8月12日消息，据国外媒体报道，聊天机器人初创公司Talla以先进的机器学习和自然语言处理技术（NLP）见长。近日其首席执行官ROB MAY在科技网站venturebeat撰文指出聊天机器人在自然语言处理技术面临的一些问题，指出虽然自然语言处理技术能够改善用户体验，但依旧面临着各种技术挑战。
目前诸如Slack以及HipChat等聊天机器人的应用逐步增多，企业都在使用聊天机器人发挥更多功能。不少应用程序开发商都在试图抢占这个新的风口，特别是不断加强对自然语言处理技术的研究，从而寄希望于通过该技术提升用户体验。
对于自然语言处理技术，我们已经投入很多精力来改进、来提升相关的用户体验。自然语言处理技术是一个新兴的研究领域，尽管我们拥有一个强大的数据科学研究团队，但对于该技术的研发还处于初始阶段。目前来看，自然语言处理技术依旧不够成熟，也不够完善，相关的工程实例根本谈不上良好的用户体验。
不久前，我们推出了具备自然语言处理功能的聊天机器人Task Assistant，超过700家公司使用了该产品，产生了不少相关教训：
1. 人类语言极为不同
即便是关于简单任务，人类与聊天机器人之间的交互也各有不同。在用户语言中，充斥着各式各样的夸张、隐喻、文字拼写错误以及俚语，这些语言组织方式的存在使得聊天机器人需要大量的训练。
Facebook语言技术开发团队工程总监艾伦·帕克（Alan Packer）曾就如何构建机器翻译技术进行过深入探讨。虽然工作语言并不像用户的日常用语一样多样化，我们可以通过所提供聊天机器人的类型对不同工作进行区分，从而对机器所能理解的语言加以限制。虽然自然语言处理技术仍非易事，但是通过针对不同工作用户进行相应调整，能够有效减少机器理解歧义引发的相关问题。
2. 聊天机器人不能将所有不理解转嫁给背后的人类客服
很多聊天机器人的背后都有人类干预，当机器无法理解用户语言时，它们将相关问题转给人类处理。这种处理问题的想法是通过这种方式训练聊天机器人，直至其存储了足够多的数据以应对各种问题。但当用户期望获得更好的用户体验，并期望机器能够完全理解其意思时，这并不是一个可持续性的解决方法。因为当用户提出一个独一无二的问题时，机器无法进行扩展。据统计，目前15%的谷歌搜索都是独一无二的，这意味着每天都有上亿次的独特查询。对于聊天机器人来说，要回答所有的人类问题时相当困难的，因此单单依靠背后的人类客服并不是长久之计。
3. 语境问题
大多数的自然语言处理技术都是依托数据库，通过对上下文对话的理解对用户意图做出相应的假设。譬如用户问聊天机器人：“请给我一份关于当前流量的报告。”对于营销人员来说，他可能需要的是网站的流量数据；而对于在路途中的用户来说，他可能问的是道路交通问题。从这方面看，在会话用户界面中完全做到这一点并非易事，特别是对话分几个阶段进行的时候。
其中一种有效的解决方法是限定聊天机器人的功能定位，因此相应的自然语言处理技术可以针对相应的用户做出特定的假设，缩小对话范围。对聊天机器人进行功能约束的另一个好处是可以使用户对各种聊天机器人功能形成习惯。
4. 归根结底是人类语言的问题
在实际应用中，我们经常会发现一些奇怪的问题，用户经常所答非所问，譬如用户要重新安排日程，要求聊天机器人做出反应。但用户对于如何安排并不会明确，就像下面这样：
用户：重新安排一下日程。
机器人：好的，您希望怎样重新安排？
用户：对。
解决这个问题的关键在于通过各种按键、表情符合来引导用户明确下一步的行动。
对于上述这些问题，规范用户的适应流程非常关键。用户不仅应当允许聊天机器人因人类语言复杂变化产生的误差，也应当主动了解每一个聊天机器人的功能细节，针对其情景设置从而更好的训练聊天机器人。如果用户能够做到这一点，就能够为自己打造一个强有力的助手工具。
总而言之，自然语言处理技术能够改善用户体验，但依旧面临着各种技术挑战。
TPM,点检,班组建设,管理能力咨询培训@左明军老师.微信：13808969873
关联文章
精彩导读
热门文章
最新标签