生巨變。
從5年以上的長期來看，上面所有這些技術都將為那些使用了聊天交互的消息平臺提供巨大的數據財富。Facebook與WhatsApp將能夠使用這些信息來研發出更好用的工具，并獲得更豐富的數據集以實現更高級的自然語言處理引擎。想一想，這就類似于谷歌如何發展它的搜索技術，終端用戶并沒有意識到什么，而谷歌卻已經通過不斷收集數據而使其搜索服務有了飛躍性的提高。
我們將看到個性化人工智能的崛起，而互聯網搜索之類的東西將被根本性地改變。
當自然語言處理技術有了足夠的進步，能使人類的監督最小化的時候，計算機個人助理將能夠把互聯網當作數據寶庫從中提取知識，而人類則可以把這些信息整合起來用于更有價值的決策過程。現在，人們之所以使用搜索引擎是因為尚不存在更好的選擇，而不是因為人們花時間從搜索引擎結果中篩選剔除信息這件事有什么內在的價值。自然語言處理能夠讓我們在信息收集的價值鏈條中上升到更高的層級。當這一切發生時，Facebook Messenger與WhatsApp將取代谷歌成為互聯網的入口。
聊天機器人將在5年內使人機交互的方式發生根本變化。這一切的起點不是機器個人助理，也不是聊天機器人應用，而是企業為了盈利而進行的投資（這些投資將始于客戶服務，并逐漸推廣到銷售和市場領域）。這將產生一個數據的寶庫，這些數據使人能夠進一步對人機交互進行變革，并完全改變人與互聯網交互的方式。
作為一個新興技術策略專家，硅谷的許多技術進步都令我著迷。自動駕駛汽車、增強現實和區塊鏈都將在未來5到10年引起重大變革。而我之所以把聊天機器人放在變革清單的頂端，是因為我相信不用等5年，而是在今年年底就能看到這方面的巨大發展。這真的讓我感到現在好像處于2008年iPhone應用商店剛剛出現的時候。接下來聊天機器人將飛速發展，在你還沒意識到的時候就出現你的面前。
【作者介紹】Matt Swanson是Silicon Valley Software Group（SVSG）的合伙人，SVSG是一家國際首席戰略官組織，積累百年硅谷CTO經驗，向世界各地公司提供技術戰略服務。Swanson本人畢業于CMU計算機科學系，是音頻視頻字幕自動生成公司SpeakerText的創始人。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
專題
