聊天機器人到底有沒有商業價值?做起來到底麻不麻煩?
編者按:聊天機器人到底有沒有商業價值?做起來到底麻不麻煩?本文作者Shival Gupta花費了一個月的時間去收集資料,去進行研究。最后,他花了不到兩個小時做出了一個聊天機器人。并指出作為一名商人,這是一個值得下注的趨勢;作為一名工程師,這是一項值得學習的技能。
根據Flurry的一項研究,我們每天在智能手機上要花費大約5個小時。這個數據不僅令人驚訝,而且大約65%的時間(3小時15分鐘)都花在了與溝通相關的活動上,比如社交媒體、短信、電子郵件和電話。
這意味著,如果你去開發一個移動應用,去創業的話,就要與數百萬的其他應用去爭搶用戶那35%的時間。而且,發現一個好的創意并且落地,也要耗費大量的成本。
那么,如果不打算開發一款應用,你會怎么做呢?大多數專家認為,移動應用的下一步將會是在應用中構建一個聊天機器人。它們能夠擴展Facebook或Telegram等大型社交平臺的功能。而且用戶不需要在手機上安裝額外的應用。這是一個雙贏的舉措。不過,我對這個發展趨勢有些懷疑。主要有以下兩點:
- 從商業角度來說,構建一個聊天機器人是毫無用處的。
- 從工程角度來看,構建一個聊天機器人是一件瘋狂的事情。
為了搞清楚這個趨勢背后的基本邏輯,我開始了一些研究。我花了大約一個月的時間查找資料,與專家交談,擺弄工具包,到最后,用了大約2小時內用代碼寫了一個功能性的聊天機器人出來。這段旅程是我的探索之旅,我想知道我的懷疑是否是合理的,并從中獲得一些樂趣。
旅程開始
人們普遍相信,靈感經常會在一個奇怪的時間敲開房門,所以應該要時刻保持清醒,邀請它進來。
當我開始寫這篇文章時,我對聊天機器人一無所知。我對人工智能的也非常膚淺。比如監督學習是如何起作用的,我都搞不清楚。甚至對于我來說,NLP只是自然語言處理(Natural?Language?Processing)的縮寫。我研究聊天機器人,有一半的原因是為了增加我對這個趨勢的了解。有句老話說得很好:
抑制自己的無知是一種生活的樂趣,只有最不安分的人才會珍惜。
我現在想要解決的是我對聊天機器人行業提出的第一個質疑——它們沒有任何商業價值。經過一番搜尋之后,我終于找到了一個不錯工具——Botlist,一個第三方數據庫,羅列了許多當前在各平臺用到的聊天機器人,包括電子郵件、網頁、短消息服務、Slack、移動、應用等。當我帶著疑問去觀察聊天機器人時,我一直在猜測和思考開發者為什么會決定在自己的應用平臺上開發聊天機器人,這解決了他們的什么問題?他們如何讓機器人變得更有商業價值?
我發現了Mitsuku,跟它聊天很有趣。Dr?AI似乎也能很好地解決問題。Rightclick.io也不錯,但我很難Get到它的點。通過瀏覽大量的聊天機器人,從Hangman到TVakis等等,他們的做法看起來似乎很實用。但它仍處于發展的初級階段,這個趨勢還沒有完全成型。不過,好的一點是,我獲取到了足夠的靈感,從而能自己搭建一個聊天機器人,看看它們能嘗試解決什么問題。
在某種程度上,我感覺自己就像一個在盧浮宮漫步的藝術生,在尋找靈感。然而,有一個問題一直在困擾著我。
殺手級應用在哪?
現在,聊天機器人行業還處于起步階段,從業者都在朝著一個方向去努力,去競爭——尋找下一個讓聊天機器人成為主流的殺手級應用。到目前為止,在聊天機器人領域還沒有哪家企業能夠占據絕對的領先地位。整個行業的競爭環境非常公平。
我和很多人談過。專家們達成的共識是,在大約2~5年的時間里,我們會看到聊天機器人領域會出現真正的殺手級應用。技術還在發展,可以肯定地說,即使是現在最好的聊天機器人,也會因為人工智能和NLP等相關技術的發展而變得過時。
這意味著,如果有正確的想法,任何人都可以開發出潛在的殺手級應用。這一發現非常激勵人心。就目前而言,我體驗過的聊天機器人做的事情似乎很簡單,但從本質上講,它們只是圖形用戶界面(GUI)的替代品。我特別注意到的兩件事是:
- 如果在用戶完成任務需要超過2個步驟,那么聊天機器人就能提供更好的體驗。
- 如果用戶只是簡單的搜索和點擊,聊天機器人似乎是多余的。
總而言之:
不管你是做一個用戶界面(UI)出來還是做個聊天機器人,這都不重要。只有節省了時間,用戶才會用其來解決問題。
從這個角度來看,做聊天機器人確實具有商業價值。它比原來的用戶界面更節省時間。我的下一段旅程是要親自做一個聊天機器人出來,看看水到底有多深。
做一個聊天機器人
構建一個聊天機器人和玩拼圖游戲差不多。我只需要找到合適的部件和工具來建造它。最關鍵的在于,要從哪里入手去做。所以,我在開始之前給定了兩個目標:
機器人應該像人一樣說話:也就是它應該理解自然語言。
機器人應該能在較麻煩的場景中發揮作用:這意味著它應該做一些,用戶在原來的UI上操作超過兩步才能完成的事情。
有了這些限制,我在腦海中形成了一個可信度,即做一個聊天機器人出來是否困難。由于我在自然語言處理方面也是新手,可以想象我們大多數人的學習曲線是一樣的。
最后,我選擇去做一個能夠準確計算出日期的聊天機器人。例如,它會接受這樣的輸入,比如“從現在開始過6天,是什么時間?”“在明年9月之后再過5周,是什么時間?”
簡單來說,它的架構是這樣的:
根據一篇教程(點擊),我花了不到2個小時,使用基本的NLP技術和一個基于softmax的神經網絡(包括在我的Windows機器上安裝Tensorflow),做出了一個意圖分類器系統。在確定意圖分類之后,將對字符串進行解析,以便輸入我想要的日期。我寧愿用NLP模塊對輸入的日期進行解析,并反饋給我,但它現在只是用于概念驗證。
輸入自然語言。
結果。這個聊天機器人并不非常健談。
老實說,這并沒有那么難。有了Facebook的Messenger平臺和Telegram的聊天機器人平臺,以及api.ai、wit.ai,、以及recast.ai等公司提供的功能,我們當中的一些人可能花更少的時間,就能做一個聊天機器人了。
結語
為個人的使用制作了一個聊天機器人,讓我進入了一個充滿各種可能性的世界。人們正在解決許多問題,比如預訂旅游票、酒店、電影票、訂餐等等。通過引入聊天機器人,用戶體驗可以通實現跨越式的改進。說實話,聊天機器人的新特性讓我很興奮?;蛟S,新的Facebook和WhatsApp正出現在黑暗中。
我相信在不遠的將來,一切都可以通過像電影《Her》中的對話機器人來完成。它比你在智能手機屏幕上輕敲一下有效率多了。不過,我不會建議你愛上你的聊天機器人。
拋開玩笑,聊天機器人無疑是一個新興的趨勢。每個人都在討論它是否會持續下去。但能否持續下去并不是由聊天機器人本身來決定。而是那些制造它們的人。
我相信,炒作是一種將冷門技術變得普遍化的工具。業界正在研究這一相對較新的技術能夠做什么。作為一名商人,這是一個值得下注的趨勢;作為一名工程師,這是一項值得學習的技能。
畢竟,最好的聊天機器人還沒有被制造出來。
原文地址:https://hackernoon.com/i-built-a-chatbot-in-2-hours-and-this-is-what-i-learned-f5dbb4ba5fcc
譯者:chiming,由36氪編譯組出品。編輯:郝鵬程
譯文地址:http://36kr.com/p/5098966.html
本文由 @chiming 授權發布于人人都是產品經理,未經作者許可,禁止轉載。
題圖來源于原文
推薦一本好書《智能問答與深度學習》京東購買地址:https://item.jd.com/12479014.html
Chatopera CEO 王海良與AI 專家李卓桓博士等聯合撰寫的業界首本 智能問答引擎方面的專業書籍,《智能問答與深度學習》不但介紹了自然語言處理、深度學習和機器閱讀理解等基礎知識,提供大量編程實例,配書源代碼供下載。歡迎閱讀,共同學習。
Chatopera聊天機器人開發者平臺(https://bot.chatopera.com/)對開發者非常友好,歡迎體驗,給予反饋,感謝!
Chatopera產品:
春松客服
Chatopera將春松客服開源,讓客戶和社區獲得更大權力使用產品和定制化產品。
春松客服上架青云應用中心,借助青云強大的平臺計算資源,客戶可以快速獲取高可靠性,高性能的服務,按不同類型計費,并可通過工單快速聯系Chatopera團隊解決問題。
智能問答引擎
智能問答引擎是Chatopera團隊獨立自主開發的面向企業聊天機器人的運行時環境。具有功能強大和高性能等優點。智能問答引擎支持私有部署和SaaS版。
多輪對話設計器
智能問答引擎除支持知識庫管理完成對話外,還支持一種更加強大的對話生成方式,即多輪對話。
對話術建立腳本,可以實現穩定、方便干預、靈活的機器人問答。
通過函數集成第三方接口,函數和腳本相互調用。