為了理解自然語言，聊天機器人還要走很多“歪路”

為理解自然語言，唯有慢慢的填坑。

上周，以先進的機器學習和自然語言處理技術見長的聊天機器人初創公司Talla推出了一款HR機器人。而就在近日，其首席執行官ROB MAY在某科技網站撰文，指出了一些聊天機器人在自然語言處理上面臨的問題，并表示，雖然自然語言處理技術能夠改善用戶體驗，但依舊面臨著各種技術挑戰。

以下是正文：

目前諸如Slack以及HipChat等聊天機器人的應用逐步增多，企業都在使用聊天機器人發揮更多功能。不少應用程序開發商都在試圖搶占這個新的風口，特別是不斷加強對自然語言處理技術的研究，從而寄希望于通過該技術提升用戶體驗。

對于自然語言處理技術，我們已經投入很多精力來改進、來提升相關的用戶體驗。自然語言處理技術是一個新興的研究領域，盡管我們擁有一個強大的數據科學研究團隊，但對于該技術的研發還處于初始階段。目前來看，自然語言處理技術依舊不夠成熟，也不夠完善，相關的工程實例根本談不上良好的用戶體驗。

不久前，我們推出了具備自然語言處理功能的聊天機器人Task Assistant，超過700家公司使用了該產品，產生了不少相關教訓：

1、人類語言極為不同

即便是關于簡單任務，人類與聊天機器人之間的交互也各有不同。在用戶語言中，充斥著各式各樣的夸張、隱喻、文字拼寫錯誤以及俚語，這些語言組織方式的存在使得聊天機器人需要大量的訓練。

Facebook語言技術開發團隊工程總監艾倫·帕克（Alan Packer）曾就如何構建機器翻譯技術進行過深入探討。雖然工作語言并不像用戶的日常用語一樣多樣化，我們可以通過所提供聊天機器人的類型對不同工作進行區分，從而對機器所能理解的語言加以限制。雖然自然語言處理技術仍非易事，但是通過針對不同工作用戶進行相應調整，能夠有效減少機器理解歧義引發的相關問題。

2、聊天機器人不能將所有不理解轉嫁給背后的人類客服

很多聊天機器人的背后都有人類干預，當機器無法理解用戶語言時，它們將相關問題轉給人類處理。這種處理問題的想法是通過這種方式訓練聊天機器人，直至其存儲了足夠多的數據以應對各種問題。但當用戶期望獲得更好的用戶體驗，并期望機器能夠完全理解其意思時，這并不是一個可持續性的解決方法。因為當用戶提出一個獨一無二的問題時，機器無法進行擴展。據統計，目前15%的谷歌搜索都是獨一無二的，這意味著每天都有上億次的獨特查詢。對于聊天機器人來說，要回答所有的人類問題時相當困難的，因此單單依靠背后的人類客服并不是長久之計。

第一點已經不用多說了，畢竟在這一點上，多數人都已有了自己的認識，而關鍵的第二點卻一針見血的說出了當前的一個盲點所在。的確，按照當前的方法，聊天機器人也只是一個會模仿的提線木偶而已，并不能真正的理解自然語言，而這樣就代表著一切努力終將是白費力氣。

不過，在當前針對自然理解語言面臨的問題上，ROB還能夠提出這與眾不同的一點，如此新穎奇特，也難怪他的公司在機器學習與自然語言處理上能達到如此成就。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！