人机对话的浪潮：语音助手、聊天机器人、机器伴侣

2011年10月，乔布斯临终前在iPhone4S中加入了Siri功能，用户可以用语音对手机发号施令了，国内厂商随即跟进，当时国内一位企业家对我说，以前的搜索方式都错了，Siri方式是未来。2012年，国内的语音助手产品纷纷上市，然而，经过市场的检验，两年过后，大陆的语音助手类产品从火爆到冷清，纷纷下马。

究其原因，主要有两个方面：

1. 技术尚未成熟，尤其是自然语言处理技术不成熟，用户以为他可以自由发问，但机器能够理解的广度、深度和精度都很有限。几次使用失效后，用户开始调戏他的助手了，以至于原来用于闲聊的附属功能反而成了主角。调戏一段儿，用户发现机器实在太傻，干脆弃之不用，以至于语音助手产品的总用户量巨大，而留存量很小。

2. 语音并非总是最自然的沟通方式，当一个人没有独立的私人空间时，点几下触摸屏比小声地跟机器说话要方便得多。

聊天机器人

第一轮人机对话技术实用化的冲击波在震荡下行，几乎落幕，第二波随即登场，2014年5月，微软发布聊天机器人“小冰”，此后“小度”（百度）诞生了，”小微“（腾讯）还没有出世，但江湖中已经有他的传说。

小冰与语音助手有什么不同？

1. 从实用主义转向娱乐化，语音助手想帮你解决实际问题，比如预定饭店，但小冰在陪你闲聊，闲聊就可以不对事务处理和知识服务的任务是否准确完成负责，你说东，他说西，也无所谓，现实中消磨时光难道不是常常如此吗？于是，用户的期望值大幅度降低了。

2. 放弃语音的使用，直接用文字进行沟通。

对比一下，大家可以看到，小冰的两个特点恰好规避了语音助手的两个弱项，但功能模式的变化只是一方面，更重要的是技术在进步，大数据、深度学习被充分地运用到聊天机器人的系统当中，技术水平已非三年前可比。用户期望值降低，技术水平提高，鸿沟在缩小，当然，也只能说是缩小，还远远谈不上填平。

那么，聊天机器人的困难主要在哪儿呢？

我们对比一下搜索引擎和机器翻译。搜索引擎至今也没有推出的个性化搜索，因为人们在搜索引擎中发出的相同的请求，其答案往往也是相同的。在机器翻译中，句子尽管跟上下文有关系，但不做篇章级分析对翻译系统而言并没有那么致命。因此，我们如果有了”查询-点击对”大数据就可以造出一个搜索引擎来，有了双语例句大数据，就可以造出一个机器翻译系统来。但有了人与人的聊天记录呢，我们能够快速构造一个聊天机器人吗？

答案是：聊天记录大数据对聊天机器人系统肯定是有用的，但没有查询日志对搜索引擎，双语例句对机器翻译那么重要，那么有效，因为聊天是和语境紧密关联的，也是跟用户紧密关联的，机器人自己还需要维护其自身一个统一的属性状态集，机器人不能今天说自己结婚了，明天又说自己才5岁。

因此，聊天机器人需要对当前语境建模，对用户建模，对机器人自身建模，只靠聊天记录，尤其是单轮的聊天记录，只能不断制造令人啼笑皆非的笑话出来。

机器伴侣

这一轮（聊天机器人）的努力会在短期（2-3年）内取得重大的商业成功吗？我的答案是否定的，因为技术仍然不够成熟，而普通用户的素质还没到能够有效地配合蹩脚的机器人的时候。我猜测这一轮会进一步地培养用户，摸清人机对话的沟沟坎坎，把技术提升到一个新的高度，但因为仍然令广大用户失望，而再次被抛弃，成为新产品的铺路石。

那么，未来的人机对话产品会是什么样儿呢？在探讨未来可能出现的新的产品形态之前，我们先把人机对话的主要模式归纳一下，最主要的分类是两种：

模式1. 以快速结束人机对话为目标（语音助手主要采用这种模式）

这又包括两种，一种是命令执行，一种是信息查询。

所谓命令执行是指用户发出的一个祈使句，要求机器做一件事儿，可能是在虚拟世界中对数据库的操作，比如预定机票、酒店等，也可能是在现实世界中要求机器人鞠个躬，走两步。总之，机器响应用户的结果不是给出答案，而是实施某种行为、进行某种操作，准确地说是“半对话”，机器要做的是理解与行动，至多需要反问用户，以澄清用户的指令。

所谓信息查询是指用户想要得到某种信息，有时是将用户的自然语言问句转化为结构化数据库的查询语句，有时是从开放的互联网自由文本中找到一个词儿、一句话或者一段话作为答案返还给用户。

无论是命令执行，还是信息查询，用户都希望快速达到其目的而结束对话。

模式2. 以尽可能延续人机对话为目标（聊天机器人模式）

对于聊天而言，不管机器对用户问题的回答是否正确，只要用户愿意跟机器一直聊下去，每次聊很多轮，即构成多轮对话，又能长期聊下去，机器就得到了用户的认可，认可机器具备了一定的人性，这是一种新的图灵测试。

在模式1中，机器是被动的，不断响应用户的请求，但在模式2中，机器时而可以是主动的，可以主动抛出话题。在模式1中，如果对用户的话没有正确理解，而能够做出正确的行为或给出正确答案的概率几乎为零，而在模式2中，即便没听懂用户的意思，也完全能磕磕绊绊地聊下去，甚至卖个萌还给用户一个惊喜，故评价标准真的是不同了。

未来的产品形态，就称其为“机器伴侣”吧，他会将模式1和模式2融为一体，需要发号施令或者查找信息的时候，就用模式1，需要情感慰藉，打发时间的时候，就用模式2，机器伴侣既是你勤快利落的仆人、秘书，又是你体贴缠绵的妻子、恋人。机器伴侣，前期可能只是一个机器宠物，再后来是一个机器孩童，然后一点点儿成长，在使用中不断地向主人学习，向环境学习，直至长大成人。要实现这个理想，需要太多的条件，对语言的深度理解，对用户情绪的准确感知，语境分析，个性建模，尤其是强大的推理能力。

在商业上，机器伴侣，注定是入口的入口，是总入口，是互联网大企业的必争之地。在技术上，只要你发挥想象，就会发现各种自然语言处理、模式识别、人机交互技术几乎都可以在机器伴侣中找到其用武之地，比如上下文指代消解技术、文本生成技术、人脸表情识别，语音情绪识别等等。

人机对话的风潮，一浪高过一浪，每一个身处其中的技术家都有机会用激情、创意和汗水去满足其继续称霸或造反成功的野心，让我们拭目以待吧，同时记住那句话：预测未来的最好方式是创造未来。