人工智能利弊辩论赛人工智能技术开发

　　编者注：文中超链接如果不能访问可以点击“阅读原文”访问本文原页面；读者可以查看于2018年10月8日到11日举办的人工智能伦敦大会的“文本、语言和语音”的完整议题

　　编者注：文中超链接如果不能访问可以点击“阅读原文”访问本文原页面；读者可以查看于2018年10月8日到11日举办的人工智能伦敦大会的“文本、语言和语音”的完整议题。

　　TL;DR：聊天机器人是迈向自动化组织的第一步，这些自动化组织的运营活动主要由许多不同的人工智能助手实现的。类似于自动驾驶汽车，人工智能助手有五个级别的复杂程度。目前的主流是第二级人工智能助手，而谷歌向世界展示了第助手的样子。真正的第五级人工智能助手会对社会带来重大转变，对企业及其客户产生许多影响。

　　最近对聊天机器人的强烈既是完全正确的，但同时也完全偏离了目标。是的，自2016年的F8以来我们看到的大多数聊天机器人都很糟糕。与现有网站或移动应用相比，大多数聊天机器人都没能为用户带来额外的价值。

　　但是聊天机器人并不是最终的形态。通过与财富500强公司合作，我们看到一些明确的例子表明：最先进的聊天机器人实际上是可以帮助公司产生额外的收入或节省成本的。我们的使命是致力于开发出真正的人工智能助手。不需要人类的参与，它们能让客户以自己想要的方式表述他们的需求。

　　人工智能助手既可直接服务客户，也可用于企业的运营。了解客户、上下文以及可以主动进行触达的人工智能将会让许多重复性任务被自动化。

　　图1. 人工智能助手有五种级别：从笨蛋到超级智能。目前，主流产品都处于第二级人工智能利弊辩论赛。图片由Alan Nichol提供

　　关于五级自动驾驶的文章已经有很多。基于过去几年出现的聊天机器人和个人助手，我们提出人工智能助手的五种级别：

　　第一级：通知助手——这就是我们最熟悉的，在手机上的简单通知。但它们只能显示在类似WhatsApp这样的消息应用中。

　　第二级：FAQ（常见问题）助手——这是目前最常见的助手类型，它能让用户提出一个简单的问题并回复。这比带有搜索栏的FAQ解答页略有改进。唯一的区别是助手有时能通过一到两个后续问题得到加强。

　　第：上下文助手——正如大多数机器人开发人员说的那样，为用户提供一个问题输入框很少会只得到一个简单的问题和返回一个答案。这就是为什么上下文（即用户之前说过什么，何时/何地/如何说的等）很重要。考虑上下文也意味着人工智能能够理解和响应不同的和未想到的输入。

　　第四级：个性化助手——正如我们人类期望随着时间的推移别人能更了解自己一样，这个级别的人工智能助手将会开始做同样的事情人工智能技术开发。例如，人工智能助手将了解何时应该进行沟通，并根据此上下文主动沟通。它会记住用户的偏好并为用户提供完全个性化的界面。

　　第五级：自动化组织机构里的人工智能助手——最终，将有一组人工智能助手，它们了解每个客户人工智能利弊辩论赛，并最终完成公司的大部分运营：从市场、销售、人力资源到财务等。这是一个需要多年才能实现的重大飞跃，但这是我们认为的将会成为现实的愿景。

　　我们目前看到的大多数助手都处于第二级。主要的开源社区都在积极探索并努力将他们的人工智能功能扩展到接近第和更高。其中的关键是有没有上下文。没有上下文，智能助手在许多应用场景里都不会起作用。

　　例如，最近我们了解到那5000万台支持Alexa设备的用户里只有2％使用了语音助手进行购买活动。通过对话来买东西涉及到大量的上下文人工智能利弊辩论赛人工智能技术开发，因此事情很快就会变得非常复杂。很明显，与网页和移动设备上的应用程序所提供的丰富的上下文相比，现有的助手还不能令人满意。

　　第的助手即将出现。到目前为止，我们看到的最接近的例子是Google Duplex。它展示了第的助手在特定环境中完成特定应用场景的样子，给世人留下了深刻的印象。然而，谷歌投入了大量的精力才让Duplex仅适用于一个应用场景，而我们知道想把它用于新的应用场景需要更多的努力人工智能利弊辩论赛。这就是为什么这些类助手目前还是特定场景的产品。目前的方法还不能进行扩展。

　　让我们来看看人类是如何理解上下文并把它扩展到新的“应用场景”。例如，我们培训销售人员来销售汽车保险。如果他们可以使用新获得的技能来销售另一种保险类型（如房屋保险），我们会认为这个人是“智能的”人工智能技术开发。人类能够在理解不同的参考和背景下进行泛化推广。

　　即使没有经过专门的训练，人工智能助手也应该能够达到相同的效果。否则，它们不能被扩展到新的场景。那么这对要达到第意味着什么？这里的泛化意味着助手可以处理有关（类似）新场景的对话，而无需事先明确地为所有可能的其他场景预先编写各种规则。

　　图2. 两个例子都显示了来自用户的“不配合”的行为，因为他们偏离了正常的路径：同样的问题 （“那里的天气如何”），但是在不同的上下文。第人工智能助手应该能够把它们从例1中学到的知识应用于例2。图片由Alan Nichol提供

　　这个类比显示了如何以更少的资源和训练数据来更快地开发更智能的助手。在Rasa，我们正致力于解决这个问题。我们旨在让所有制造商都能使用这项技术，从而使第助手成为主流。

　　很多高管会问我们的一个问题是：“会有一个全能型的机器人来处理所有的事情吗？”对我们来说，答案是否定的，因为在公司里也没有一个全能型员工可以做任何的事情。企业里有团队、部门、子公司，我不认为人工智能会让我们彻底摆脱这些组织架构。组织架构实际上是提高效率的关键。

　　我们所相信的是：团队、部门和整个企业可以被一组人工智能助手所取代，让很少的一些人类做一些有趣的工作人工智能技术开发。Lemonade的创始人兼CEO Shai Wininger将这种企业称为“自动化的组织”。

　　这将要求人工智能助手具有真正的第五级能力，并且这会对社会带来重大转变，对企业及其客户产生许多影响。那些能够预见到这个未来并了解其重要性（并确保这个智能不是为了换取短期利润而通过外包得到的）的领导者对于成功至关重要。

　　Alan Nichol是开源对话人工智能公司Rasa的联合创始人兼CTO。在Rasa，他帮助开发软件，使开发者能够扩展机器人的能力，让它们不是只能回答简单的问题。开源的Rasa Stack使全球数千名开发人员（从创业公司到财富500强）能够构建内部的对话人工智能。Alan是DataCamp的Building Chatbots in Python课程的作者。被福布斯杂志评为30岁以下的杰出30人之一。Alan拥有剑桥大学机器学习博士学位，并拥有多年的构建人工智能产品的经验。返回搜狐，查看更多