編者按：機器對人類語言的理解一直都是前沿研究的難點，理解語言不僅是語音識別，還有語法、語境、語用、俗語等一系列的綜合。一個很著名的例子是AI不能根據語境分辨“The book can't fit the suitcase because it is too small.。”的真正含義。人工智能要真正實現與人類的自由交談，還有很長一段路要走。這篇原題為Facebook Wants to Make Chatbots More Conversational>的文章介紹了Facebook在這方面做出的努力——他們為AI研究者提供了一個訓練AI語言能力的專業平臺，希望能以此加速聊天機器人的研究。
盡管在過去幾年關于聊天機器人（chatbots）的討論——關于它是如何革命性地改變了移動設備傳達信息的方式，使網購和顧客服務變得更加簡單快捷——一直不絕，這些人工智能應用軟件始終不能很好地運用在與人對話上。這是因為要實現機器與人類之間的無障礙交流，研究還有很長的一段路要走。Facebook創造了一個訓練機器人對話系統的共享平臺，希望能藉此改變這個局面。
運用自動電腦程序的聊天機器人通常被用在顧客咨詢服務上，或是充當智能手機上的私人助理。這些聊天機器人的對話通常是被提前編程好的，Facebook人工智能研究（FAIR）團隊的主管Yann LeCun說。“如果你關閉編程功能，他們就不能很好地完成工作。”其他類型的聊天機器人則用于休閑目的，但不適用于明確的指令，他補充道，引用了微軟去年在推特上推出的Tay AI的例子，Tay AI在它“學會”了發送有敵意的推文后被火速下線。LeCun說：
我們缺少那種能真正‘學會’什么有益的事情的聊天機器人。
LeCun和他的團隊的工作是運用一個名叫ParlAI的軟件來幫助程序員開發下一代智能機器人，在ParlAI的平臺上，開發者可以得到共享、開放、互利的AI訓練信息。開發AI的其中一個重要的目標是創造能與人類正常交談的智能網絡，Jason Weston說道，他也是FAIR團隊中的一員。
現在的技術不到位是因為相關的研究領域在這方面仍有空白，比如讓AI使用自然語言對話的算法還不到位。
ParlAI發布了20個不同的數據組，每一種研究者都可以用來訓練AI對話系統完成一個特定的任務，可能是學習回答問題，或是收集相關信息（比如訂餐任務）。其中一組，被稱為bAbl任務，涵蓋了20種不同的測試，用于衡量AI軟件理解和推斷文本的能力。Weston說，AI需要理解對方提問的是什么，并運用邏輯來回答問題。
LeCun說，一些數據組僅僅是測試，另一些則會涵蓋圖形和文本信息，為的是教會AI把詞語與現實生活的中的對象聯系起來。ParlAI設計的初衷就是為研究者提供一個訓練和測試對話模型的統一的框架，特別是對于把多個數據組放到一起對AI進行多任務的集中訓練，他補充說，“我們希望這種組合能夠幫助機器一次性得到更多知識。”
在機器學習和對話系統上的強調已經成了領域內的共識，并非Facebook的研究人員，在MIT信息科學與人工智能實驗室交互機器人小組的博士后研究員Brad Hayes說，
理解語言是一個非常宏大的話題，創造強功能性的聊天機器人不僅需要了解語言背后的意義，還需要機器人具備同時對相關的反饋進行反應的能力。
公開這些數據組能夠讓更多的研究人員參與進來，從而解決現有問題。但是Hayes表示，除了要將更多的訓練數據納入現有系統以外，要發展出更加成功的AI語言理解系統并運用到實際，科研人員還需要付出更多?，F有系統的局限性很明顯的體現在用戶為了使聊天機器人比如亞馬遜的Alexa聽得懂自己的話，經常會使用更簡單的表述方式。他說，“舉個很貼切的例子，你可以問Alexa把音量調大或者調小，或是告訴它按1到10的量級進行設定，但是它聽不懂百分比的表述，因為它的內部軟件沒有提前設定過這種說法。”程序員可能將重點放在猜測客戶的用語上，而不是力圖設計一個更自然的交互系統，這是我們目前AI發展的一個潛在風險。
Facebook試圖解決這個問題的一個方法是允許ParlAI參與者通過與真人交互的方式來測試人工智能應用程序的對話功能，該機制是通過亞馬遜機械通訊社（Amazon Mechanical Turk）來進行的，該機構是一個眾包平臺，人類智慧被用來執行計算機目前無法做到的任務聊天機器人和AI助理的能力取決于他們是如何被設計和訓練的，這需要研究人員了解他們是如何與真人互動的，Weston說。
一個完善的聊天機器人發展策略對于技術的發展是至關重要的。當未來自動對話系統被應用到更加廣泛的領域，聊天機器人對于未來信息傳播和前沿服務會有更加重要的意義。Hayes說，“聊天機器人會極大地改進用戶服務系統，節省公司的人力資源。但是如果在技術還未完全成熟之際就投放使用，也有破壞用戶體驗和品牌聲譽的潛在可能。”
