關於聊天機器人你不可不知的 5 件事

下方連結

關於聊天機器人你不可不知的 5 件事

機器人的普及正加速來臨，尤其在內容重複性高、資訊容易被複製的領域，例如客服應答、抽獎文回覆等場景，導入聊天機器人 (Chatbot) 再適合不過了。然而，企業對於 Chatbot 仍容易產生誤解。

Chatbot 究竟是什麼？

圖片來源：YOCTOL

許多面向消費者的企業，常有消費者電話打不進去、客服電話接不完的問題，因此期待機器人能增強電話客服的服務量，減低客服人員的負擔。Chatbot 的對話方式，確實包含了文字和語音兩種可能的形式。然而，文字判讀和語音識別，背後所需的技術其實不盡相同。以下比較兩者的異同：

圖片來源：YOCTOL

語音和文字的人工智慧 (Artificial Intelligence, AI)，都需要「自然語意理解」(Natural Language Understanding, NLU) 技術。當機器人理解了人類輸入的語句後，便會選擇對應的文案來回應。無論是聊天軟體內的文字機器人，或是會講話的智慧家電，都是相同的原理。

不過，在進入 NLU 判讀之前，語音機器人必須先透過語音辨識技術，識別出重要的波段、將語音轉成文字，才能進行語義判讀，「聽懂」人類的話語。而在聽懂之餘，企業所期待的「機器人會講話」，又另外牽涉到文字轉語音、甚至語音生成技術。

目前市場上對於 IM bot 的開發，都是以文字判讀為主。若企業有牽涉到語音技術的需求，便需要在專案早期另行規劃。

#2 實體 vs. 虛擬：Chatbot 就是站在店鋪門口的機器人？

圖片來源：YOCTOL

根據科幻電影和新聞媒體的描繪，許多人會想像機器人應該「有頭有臉」、有副金屬打造的結構、能依照指令行動的軀體，例如鴻海和軟銀合作推出的 Pepper、華碩推出的 Zenbo。

然而，機器人未必要有實體構造。

以富蘭克林的富國民基金小助手、會即時推播 PTT 爆文的 Poller.AI 為例，兩者都是直接在網路上和使用者對話，沒有實體軀殼。Chatbot 只是個「能聽懂指令的軟體」，未必需要和硬體結合。

#3 Chatbot 就是 AI？

圖片來源：YOCTOL

搭著人工智慧的熱潮，許多人都將 Chatbot 和 AI 劃上等號，尤其對於 AI 領域中近年相當熱門的機器學習（Machine Learning）技術充滿想像，認為「Chatbot 可以自己舉一反三」。

然而，這裡有二個重要的迷思有待釐清：

1) 許多人會認為，AI 就是「像人類一樣具備學習能力，會舉一反三的電腦」。然而，根據電腦科學界廣義的認定，只要展現出像人的行為模式，就能稱作 AI。換句話說，機器學習只是實現 AI 的一種方式，而實現 AI 的方法有很多，例如「窮舉規則讓電腦展現出很像人類的行為」，也是種打造 AI 的方式。

許多人提到 AI 的時候，心中想的其實是「有機器學習模型的 AI」。而近年相當熱門的深度學習（Deep Learning）、類神經網絡（Neural Network, NN）等技術，則是機器學習領域的分支。

2) Chatbot 未必要包含機器學習的成分；而 Chatbot 遵從指令做事的能力，也未必要憑藉機器學習才能實現。

舉例而言，以入圍奧斯卡多項大獎的電影－敦克爾克大行動為背景的 Dunkirk Movie Teaser Bot 為例，就是透過預先撰寫好的規則腳本，單純透過按鈕和文案，在對話視窗中帶領使用者體驗經典戰役。此機器人僅運用了決策樹，將故事情節化為節點，在使用過程中逐步展開劇情；而遊戲最後的結局評等，亦是基於預寫好的規則，並未導入機器學習技術，讓 Chatbot 發展出更多元的劇情。

那麼，導入機器學習演算法的 Chatbot 有什麼特色呢？簡單來說，有機器學習演算法的 Chatbot，具備舉一反三的能力，而沒有機器學習演算法的 Chatbot，就得把所有規則都寫死，一個指令一個動作。

例如，當我們想讓機器人做出「聽懂『預約看診』這個意圖，進而提供『門診時間表』的圖片給使用者」這個動作時：

【基於規則的機器人】
只要聽到「預約、門診、看診」等關鍵字 -> 就提供門診時間表

〖情境〗
「我要預約今晚的門診」 -> 『您好，請參考門診時間表 🏥』
「我今晚想過去看病」-> 『抱歉😭，我不明白您的意思...』
「你們星期天有開嗎？」-> 『抱歉😭，我不明白您的意思...』

基於規則的機器人在有限的關鍵字範圍內，能表現得很好。然而，對於同一件事的講法可能有千百種，而我們很難窮舉出所有的講法，輸入到機器人的知識庫裡。因此，基於規則的機器人在對話彈性方面，無法創造出很好的體驗。

而導入機器學習的機器人，則能夠理解不同問法：

【導入機器學習的機器人】
從「預約、門診、看診」中，探索出其他意涵相近的詞彙，例如「看病、掛號、上班時間」等
-> 提供門診時間表

〖情境〗
「我要預約今晚的門診」 -> 『您好，請參考門診時間表 🏥』
「我今晚想過去看病」-> 『您好，請參考門診時間表 🏥』
「你們星期天有開嗎？」->『您好，請參考門診時間表 🏥』

關於機器學習的導入方式，以及模型的訓練方法，未來將在系列文章深入介紹。

#4 有了學習能力，Chatbot 就會自己變聰明？

圖片來源：YOCTOL

拜機器學習的熱潮所賜，企業對於「讓電腦從蒐集到的資料中學習，進而做出更精準的判斷」的場景，已經不陌生。因此，企業在導入 Chatbot 時，往往會期待：一、 Chatbot 可以記住答錯的問題，下次便能提供更好的回答，二、Chatbot 可以不斷根據新的商品/行銷活動，產生新的互動文案或圖片。

然而，電腦本身不會無中生有產生一個演算法。Chatbot 的作答準確度確實能透過程式化的方法被改善，也能更新文案和影音互動的內容；然而，人類必須明確告訴電腦「你答錯了」，並告訴電腦正確答案為何，也必須進入 Chatbot 的知識庫中，更新商務資訊，電腦程式才能有所依據地修正自己的互動腳本。告訴電腦「你答錯了」的方式、以及更新商務資訊的方式，各有很多種，系列文章未來將深入介紹我們的解決方案。

簡言之，Chatbot 的自我調校機制，仍然有賴於人類的維護。因此，優拓在機器人建置專案中，會根據專案規模和企業的需求，評估每月維護所需的成本。

#5 Chatbot 應該很會聊天？

圖片來源：YOCTOL

「聊天」機器人，應該很會聊天嗎？未必如此。閒聊 (small talk) 其實是門博大精深的學問。人類的日常禮節、轉換氣氛的幽默感，都是長年的社會互動經驗所累積下來的。人類長期暴露在各種社會情境下，大腦所累積的應對機制，複雜度是很驚人的，難以在短時間內窮舉、輸入電腦中。

若要灌輸機器人「遇到年長的人士要稱讚他們看起來很年輕」等社交禮節，就必須輸入大量的人類閒談資料，讓電腦從中學習，並調校應對進退的文案。然而，一般的商務機器人開發專案，時程為期僅數個月，不建議投入太多時間在閒聊的內容上。對於閒聊話題的常見回應方式，會是預設一些制式的禮貌回應，並盡快將話題引導回商務機器人的專業領域。