美國科技博客網站VentureBeat近日發布文章，指出了聊天機器人發展道路上面臨的三大障礙，其中包括語言復雜、用戶的信任和理解、以及使用便捷性等。以下就是這篇文章的主要內容。

　　盡管我們將聊天機器人看作科技行業的新事物，但是，人與機器人之間的對話一直存在。長期以來，從Cleverbot、Smarter Child等聊天機器人到迷宮電話樹等，我們一直在努力打造能夠效仿我們人類互動的技術。最新的科技進步業已帶動這些工具獲得了長足的發展，而且也把它們帶回未來科技對話的前沿。

　　由于蘋果Siri和亞馬遜Alexa之類的虛擬助手或“聊天機器人”的拉動，針對語音和文本的對話互動界面已經上升到非常突出的位置。另外，基于文本的聊天機器人或信息平臺，例如Slack和Facebook Messenger等在應用方面已經取得了巨大進步。這些可喜的進步也讓這一行業吸引了大量的投資，同時也激發了人們對該行業的關注。像Domino之類的重要品牌都在使用利用虛擬助手來幫助客戶訂購食品，與此同時，諸如Healthtap之類的醫療公司也在利用Facebook Messenger把患者與醫生連接起來。

　　盡管這些公司的相應平臺已經取得了成功，但要知道，這個行業在未來的發展道路上將會面臨一些不可避免的障礙。這樣的技術能夠按照我們的想像來執行任務嗎?用戶會在多大程度上依賴聊天機器人?這些問題體現了用戶的疑慮，但同時也是該技術面臨的一些障礙表現。

　　對這些問題，盡管我們目前仍沒有明確的答案，但是，我們能夠通過已有的知識，依據聊天機器人的歷史概況，以及此前人們與機器人的互動情況，來預測一下聊天機器人未來或將面臨的問題。在此，我們認為，聊天機器人在未來的發展道路上將面臨三大障礙。

　　障礙之一：語言復雜

　　現代化的對話界面應用主要依賴于人工智能的進步以及連網設備的普及，從而向用戶提供捷徑以執行簡單的任務，例如獲取簡單問題(如芝加哥的天氣怎么樣?)的答案，或者是完成一個快速任務(如提醒我在30分鐘之后給某人打電話)等。

　　與軟件一樣，語言是建立一套規則基礎之上，這種規則會隨時發展和演變。但是，說話的自然人與電腦不同，不會受限于這些規則，能夠自由地組詞造句，以此傳遞一種信息。除了地區方言之外，一些個人也會開發出一些獨特的語言方式，而且人類也的確擅長于理解彼此的語言，即使是在語法嚴重偏離語言規則的情況之下。當美國著名脫口秀主持人史蒂夫·科拜爾(Stephen Colbert)說出“真實(truthiness)”這個詞時，人們不難發現他所表達的含義，盡管當時這個單詞還沒有在字典里出現。從傳統情況來看，電腦在理解類似的語匯方面，會更加困難。機器學習雖然已經提升了電腦的語言識別能力，但是，我們還沒有發展到人工智能能夠追趕語言快速演變步伐的程度，也無法適時理解每一種說話的特別方式。

　　在傳統的對話界面中，理解力往往還與用戶的視覺處理或實體動作緊密聯系在一起。隨著對話在電腦領域的發展，系統理解和回應用戶獨特語言方式(無論是語音輸入還是手動輸入)的能力都會與日俱增。僅僅完美地理解結構化語言的系統將難以滿足大量用戶的需求，用戶們或許會發現這種系統需要改進后才能適應電腦。否則，這種無法對類似熟悉語言作出反應的系統，也將永遠無法構建許多產品生產者期望的那種熟悉關系。

　　障礙之二：信任與理解

　　我們已經看到大量的有效聊天機器人被投入到服務市場，例如銀行業。最近，用戶給銀行打電話查詢銀行帳目時，銀行方面的接聽員甚至已不再是自然人，這也不是什么罕見的現象了。通過這樣的機器人，我們開始看到聊天機器人與自然人之間的聯絡，并由此拉近了自動化與個人關注之間距離。此類互動從本質上講是非常客觀的，能夠很好地服務于人工智能業務。總體而言，人們在簡單的事實和指數等方面，似乎會相信電腦，特別是在數據方面(例如帳戶資產數目方面)。

　　當人們把過去客觀的見解移接到更加主觀的思維之中，那么情況就會變得復雜了。遠距離醫學能夠讓患者在不離開家的情況通過遠程通信工具接受醫生的診療，這種情況在醫療領域越來越受歡迎。這種從面對面到數字方式的轉型取得了成功，主要是因為在遠程的另一端，仍然是由自然人在看病。如果用戶用機器人代替自然人充當醫生給患者看病，那么，患者對機器人的信任度還會那么高嗎?幾乎肯定不是。總體而言，越來越大的信任負擔以及用戶的質疑都將成為聊天機器人未來發展的一大障礙。

　　障礙之三：利用便捷性

　　目前為止，已經上市的聊天機器人并無太大的創新，不過相對于此前的問題而言，總體上還是有一些進展。例如，用戶可以在機器人的幫助之下，查看帳號資產、購買衣服以及預訂鮮花等。這些過程無論是從哪種網頁瀏覽器，多數情況下都是非常相似的。聊天機器人要想取得成功，還需要提供比當前更好的體驗。

　　對聊天機器人而言，更好的體驗就是使用簡單、便捷、無縫。耐著性子讓機器人挨個清單選擇某一讀物，的確不是什么有趣的事，特別是在用戶明明知道能夠在網站上短時間內挑選出他們想要的讀物的情況之下。就一些任務而言，聊天機器人可能永遠也找不到解決方案，因為它們不一定能足夠簡捷地處理這些任務。但是，就其它任務而言，把產品簡單化、個性化以及有效的機器學習等融合起來，會有助于解決其中的諸多問題。通過更加徹底地理解用戶，這些系統也就能夠提供獨特的價值，并簡化任務，從而讓對話能夠有一個最為簡捷的方案。

　　展望未來

　　隨著時間的流駛，語言處理和整個人工智能水平都將持續提高，而且能為聊天機器人在較小投入下執行復雜任務開啟全新的機遇。當然，盡管多數機器人能夠效仿自然人的處理程序，但是，人工智能在解決大量的復雜的自然人問題方面，仍有很長的路要走。不過，當看到SmarterChild和Moviefone等大力投資以推動該領域的持續進步時，我們又感到這一步會越來越近。