不能更懂你，因为聊天机器人面前有三个路障

得益于虚拟助手以及苹果的 Siri 和亚马逊的 Alexa 等 聊天机器人 ，语音和文本的对话界面快速崛起。此外，基于文本的 聊天机器人 以及 Slack 和 Facebook Messenger 等消息平台的使用率也大幅上升。以上一系列的现象吸引了市场的目光，同时也带来了投资。达美乐等食品大牌企业使用虚拟助手来帮助客户订购食品，HealthTap 等医疗公司利用 Facebook Messenger 为患者与医生建立联系。

虽然这些公司已经在各自的平台上取得了成功，但他们也将遇到不可避免的障碍。这种技术是否能执行我们所想的复杂任务？在什么样的情况下，用户会决定选择用聊天机器疼来代替其他选项？

尽管我们还没有完全确定的答案，但我们可以做一些有根据的猜测，当下热门的聊天机器人可能会面临什么问题？

路障1：人类语言的复杂性

会话界面的现代化应用程序建立在 AI 技术的进步之上，通过无处不在连接设备对用户的简单请求做出回应和处理，例如获得一个简单问题的答案：芝加哥的天气怎么样？或者完成一个快速任务：提醒我在 30 分钟内打电话给琳达。

像软件一样，语言建立在随时间发展而演变的系统上。然而，语言之于人类不同于软件之于计算机，人不会被规则锁定，我们可以自由地组织句子甚至创造新词来传达消息。除了地区方言，人们独特的语言模式通常很好理解，即使我们的语法不符合语言规则。当 Stephen Colbert（美国知名脱口秀主持人）谈到“Truthiness”这个词时，尽管这个词当时还不存在，但它的意思不难理解，后来这个词成为了 2006 年年度热词。在历史上，计算机在理解这样的词语时遇到的困难更大。机器学习促进了语音识别，但是 AI 技术还没有达到可以跟上语言的快速演变节奏或理解某种特定的表达方式的地步。

对于传统的界面，可访问性通常与用户在视觉处理或物理操纵方面的能力有关。系统理解并响应用户的独特语言模式（无论是口头还是打字）的能力逐渐得到了加强。若系统只能理解完全符合规则的语言，那么这对大多数人来讲是不实用且乏味的，他们只能重新组织语言来适应计算机。同样，如果系统不能以人们熟悉的语言模式做出回复，那么产品制造商所希望建立的人机之间的紧密关系则永远无法实现。

路障2：信任和理解障碍

现如今我们已经可以在服务端看到一些有效的聊天机器人，例如银行使用的聊天机器人。

我们可以在不与工作人员通话的前提下达到目标，例如打电话给银行查询账户余额。这样的案例实现了聊天机器人和人类之间的交接，自动化和个性化之间的差距得以弥合。这些互动通常具有客观性，很适合 AI 技术的应用。人们似乎很信任计算机提供的基本事实和数字，例如帐户余额的查询。

不过当我们的需求从客观洞察走向更主观的思维时，事情就变得复杂了。远程医疗通过远程通信工具为患者提供医疗服务，在医疗卫生领域越来越受欢迎。这种方式将面对面的沟通转换为数字方式，这种转换之所有有效果是因为我们都很清楚，远程连线的两端还是真人在交流。

如果把远程端的医生换成聊天机器人呢？患者还会如此信任这个系统吗?当然不会。WebMD 等医疗网站先把症状列出来再给出对应的潜在诊断方法，这样也是比较客观的。但是，要像医生一样从一系列潜在的诊断方法中做出最可行的选择，需要复杂的理解和判断能力。除了诊断方面的困难，如何获得用户的信任并使他们接受计算机得出的结果是更大的挑战。

路障3：如何更易于使用？

目前，市场上的聊天机器人没有引入全新的行为，而是用新的方法来解决旧问题。我们也可以通过网络浏览器来检查帐户余额、购买衣服、订购鲜花，这些操作过程我们都很熟悉。聊天机器人的成功应该在于为用户提供更好的体验，而不仅仅是用新的方法去替代我们熟悉的流程。

对于聊天机器人的应用，更好的体验在于简单和流畅的操作过程。等待机器读出选项列表是一个无聊的过程，尤其是当我们可以在网站上快速选出合适选项时。对于某些任务，聊天程序可能永远无法给出答案，因为它们不能被简化到足以完成这种界面上的工作。不过对于其他任务，产品简化和个性化以及有效的机器学习的组合可以帮助解决许多问题。若能更彻底地理解用户，这些系统将可以提供独特的价值并简化任务，一次对话就可以完成最简单的交互。

展望未来

随着时间的推移，语言处理和 AI 技术将不断改进，为聊天机器人以最少的输入执行复杂的任务创造新的机会。大多数聊天机器人的目的是复制人类行为，若要获得可以解决复杂问题或以更简单的方式完成任务的 AI  技术，我们还有很长一段路要走。但我们现在要比那个 SmarterChild 和 Moviefone 就能引起轰动的时代进步多了，同时，大量涌入的投资也在加速技术的持续发展。