過去數十年中，聊天機器人在不斷進化，已經成為我們日常生活中不可或缺的幫手。從手機中的虛擬助理到事實上的在線客戶代理，它們已經取得了長足進步。可是，如果聊天機器人將來想要超越應用的界限，它們需要以更自然的方式融入到更廣泛的技術當中去。

20世紀60年代中期，計算機科學家約瑟夫·魏岑鮑姆(Joseph Weizenbaum)發明了***聊天機器人程序——伊萊扎(Eliza)。通過使用模式匹配和替代方法，伊萊扎可以模仿人類會話，給人以這個程序可理解人們問題的錯覺。

如今，聊天機器人已經能夠給用戶提供這樣的感覺：它們不僅可以聽到你說的話，還能加以理解。我們曾試驗過許多聊天機器人，包括零售機器人可在網站上幫助回答基本問題，幫助管理病人護理，甚至出現在社交媒體上。可是，它們依然無法復制2個人類之間的溝通。雖然聊天機器人擁有巨大的增長潛力，但其必須克服許多挑戰。

在我們討論聊天機器人的進化方向前，首先讓我們看看聊天機器人如今具備的能力。當前聊天機器人可以理解我們正在說的話，這通常需要自然語言處理器，這個計算機程序被設計為口語或書面語提供特定含義。許多聊天機器人可以使用專家系統軟件，以模仿人類專家的決策能力，通過從有限的信息子集中做出選擇以回答某個問題。

聊天機器人領域的研發人員認為，不久的將來，更多聊天機器人將被植入深度學習能力，即通過訪問龐大的數據預測和提供更廣泛問題的答案。所期望達到的效果是：消費者不會意識到與他們溝通的不是人類。

局限性與機遇

聊天機器人面臨的***挑戰之一將是訪問和檢索巨量數據。舉例來說，我們從大量零售案例中得知，許多消費者不想與計算機互動。他們期望真正的人類能幫助他們解決問題。聊天機器人唯一能夠提供模擬人類體驗的方式就是獲得AI的支持。可是，要想實現這個目標，我們必須首先解決為深度學習構建大量數據的難題，在某種程度上，這要求積累海量數據。

在匯編大量數據后，我們還必須考慮與聊天機器人互動的個體的心理，以了解如何讓他/她融入到互動中。人們如何與聊天機器人互動?人類龐大的群體中，每個人用于描述相同問題的措辭都不盡相同。何時與聊天機器人互動?他們如何引導廣大用戶獲得正確解決方案?隨著大量數據的使用，我們將開始看到聊天機器人可以更精確地復制人類對話，更好地理解語言和情景詞匯。

AI與聊天機器人

嘗試教授聊天機器人學習我們日常的對話模式非常具有挑戰性。從計算角度來看，這是個巨大問題。目前有些AI算法已經可以解決部分問題，比如AI社區將聊天機器人的語言評估融入到搜索引擎中，這就做得不錯。當你通過谷歌詢問某個問題時會發生什么?即使你輸入的語句并非***正確，它也很可能幫助找到這個問題的正確答案。

當你將這種成功與聊天機器人對比時，你會很容易看到，在對話中使用人類語言并不容易。這種技術必須限制在獨特的對話中，并理解會話內容，以及當前的語句與過去語句的聯系，最終提供類似人類的智能答案。

AI社區繼續努力研發技術解決這個問題，希望我們最終能夠研發出與真實人類對話的類似體驗。不幸的是，深度學習的局限性意味著，幾乎沒有計算機科學家重點研究將個性化添加到聊天機器人的響應中。這個問題的核心是，AI與聊天機器人技術都在嘗試解決許多復雜問題，以便提供可理解的、雄辯的聊天對象。

聊天機器人的未來

聊天機器人是當前AI領域最熱門的話題之一，在未來幾年中，它們的用途將更加廣泛，同時也變得更加隱秘。全新的創新使用方式將幫助回答這樣的問題：聊天機器人在哪些領域使用可被接受?它們如何能被用于更好地為不同領域的用戶服務?

當然，真正的問題是，聊天機器人是否能夠滿足用戶的期望，它們是否能讓聊天對象相信：他們正在與人類聊天。舉例來說，Facebook將聊天機器人融入其消息應用Messenger中，允許企業為消費者創建互動。亞馬遜的Echo允許用戶訪問聊天機器人，利用它們播放音樂或支付信用卡賬單。Domino’s則允許消費者通過社交媒體訂購披薩餅。

如果我們回顧AI領域過去50年的進化歷程，***的成功就是將算法作為AI研究的開始，我們不再認為瀏覽器搜索屬于AI范疇。我們將在聊天機器人領域看到同樣的事情，因為這些算法正在其他領域被執行。的確，在未來10年中，我們很可能發現，我們不再將聊天機器人視為獨特技術，而只是應用或其他技術的某個部分，盡管這種技術我們還未想象出來。