Siri 发布已八年，Chatbot 为何依旧很坑【文末附数据集下载】
By 超神经
场景描述：聊天机器人虽然众多，但在目前来看，它们的功能都还不够理想。如何打造出一款好的聊天机器人，是期待技术上的颠覆，还是在设计上考虑的更加全面。不妨听听资深人士怎么说？
关键词：聊天机器人 NLP 对话系统
早在 2011 年，苹果公司就发布了智能语音助手 Siri，对这款产品报以重大期望的苹果公司，不得不面对 Siri 目前尴尬的使用处境。Siri 要么听不懂用户在说什么，要么回复给用户一堆不明所以的内容。现在 Siri 的存在，更多还是调戏/被调戏用户。
在市面上，聊天机器人（ Chatbot ）不在少数，但能够深入人心的产品却少之又少。有很多一时新鲜的 Chatbot 产品，慢慢地便暴露出「智障」和「鸡肋」的地方。
比如在 Facebook Messenger 应用上 ，语音助手 M 在运营了三年后下线，而一直在升级的微软小冰，最常用的功能停留在不痛不痒的「尬聊」上。
Facebook M 于 2018 年 1 月被关闭
出现这个现象的原因，一方面是人们对 Chatbot 的期望落差，另一方面，即便是现在最先进的技术，要完全理解人类的对话体系，还是一件困难的事情。而在设计理念上不同的侧重，造成了最后的南辕北辙。
那么如何才能做出一款令人满意的 Chatbot 呢？一位资深人士总结了一套「USED」框架。
被使用的 Chatbot 才是最好的
Shin Wee CHUANG
Shin 毕业于 MIT，先后任职于微软和渣打银行（ SCB ），是金融科技领域的资深人士。
他曾被 CBN Weekly 授予「中国50强企业创新者」奖，以表彰他在中国 SCB 数字营销方面的众多数字和营销创举。目前他经营着他所创立的科技公司 Pand.ai，致力于打造企业级的智能 Chatbot。
Shin Wee 在一篇文章「 A good chatbot is a USED chatbot」，讲述了如何打造智能的 Chatbot，以下为文章的编译。
自从一年前为金融机构建立智能 Chatbot ，和联合创始人建立 Pand.ai 以来，我们经常被问的一个问题是：你们研发的 Chatbot 有多好？
试图解答这个问题，就要解释我们如何利用深度学习自然语言处理（ Deep NLP ）来提取用户输入的语义，让 Chatbot 更好地「理解」问题，并提供更准确的回答。
在这里，我将讨论那些令客户满意的 Chatbot 构建的思维过程。我们现在正将这些观点整合到一个产品框架中，形成我们的核心设计原则，希望对想要构建或使用 AI Chatbot 的人提供一些帮助。
这个框架包含 4 个字母：USED ，这里的 USED 代表着：
U ：It Understand me 能够读懂人
要想构建好的聊天，首先要让机器人理解对话，否则，它无法按预期做出响应。
大多数 Chatbot 依赖于「模式匹配」的技术，这对于「理解」常见的句子是有效的，例如「你好吗？」，「你叫什么名字？」之类，但在处理复杂语句或者非常见句子时，就显得吃力，这也是一些「智障式」客服存在的一个原因。
要想打造一款好的聊天机器人，NLP （自然语言处理）引擎是必备的。目前已经有一些此类引擎，它们通过云服务方式来分析处理，并能轻松用在多种聊天工具上。
此外，还有一些公司为特定的垂直行业或市场，提供了更专业的 NLP 引擎，能够分辨出语言中的细微差别，比如包含的术语或俚语等等。
如果你没有太多背景，或者不想花时间自己构建，最好的方法就是选择一个合适且强大的 NLP 引擎。让 Chatbot 在读懂人的层面没有障碍。
S：It Serves me 具有服务性
一个好的 Chatbot ，需要在特定的场景下，执行某种功能。所以最关键的是要让机器人能熟悉这个领域内的详情。
比如要为销售团队部署一个 Chatbot，帮助他们更好地工作，必须准备好所有相关的产品和内容，按照结构化格式打造一个理想的对话。
除了基本的问答，还需要考虑在 Chatbot 中添加一个测验组件，让它能帮助销售人员更新对产品的理解。
E：It Engages me 能够打动人
在聊天机器人推广的初始阶段，让用户能够和机器人进行互动，是一项有挑战性的工作。毕竟，想要让用户改变习惯的方式，接受新事物并不容易。
因此，可以制定有效的推送策略，以帮助用户习惯使用新的工具。
当然，推送并不意味着你必须要发送无聊的产品描述，而是要用心去做。 例如，一个简单的父亲节问候消息，传递给小组中的父亲们，将会是很暖心的一种方式。
D：It Delights me 会带来乐趣
目前大多数聊天机器人，正在朝着俏皮和可爱的路子发展。毕竟，能带来快乐的产品，往往更吸引人。然而，随着越来越多的聊天机器人出现，只会抖抖机灵的话，就奢望用户一直开心的套路，或许不再现实。
要找到聊天机器人能带来乐趣的方式。但同时要也要注意场合，免得在严肃的场合出现尴尬。
值得庆幸的是，语言不是聊天机器人唯一的武器。比如，某个对话中埋一个复活节彩蛋，所能带来的惊喜，可能会胜过任何带着模仿痕迹的俏皮话。
黄金法则的核心
这个「 USED 」框架，可以作为企业级聊天机器人构建指南，但其实，它的核心也就是充分考虑其实用性。
有许多 KPI 能衡量聊天机器人的好坏，例如响应时间和准确性，但最重要的一点在于，它是否有助于实现业务目标。
不论是想用聊天机器人提高客户服务量和销售效率，还是产生潜在客户，只要是能够实现业务目标的方法，都可以被用起来。比如下面的这些KPI：
谈话次数（不是消息数量）;
每月活跃用户的百分比（ MAU，也可能是 DAU「日活跃」 和 WAU「周活跃」 ）;
每个活跃用户的会话数
Chatbot 的发展不只是依赖技术
开发一个 Chatbot ，即使是一个 AI 驱动的聊天机器人并不算难，但想构建一个好的、智能的，并能被大量使用的 Chatbot ，需要考虑的，就不仅仅是技术。
Chatbot 的发展经历了一股热潮后，慢慢趋于理性。NLP 的发展，始终没有在计算机视觉，或者语音识别上那么快速。但要想做出好的 Chatbot ，也许最需要考虑的，还是能让它变得有用的设计理念。
因为按照当前的技术发展来看，在短期的将来，Chatbot 产品的壁垒是数据和设计，而不是技术。
而也许在打造 Chatbot 之时，可以优先考虑服务，然后才是对话系统——就好像人，是先有脑袋里的想法，再用对话来表达。
有这样一个观点：一个产品是由很多技术组合而成，对每一类技术都有正确的认识，才能做出好的产品。「毕竟我们离真正的人工智能还有距离，能用得上的才有价值。」
超神经数据集
超神经HyperAI 搜集并整理全球数百个公开数据集，并提供国内镜像下载，对科研机构和开发者们提供免费服务。
智能问答相关的数据集推荐：
Yahoo! Answers 问答数据集：数据集是来自雅虎 Yahoo! Answers Comprehensive Questions and Answers1.0 数据集的 10 个主要分类数据。每个类别分别包含 140,000 个训练样本和 5,000 个测试样本。由康奈尔大学发布，文件大小 304.72 MB；
SQuAD 斯坦福问答数据集：是一个阅读理解数据集，由群众工作者在维基百科文章中提出的问题组成，其中每个问题的答案是来自相应阅读段落的一段文本或跨度，共有 500 多篇文章中有 10 万多个问答配对。于 2018 年由斯坦福大学发布，文件大小 34.09 MB。
更多智能对话数据集（ 如 CMU 真实问答对数据集；微软 Maluuba NewsQA 机器阅读理解数据集），请访问 https：//hyper.ai 下载。
历史文章（点击图片阅读）
521，向前辈吴恩达和姚期智学习如何撩妹
深度学习涉足美妆领域，网红博主要失业？
中美战火熊熊：一边贸易战，一边拼技术
AI 百科
教程
数据集
商店
更多
http://hyper.ai