2016 年,我们说,机器人模式的转变将比过去十年从网络向移动应用的转变更具破坏性和趣味性。我们相信,聊天机器人是下一个即将发生的大事件。
当时,我们的期望很高,并认为这个行业已经成熟,并且翘首以待迎接新的创新时代:是时候开始与机器进行社交了。
那人类又何乐而不为呢?所有的预测都表示未来将会非常成功。
在 2017 年的世界移动通信大会上,聊天机器人是主要的头条新闻。会议组织者引用在“品牌和企业对聊天机器人的关注不可避免地转移”的情况下,“压倒性的认可”。
事实上,关于聊天机器人的唯一重要问题是谁会垄断这个领域,而不是聊天机器人是否会首先突然成功:一个单一的平台是否将会出现并占领聊天机器人以及个人助理生态系统中呢?
一年过去了,我们对这个问题有了答案吗?
然而并没有,因为没有一个生态系统可以使一个平台占据主导地位。
被另一个炒作周期愚弄聊天机器人并不是第一个被堂而皇之谈论而后突然暴跌的技术性发展。这个古老的炒作周期以熟悉的方式展开。
一些意见领袖在写了一些非常严肃的文章,称硅谷十分看好与智能自动化对话的前景,各种信息也开始充斥聊天机器人。Slack经历了指数级增长,甚至还推出一个面向聊天机器人投资的基金。
期望逐渐建立,建立,然后……一切都失败了。预测并没有成为现实。
我们回顾了我们令人窒息的乐观情绪,然后向彼此求助,如今有点困惑:“是吗?这就是我们所期待的聊天机器人革命吗?”
Digit的伊桑·布洛赫总结了普遍的共识:“我甚至不确定我们是否可以说聊天‘机器人已经走到尽头',因为我甚至不知道它们是否曾经活过。”
Heap负责产品设计的副总裁戴夫·费尔德曼说,聊天机器人不仅仅是遇到一个问题但失败了:它们承担了几个任务,而且都失败了。
文本vs语言vs.GUI:一段显著的历史机器人可以通过不同的方式与用户交互。最大的区别是文本和语言。在(计算机接口)开始的时候是(书面的)单词,用户必须手动输入命令才能完成任何操作。
然后,图形用户界面(GUI)出现并挽救了局面。我们被窗户、鼠标点击和图标所吸引。嘿,我们最终也提取到了颜色!
与此同时,一群研究科学家正忙着开发与数据库发的自然语言(NL)接口,而不是必须学习一种晦涩难懂的数据库查询语言。另一群科学家正在开发语音处理软件,这样你就可以直接和你的电脑说话,而不必打字。
事实证明,这比任何人最初意识到的要困难得多,有这么多不同的口音,人们可能说话太快或太慢,只是喃喃自语。
你说过“recognise speech”或“wreck a nice beach”吗?
议程上的下一个项目是与一台机器进行双向对话。这里有一个示例对话框(可以追溯到 20 世纪 90 年代)和VCR安装系统:
用户:“你好。”
机器人:“你好,你叫什么名字?”
用户:“Candy。”
机器人:“你好,Candy!”
用户:“让我们设定时钟。”
机器人:“现在几点了?”
用户:“时间是上午 11 点。”
机器人把时钟拨到上午 11 点。
很酷,对吧?系统以协作的方式进行转换,并且以聪明的方式确定用户需求。它是精心制作的,用来处理涉及录像机的谈话,而且只能在严格的限制下进行操作。
现代的机器人,不管它们需要打字还是语音输入,都必须面对所有这些挑战,但也要在各种平台上以一种高效、弹性的方式工作。基本上,我们仍在努力实现类似 30 年之前的突破创新。
然而,我们在很多地方出现了偏差。
从机器人与应用的角度思考问题一个超大的假设是,APP已经“结束”,将被机器人取代。通过将两个截然不同的概念相互对立(而不是将它们看作是为不同目的而设计的独立实体),我们鼓励机器人开发。
你可能还记得十年前当应用首次出现时类似的战斗口号,但你还记得当应用程序(APP)取代互联网的时候吗?据说,一种新产品或新服务需要满足以下两个要求:更好、更便宜或更快。
聊天机器人比应用程序更便宜或者更快吗?不,至少现在还没有。
他们是否“更好”是主观的,但我认为更合理地来讲,当今最好的机器人无法与当今最好的应用相提并论。
此外,没有人认为使用Lyft过于复杂,或者在应用程序上订购食物或购买裙子太难。太复杂的是尝试让机器人完成这些任务——并且让机器人失败。
一个伟大的机器人可以和普通的应用程序一样有用。当涉及到丰富、复杂、多层次的应用程序时,就没有竞争了。这是因为机器让我们能够访问庞大而复杂的信息系统,早期的图形信息系统在帮助我们定位这些系统方面取得了革命性的进步。
现代的应用程序受益于数十年的研究和实验。那我们为什么要把它丢掉呢?
但是,如果我们把“替换”这个词换成“扩展”,事情就会变得有趣多了。今天最成功的机器人体验采用了一种混合工艺的方式,将聊天融入更广泛的战略之中,同时包含更多的传统元素。
从以上图片中看出,佩妮在传统的账户控制面板和交易列表旁边提供了一些很好的建议和提醒。
HubSpot对话系统将Facebook Messenger、现场聊天、社交媒体、电子邮件和其他消息渠道统一为一个共享收件箱。
Layer给开发者提供了工具,从而可以在移动网络和桌面web以及原生应用上创建个性化的消息传递体验。
下一波将是多模式应用,你可以在这里说出你想要的(比如Siri),然后通过地图、文本,甚至是语音回复的方式收到信息。
为机器人而出现的机器人我的产品需要机器人吗?现有的平台是否能够支持其功能?我是否有足够的耐心去建造一个能够做我想做的事情的机器人?
大肆宣传的另一个问题是,它往往会绕过像这样的基本问题。
对于很多公司来说,机器人并不是一个正确的解决方案。在过去的两年里,机器人被盲目地应用于没必要的问题之上。为了建造机器人而建造机器人,让它自由进展,并期待最好的结果永远不会有好结果。
完全没必要的Maroon5 聊天机器人
绝大多数的机器人都是使用决策树逻辑构建的,在这个逻辑中,bot的响应依赖于在用户输入中发现特定的关键字。这种方法的优点是,很容易列出它们被设计用来覆盖所有的情况。这也是他们的劣势所在。
这是因为这些机器人纯粹是对他们设计者的能力、一丝不苟以及耐心的反映,以及对他们能够预见到的用户需求和投入的反映。当生活拒绝使用它们时,问题就出现了。
根据最近的报道,在Facebook Messenger上的 10 万个机器人中,70%不能完成简单的用户请求。这在一定程度上是由于开发人员无法将他们的机器人专注于一个优势的焦点领域。
当我们在建造“咆哮机器人”时,尽管人们可能会对潜在的资本问题感到过度担忧,但是我们决定专门针对销售和市场营销人员进行设计:而不是使其成为一个“全能选手”。
记住:能很好完成一件事的机器人比一个能做多件事的机器人更有帮助。