聊天机器人与对话式 AI

在当今的客户服务世界中，人工智能发挥着至关重要的作用。 因此，聊天机器人、对话式人工智能和机器学习等新技术不断涌现。 然而，只有一小部分人理解所有这些术语的含义。

特别是像聊天机器人和对话式人工智能这样的短语，它们越来越多地在人工智能和客户服务的背景下互换使用。 然而，这两个名称有显着的区别。 在这篇文章中，您将了解更多关于它们的信息。

聊天机器人的诞生

1966 年，麻省理工学院计算机科学家 Joseph Weizenbaum 向世界介绍了 Eliza 形状的聊天机器人，这是一个基于受限的、预定流程的聊天机器人，可以使用脚本复制心理治疗师的对话。 Eliza 通过使用模式匹配和替换技术进行“对话”，这给用户的印象是软件理解他们，但没有用于上下文化事件的内置框架。

然而，这个圣诞故事中的讽刺之处在于，魏岑鲍姆设计 Eliza 是为了突出人机交流的肤浅，并在此过程中制造了一个能够欺骗智人认为它是人类的聊天机器人。 Eliza 最终将通过有限的机器智能图灵测试来确认她的成就。

八年后，在斯坦福人工智能实验室，会话工程的下一个重要里程碑将实现。 因此，开发人员 Kenneth Mark Colby 使用他之前作为心理治疗师的培训来创建“PARRY”，这是一种模仿偏执狂人推理的自然语言软件。 PARRY 完全通过了图灵测试，超出了预期。 ‍

Colby 设计了一个复杂的假设、归因和“情绪反应”系统，这些系统由分配给语音输入的不同权重触发，以在 Joseph Weizenbaum 的 Eliza 不到十年后取得如此惊人的结果。 这种人工智能能够对话吗？

不。虽然 PARRY 具有更可控的结构和模拟机器人“情绪”的心理模型，但它仍然是基于规则的，这意味着它遵循严格（虽然复杂）if X（条件）然后 Y（活动）公式。

在我们的列表中，我们将添加基于规则的。 我们已经提醒您记住以下概念：受限的预定会话流和基于规则的。 现在让我们继续。

ALICE 是该领域的下一个伟大名称（人工语言互联网计算机实体）。 换句话说，ALICE 是由 Richard Wallace 于 1995 年创建的，它使用了一种人工智能标记语言 (AIML)，它是 XML 的一个版本，包括允许机器人递归调用模式匹配器以简化语言的标签。 然而，在 2000 年、2001 年和 2004 年，ALICE 获得了 3 次 Loebner 奖，该奖项授予最类人系统。

ALICE 在各个方面都非常出色，但它可以成为对话式 AI 聊天机器人吗？ 在这种情况下，答案再次是否定的。 因此，ALICE 使用了大量的“类别”或规则来匹配输入模式和输出模板。 然而，ALICE 以丰富的基本规则弥补了其形态、句法和语义 NLP 模块的不足； 华莱士在复杂性之上选择了尺寸。

ALICE 拥有通俗地说对话式 AI 的所有特征，但它本质上只是一个非常庞大的聊天机器人。

究竟什么是机器人？

机器人被 Merriam-Webster Dictionary 定义为“旨在复制一个人的活动的计算机程序或角色（如在游戏中）”。 Abbot 的名字来源于“机器人”这个词，是一种可以模仿某些人类特征的非人类机器。

究竟什么是聊天机器人？

聊天机器人，通常被称为虚拟助手，是一种可以通过语音或文本解释和回复人类语言的机器人。 因此，“聊天”出现在“机器人”之前。 这是一个至关重要的区别，因为并非每个机器人都是聊天机器人（例如 RPA 机器人、恶意软件机器人等）。 聊天机器人可以是非常简单的问答机器人，旨在对预定义的问题做出反应。 聊天机器人的核心是自然语言处理 (NLP) 技术，它可以理解用户的请求并做出适当的响应（前提是它经过培训可以这样做）。

什么是对话式人工智能 (AI)？

首先，让我们定义对话式 AI 不是什么。 与遵循预定对话流程的聊天机器人不同，对话式人工智能基于对话。 与聊天机器人不同，对话式人工智能使用自然语言处理、自然语言理解、机器学习、深度学习和预测分析来提供更动态、更少受限的用户体验。

因此，自动语音识别器 (ASR)、口语理解 (SLU) 模块、对话管理器 (DM)、自然语言生成器 (NLG) 和文本到语音 (TTS) 合成器都是典型的对话式 AI 架构。 但是，ASR 接收原始音频和文本数据，将其转换为单词假设，然后将它们发送到 SLU。 SLU 的目的是捕捉特定单词序列（话语）的基本语义。 它解析用户话语中的语义槽并确定对话域和目的。

DM 的目的是与人沟通并帮助他们实现目标。 此外，它在确定语义表示是否完整后确定系统的行为。 它使用知识数据库来查找用户正在寻找的信息。 然而，对话代理可以在 DM 的帮助下做出更稳健的判断，包括对话状态跟踪和策略选择。

聊天机器人和对话式人工智能之间的区别

对话式人工智能和聊天机器人：下一步是什么？

早期的聊天机器人实现主要集中在 NLP 引擎可以处理的简单问答场景。 此外，许多客户将这些视为通过数字渠道获得常见问题解答的便捷方式。

另一方面，这些基本的聊天机器人没有完成更复杂的任务，经常让人工代理继续处理请求，特别是当客户查询没有遵循预期的路径时。 聊天机器人由于失败而形成了糟糕的形象，这种情况在技术采用浪潮的早期阶段仍然存在。

什么是更好的选择？

近年来，聊天机器人和对话式人工智能之间的问题再次浮出水面。 机器人和对话式 AI 各有利弊，但哪个是更​​好的选择？

近年来，随着公司寻求增强客户服务，对话式人工智能越来越受欢迎。 与功能更强大的聊天机器人相比，对话式 AI 可以以更自然的方式回答问题。

虽然对话式 AI 在两者中更智能，但聊天机器人也有自己的优势。 例如，如果消费者想要购买任何东西，对话式 AI 可能会将他们引导至结账页面并让他们在那里完成交易。 这一优势引发了当前聊天机器人和对话式人工智能之间的争论。

另一方面，对话式人工智能更擅长预测客户的需求，而聊天机器人更擅长提供更多功能的解决方案。

对话式 AI 面临哪些问题？

由人工智能驱动的聊天机器人提供了许多好处，包括改善用户体验、提高品牌忠诚度和增加收入。 但是，部署具有与人类相同程度经验的 AI 聊天机器人服务是一项艰巨的挑战。 为此，需要定期培训和更新。

因此，开发和实施对话式人工智能系统最困难的方面是说服人们使用它们。 有能力并愿意使用这些服务的个人应该使用它们。 即使他们愿意，个人也并不总是准备好采用新技术。

这就是为什么将重点放在消费者而不是技术上至关重要的原因。 永远记住，人们使用这些服务来解决问题，他们可能还没有为对话式 AI 体验做好准备。

最重要的问题之一是聊天机器人只在一件事上有效：交谈。

1. 他们没有智慧，也没有感情。
2. 它们已预先编程以响应特定条款。 聊天机器人通常用于询问简单的查询并接收简单的响应。 但是，在某些情况下，消费者需要更多信息，而不仅仅是对其查询的响应。
3. 他们想知道某人对某个话题的感受或他们对此的想法。
4. 他们想知道机器人是否可以与他们进行对话。
5. 构建一个对话机器人是可以想象的，但这需要大量的时间和精力。 市场上有对话机器人，但大多数都不是特别好。 他们不认识某些迹象或不掌握某些术语的含义。

获得对最终用户的同理心、了解现有技术的局限性以及使用简洁明了的结构都是克服这些障碍的一部分。 在构建对话式 AI 时，了解目标用户及其行为至关重要。

阅读更多：聊天机器人将改变服务业的 5 种方式

此外，第一步是确定最终用户是谁以及他们的需求是什么。 您可以通过创建角色来完成此操作。 但是，角色是对典型最终用户的完整描述。 它解释了每个用户的目标、行动和动机。 总之，团队成员可以使用角色来构建类似人类的角色，以用于设计、开发和测试。