2016年，我們說，機器人模式的轉變將比過去十年從網絡向移動應用的轉變更具破壞性和趣味性。我們相信，聊天機器人是下一個即將發(fā)生的大事件。
當時，我們的期望很高，并認為這個行業(yè)已經成熟，并且翹首以待迎接新的創(chuàng)新時代：是時候開始與機器進行社交了。
那人類又何樂而不為呢？所有的預測都表示未來將會非常成功。
        在2017年的世界移動通信大會上，聊天機器人是主要的頭條新聞。會議組織者引用在“品牌和企業(yè)對聊天機器人的關注不可避免地轉移”的情況下，“壓倒性的認可”。
事實上，關于聊天機器人的唯一重要問題是誰會壟斷這個領域，而不是聊天機器人是否會首先突然成功。 一個單一的平臺是否將會出現并占領聊天機器人以及個人助理生態(tài)系統(tǒng)中呢？
一年過去了，我們對這個問題有了答案嗎？
然而并沒有，因為沒有一個生態(tài)系統(tǒng)可以使一個平臺占據主導地位。
被另一個炒作周期愚弄

聊天機器人并不是第一個被堂而皇之談論而后突然暴跌的技術性發(fā)展。這個古老的炒作周期以熟悉的方式展開。
一些意見領袖在寫了一些非常嚴肅的文章，稱硅谷十分看好與智能自動化對話的前景，各種信息也開始充斥聊天機器人。Slack經歷了指數級增長，甚至還推出一個面向聊天機器人投資的基金。
期望逐漸建立，建立，然后……一切都失敗了。預測并沒有成為現實。
       我們回顧了我們令人窒息的樂觀情緒，然后向彼此求助，如今有點困惑：“是嗎？這就是我們所期待的聊天機器人革命嗎？”
Digit的伊桑⋅布洛赫總結了普遍的共識：“我甚至不確定我們是否可以說‘聊天機器人已經走到盡頭’，因為我甚至不知道它們是否曾經活過。”
Heap負責產品設計的副總裁戴夫⋅費爾德曼說，聊天機器人不僅僅是遇到一個問題但失敗了：它們承擔了幾個任務，而且都失敗了。
文本vs語言vs.GUI：一段顯著的歷史

機器人可以通過不同的方式與用戶交互。最大的區(qū)別是文本和語言。在（計算機接口）開始的時候是（書面的）單詞，用戶必須手動輸入命令才能完成任何操作。然后，圖形用戶界面（GUI）出現并挽救了局面。我們被窗戶、鼠標點擊和圖標所吸引。嘿，我們最終也提取到了顏色！

與此同時，一群研究科學家正忙著開發(fā)與數據庫發(fā)的自然語言（NL）接口，而不是必須學習一種晦澀難懂的數據庫查詢語言。另一群科學家正在開發(fā)語音處理軟件，這樣你就可以直接和你的電腦說話，而不必打字。

事實證明，這比任何人最初意識到的要困難得多，有這么多不同的口音，人們可能說話太快或太慢，只是喃喃自語。

你說過“recognise speech”或“wreck a nice beach”嗎？

議程上的下一個項目是與一臺機器進行雙向對話。這里有一個示例對話框（可以追溯到20世紀90年代）和VCR安裝系統(tǒng)：

用戶：“你好。”

機器人：“你好，你叫什么名字？”

用戶：“Candy。”

機器人：“你好，Candy！”

用戶：“讓我們設定時鐘。”

機器人：“現在幾點了？”

用戶：“時間是上午11點。”

機器人把時鐘撥到上午11點。

很酷，對吧？系統(tǒng)以協作的方式進行轉換，并且以聰明的方式確定用戶需求。它是精心制作的，用來處理涉及錄像機的談話，而且只能在嚴格的限制下進行操作。

現代的機器人，不管它們需要打字還是語音輸入，都必須面對所有這些挑戰(zhàn)，但也要在各種平臺上以一種高效、彈性的方式工作。基本上，我們仍在努力實現類似30年之前的突破創(chuàng)新。

然而，以下是我們出現偏差的地方：

從機器人與應用的角度思考問題

一個超大的假設是，APP已經“結束”，將被機器人取代。通過將兩個截然不同的概念相互對立（而不是將它們看作是為不同目的而設計的獨立實體），我們鼓勵機器人開發(fā)。你可能還記得十年前當應用首次出現時，類似的戰(zhàn)斗口號：但你還記得當應用程序（APP）取代互聯網的時候嗎？據說，一種新產品或新服務需要滿足以下兩個要求：更好、更便宜或更快。聊天機器人比應用程序更便宜或者更快嗎？不，至少現在還沒有。

他們是否“更好”是主觀的，但我認為更合理地來講，當今最好的機器人無法與當今最好的應用相提并論。此外，沒有人認為使用Lyft過于復雜，或者在應用程序上訂購食物或購買裙子太難。太復雜的是嘗試讓機器人完成這些任務——并且讓機器人失敗。

一個偉大的機器人可以和普通的應用程序一樣有用。當涉及到豐富、復雜、多層次的應用程序時，就沒有競爭了。這是因為機器讓我們能夠訪問龐大而復雜的信息系統(tǒng)，早期的圖形信息系統(tǒng)在幫助我們定位這些系統(tǒng)方面取得了革命性的進步?，F代的應用程序受益于數十年的研究和實驗。那我們?yōu)槭裁匆阉鼇G掉呢？

但是，如果我們把“替換”這個詞換成“擴展”，事情就會變得有趣多了。今天最成功的機器人體驗采用了一種混合工藝的方式，將聊天融入更廣泛的戰(zhàn)略之中，同時包含更多的傳統(tǒng)元素。

從以上圖片中看出，佩妮在傳統(tǒng)的賬戶控制面板和交易列表旁邊提供了一些很好的建議和提醒。

HubSpot對話系統(tǒng)將Facebook Messenger、現場聊天、社交媒體、電子郵件和其他消息渠道統(tǒng)一為一個共享收件箱。

Layer給開發(fā)者提供了工具，從而可以在移動網絡和桌面web以及原生應用上創(chuàng)建個性化的消息傳遞體驗。

下一波將是多模式應用，你可以在這里說出你想要的（比如Siri），然后通過地圖、文本，甚至是語音回復的方式收到信息。

為機器人而出現的機器人

我的產品需要機器人嗎？現有的平臺是否能夠支持其功能？我是否有足夠的耐心去建造一個能夠做我想做的事情的機器人？

大肆宣傳的另一個問題是，它往往會繞過像這樣的基本問題。對于很多公司來說，機器人并不是一個正確的解決方案。在過去的兩年里，機器人被盲目地應用于沒必要的問題之上。為了建造機器人而建造機器人，讓它自由進展，并期待最好的結果永遠不會有好結果。

圖：完全必要的Maroon 5聊天機器人

絕大多數的機器人都是使用決策樹邏輯構建的，在這個邏輯中，bot的響應依賴于在用戶輸入中發(fā)現特定的關鍵字。這種方法的優(yōu)點是，很容易列出它們被設計用來覆蓋所有的情況。這也是他們的劣勢所在。這是因為這些機器人純粹是對他們設計者的能力、一絲不茍以及耐心的反映，以及對他們能夠預見到的用戶需求和投入的反映。當生活拒絕使用它們時，問題就出現了。

根據最近的報道，在Facebook Messenger上的10萬個機器人中，70%不能完成簡單的用戶請求。這在一定程度上是由于開發(fā)人員無法將他們的機器人專注于一個優(yōu)勢的焦點領域。當我們在建造“咆哮機器人”時，盡管人們可能會對潛在的資本問題感到過度擔憂，但是我們決定專門針對銷售和市場營銷人員進行設計：而不是使其成為一個“全能選手”。

記住：能很好完成一件事的機器人比一個能做多件事的機器人更有幫助。

不可接近性

一個有能力的開發(fā)人員可以在幾分鐘內構建一個基本的機器人——但是一個可以進行對話的機器人呢？這是另一個故事。盡管圍繞人工智能的炒作不斷，但我們要做出任何類似人類的東西還有很長的路要走。在一個理想的世界中，NLP（自然語言處理）的技術應該幫助聊天機器人理解它所接收到的消息。但是NLP只是剛剛從研究實驗室起步，而且還處于起步階段。有些平臺提供了一些NLP，但即使是最好的平臺也能達到“孩子的水平”（例如，想想Siri理解單詞，但是不理解他們的意思）。正如Matt Asay概述的那樣，這導致了另一個問題的出現：未能抓住開發(fā)人員的注意力和創(chuàng)造力。

“除非機器智能能夠接近人類智能，否則消費者的興趣永遠不會實現。”用戶的興趣取決于人工智能，這使得與機器人對話對消費者來說是有值得的。”

今天基于規(guī)則的對話系統(tǒng)過于脆弱，無法應對這種不可預測性，而使用機器學習的統(tǒng)計方法也同樣有限。人工智能對話所需的人工智能水平目前來說還不具備。與此同時，很少有高質量的機器人引領潮流。就如戴夫費爾德曼評論道：

“Slack、Facebook、谷歌、微軟、Kik和其他公司是否應該打造自己的內置機器人來引領這一發(fā)展？”他們是否應該更積極地利用他們的機器人基金和孵化器，雇傭導師來教育參與者，或者提供工程和設計資源？在高知名度的合作伙伴中資助戰(zhàn)略機器人計劃呢？在我看來絕對是的。當涉及到平臺時，開發(fā)人員是用戶;我們不依賴于用戶來理解為為何或如何使用我們的產品。我們必須向他們展示。”

GUI不應該被忽略

曾幾何時，與計算機交互的唯一方法就是在終端上輸入晦澀的命令。使用Windows、圖標或鼠標的可視化界面是我們操作信息的一場革命。計算從基于文本的到圖形用戶界面（GUI）的轉換是有原因的。在輸入端，點擊比輸入更容易，也更快捷。點擊或選擇顯然比輸入整句話更可取，即使是具有預測性（通常容易出錯）的文本也是如此。在輸出端，有句老話說，一張圖片值一千個字，這句話通常是正確的。

由于我們是高度可視化的生物，所以我們可以看到信息的光學顯示。孩子們喜歡觸屏，這并非偶然。構思圖形界面的先驅者們受到了認知心理學以及關于大腦如何處理溝通研究的啟發(fā)。對話式的用戶界面是為了復制人類喜愛的交流方式，但最終需要額外的認知努力。從本質上講，我們將一些簡單的東西替換為更復雜的選擇。

當然，有些概念是我們只能用語言表達的（“向我展示通往博物館的所有方法，讓我走2000，但不需要超過35分鐘”），但是大多數任務可以使用GUI更高效、更直觀地完成，而不是使用對話式的UI來完成。

人類喜歡與人交談

在業(yè)務交互中，針對人的維度是有意義的。如果有一件事是將銷售和市場營銷分裂的，那就是缺乏人性：在彩票號碼、反饋表格、“不回復郵件”、“自動回復”和“聯系我們”的表格后面所隱藏的是品牌。Facebook的目標是，他們的機器人應該通過所謂的圖靈測試，這意味著你無法判斷你是在和機器人還是人類對話。但是機器人和人類是不一樣的。它永遠不會。對話所包含的不僅僅是文本。人類可以理解字里行間的寓意，利用語境信息，理解深層次含義，比如諷刺。但是，機器人很快就會忘記它們在說什么，這意味著它有點像和一個短期記憶或幾乎沒有記憶的人交談。

正如HubSpot團隊所指出的：

機器人提供了一種可擴展的方式，可以與買家進行一對一的互動。然而，當他們沒能提供一種高效、令人愉快的體驗時，他們就會失敗，因為人們習慣于在消息應用中與他人進行復雜的、多層次的對話。

人們不容易上當受騙，同時，假裝機器人是人類，肯定會減少回報（更不用說你對用戶撒謊的情況了）。而且，即使是那些稀有的機器人是由最先進的NLP驅動、擅長處理并生產內容，相比之下也會相形見絀。

這是另一件事。對話式的交互界面是為了復制人類喜歡與他人進行交流的方式——并應用于與其他人類的交流之中。但這是人類更喜歡與機器互動的方式嗎？不一定。在一天結束的時候，沒有多少機智的妙語或類似于人類習慣可以將機器人從失敗的對話中拯救出來。

我們目前會朝什么方向發(fā)展？

在某種程度上，那些早期采用者并不是完全錯誤的。人們在家里要求谷歌播放他們最喜歡的歌曲，從Domino的機器人上訂購披薩，并從絲芙蘭那里得到一些化妝提示。但就消費者的反應和開發(fā)者的參與度而言，聊天機器人并沒有達到2015或2016年左右所宣揚的宣傳效果。甚至連接近都達不到。

計算機的功能沒有問題。搜索數據，分析數據，分析觀點，壓縮信息。計算機不擅長理解人類的情感。NLP的狀態(tài)意味著他們仍然沒有得到我們所想要的東西，更沒有將我們的感受考慮進去。這就是為什么我們仍然無法想象有效的客戶支持、銷售或營銷，而不需要人類基本接觸，即移情和情商的情景是什么樣子的。

目前，機器人可以繼續(xù)幫助我們處理自動化、重復、低層次的任務和查詢工作;同時，在一個更大、更復雜的系統(tǒng)中承擔銷售成本的作用。由于我們期待太多，要求過急，對他們以及我們都造成了傷害。但這并不是故事的全部。是的，我們的行業(yè)嚴重高估了聊天機器人的初始影響效應。

正如比爾蓋茨曾經說過的：

我們總是高估接下來兩年將要發(fā)生的變化，同時低估接下來10年將要發(fā)生的變化。

不要讓自己陷入一種不作為的境地。

炒作已經結束。這是一件好事?，F在，我們可以開始檢查中間的灰色區(qū)域，而不是那些過度膨脹、瘋狂的黑白極端區(qū)域。我相信我們正處于爆炸性增長的開端。這種反高潮的感覺對于轉換技術來說是完全正常的。消息傳遞將繼續(xù)吸引用戶。聊天機器人不會消失。NLP和人工智能每天都在變得越來越復雜。開發(fā)人員、應用程序和平臺將持續(xù)試驗，并大量投資于會話式營銷。我迫不及待地想看看接下來會發(fā)生什么。