聊天機器人與對話式 AI

在當今的客戶服務世界中，人工智能發揮著至關重要的作用。 因此，聊天機器人、對話式人工智能和機器學習等新技術不斷湧現。 然而，只有一小部分人理解所有這些術語的含義。

特別是像聊天機器人和對話式人工智能這樣的短語，它們越來越多地在人工智能和客戶服務的背景下互換使用。 然而，這兩個名稱有顯著的區別。 在這篇文章中，您將了解更多關於它們的信息。

聊天機器人的誕生

1966 年，麻省理工學院計算機科學家 Joseph Weizenbaum 向世界介紹了 Eliza 形狀的聊天機器人，這是一個基於受限的、預定流程的聊天機器人，可以使用腳本複制心理治療師的對話。 Eliza 通過使用模式匹配和替換技術進行“對話”，這給用戶的印像是軟件理解他們，但沒有用於上下文化事件的內置框架。

然而，這個聖誕故事中的諷刺之處在於，魏岑鮑姆設計 Eliza 是為了突出人機交流的膚淺，並在此過程中製造了一個能夠欺騙智人認為它是人類的聊天機器人。 Eliza 最終將通過有限的機器智能圖靈測試來確認她的成就。

八年後，在斯坦福人工智能實驗室，會話工程的下一個重要里程碑將實現。 因此，開發人員 Kenneth Mark Colby 使用他之前作為心理治療師的培訓來創建“PARRY”，這是一種模仿偏執狂人推理的自然語言軟件。 PARRY 完全通過了圖靈測試，超出了預期。 ‍

Colby 設計了一個複雜的假設、歸因和“情緒反應”系統，這些系統由分配給語音輸入的不同權重觸發，以在 Joseph Weizenbaum 的 Eliza 不到十年後取得如此驚人的結果。 這種人工智能能夠對話嗎？

不。雖然 PARRY 具有更可控的結構和模擬機器人“情緒”的心理模型，但它仍然是基於規則的，這意味著它遵循嚴格（雖然複雜）if X（條件）然後 Y（活動）公式。

在我們的列表中，我們將添加基於規則的。 我們已經提醒您記住以下概念：受限的預定會話流和基於規則的。 現在讓我們繼續。

ALICE 是該領域的下一個偉大名稱（人工語言互聯網計算機實體）。 換句話說，ALICE 是由 Richard Wallace 於 1995 年創建的，它使用了一種人工智能標記語言 (AIML)，它是 XML 的一個版本，包括允許機器人遞歸調用模式匹配器以簡化語言的標籤。 然而，在 2000 年、2001 年和 2004 年，ALICE 獲得了 3 次 Loebner 獎，該獎項授予最類人系統。

ALICE 在各個方面都非常出色，但它可以成為對話式 AI 聊天機器人嗎？ 在這種情況下，答案再次是否定的。 因此，ALICE 使用了大量的“類別”或規則來匹配輸入模式和輸出模板。 然而，ALICE 以豐富的基本規則彌補了其形態、句法和語義 NLP 模塊的不足； 華萊士在復雜性之上選擇了尺寸。

ALICE 擁有通俗地說對話式 AI 的所有特徵，但它本質上只是一個非常龐大的聊天機器人。

究竟什麼是機器人？

機器人被 Merriam-Webster Dictionary 定義為“旨在復制一個人的活動的計算機程序或角色（如在遊戲中）”。 Abbot 的名字來源於“機器人”這個詞，是一種可以模仿某些人類特徵的非人類機器。

究竟什麼是聊天機器人？

聊天機器人，通常被稱為虛擬助手，是一種可以通過語音或文本解釋和回复人類語言的機器人。 因此，“聊天”出現在“機器人”之前。 這是一個至關重要的區別，因為並非每個機器人都是聊天機器人（例如 RPA 機器人、惡意軟件機器人等）。 聊天機器人可以是非常簡單的問答機器人，旨在對預定義的問題做出反應。 聊天機器人的核心是自然語言處理 (NLP) 技術，它可以理解用戶的請求並做出適當的響應（前提是它經過培訓可以這樣做）。

什麼是對話式人工智能 (AI)？

首先，讓我們定義對話式 AI 不是什麼。 與遵循預定對話流程的聊天機器人不同，對話式人工智能基於對話。 與聊天機器人不同，對話式人工智能使用自然語言處理、自然語言理解、機器學習、深度學習和預測分析來提供更動態、更少受限的用戶體驗。

因此，自動語音識別器 (ASR)、口語理解 (SLU) 模塊、對話管理器 (DM)、自然語言生成器 (NLG) 和文本到語音 (TTS) 合成器都是典型的對話式 AI 架構。 但是，ASR 接收原始音頻和文本數據，將其轉換為單詞假設，然後將它們發送到 SLU。 SLU 的目的是捕捉特定單詞序列（話語）的基本語義。 它解析用戶話語中的語義槽並確定對話域和目的。

DM 的目的是與人溝通並幫助他們實現目標。 此外，它在確定語義表示是否完整後確定係統的行為。 它使用知識數據庫來查找用戶正在尋找的信息。 然而，對話代理可以在 DM 的幫助下做出更穩健的判斷，包括對話狀態跟踪和策略選擇。

聊天機器人和對話式人工智能之間的區別

對話式人工智能和聊天機器人：下一步是什麼？

早期的聊天機器人實現主要集中在 NLP 引擎可以處理的簡單問答場景。 此外，許多客戶將這些視為通過數字渠道獲得常見問題解答的便捷方式。

另一方面，這些基本的聊天機器人沒有完成更複雜的任務，經常讓人工代理繼續處理請求，特別是當客戶查詢沒有遵循預期的路徑時。 聊天機器人由於失敗而形成了糟糕的形象，這種情況在技術採用浪潮的早期階段仍然存在。

什麼是更好的選擇？

近年來，聊天機器人和對話式人工智能之間的問題再次浮出水面。 機器人和對話式 AI 各有利弊，但哪個是更好的選擇？

近年來，隨著公司尋求增強客戶服務，對話式人工智能越來越受歡迎。 與功能更強大的聊天機器人相比，對話式 AI 可以以更自然的方式回答問題。

雖然對話式 AI 在兩者中更智能，但聊天機器人也有自己的優勢。 例如，如果消費者想要購買任何東西，對話式 AI 可能會將他們引導至結賬頁面並讓他們在那裡完成交易。 這一優勢引發了當前聊天機器人和對話式人工智能之間的爭論。

另一方面，對話式人工智能更擅長預測客戶的需求，而聊天機器人更擅長提供更多功能的解決方案。

對話式 AI 面臨哪些問題？

由人工智能驅動的聊天機器人提供了許多好處，包括改善用戶體驗、提高品​​牌忠誠度和增加收入。 但是，部署具有與人類相同程度經驗的 AI 聊天機器人服務是一項艱鉅的挑戰。 為此，需要定期培訓和更新。

因此，開發和實施對話式人工智能係統最困難的方面是說服人們使用它們。 有能力並願意使用這些服務的個人應該使用它們。 即使他們願意，個人也並不總是準備好採用新技術。

這就是為什麼將重點放在消費者而不是技術上至關重要的原因。 永遠記住，人們使用這些服務來解決問題，他們可能還沒有為對話式 AI 體驗做好準備。

最重要的問題之一是聊天機器人只在一件事上有效：交談。

1. 他們沒有智慧，也沒有感情。
2. 它們已預先編程以響應特定條款。 聊天機器人通常用於詢問簡單的查詢並接收簡單的響應。 但是，在某些情況下，消費者需要更多信息，而不僅僅是對其查詢的響應。
3. 他們想知道某人對某個話題的感受或他們對此的想法。
4. 他們想知道機器人是否可以與他們進行對話。
5. 構建一個對話機器人是可以想像的，但這需要大量的時間和精力。 市場上有對話機器人，但大多數都不是特別好。 他們不認識某些跡像或不掌握某些術語的含義。

獲得對最終用戶的同理心、了解現有技術的局限性以及使用簡潔明了的結構都是克服這些障礙的一部分。 在構建對話式 AI 時，了解目標用戶及其行為至關重要。

閱讀更多：聊天機器人將改變服務業的 5 種方式

此外，第一步是確定最終用戶是誰以及他們的需求是什麼。 您可以通過創建角色來完成此操作。 但是，角色是對典型最終用戶的完整描述。 它解釋了每個用戶的目標、行動和動機。 總之，團隊成員可以使用角色來構建類似人類的角色，以用於設計、開發和測試。