在客服行業(yè)，機(jī)器人的應(yīng)用，極大地提高了企業(yè)服務(wù)的效率和質(zhì)量，降低人力成本。那么在AI技術(shù)迅猛發(fā)展的今天，自然語言交互到底給傳統(tǒng)的客服機(jī)器人帶來了什么樣的改變？下面將會(huì)從幾個(gè)方面做一個(gè)簡單的展開。

　　一、算法層面：自學(xué)習(xí)能力和泛化能力加強(qiáng)，可實(shí)現(xiàn)淺層語義理解

　　首先我們先了解一下，什么是傳統(tǒng)客服機(jī)器人。客服行業(yè)是典型的勞動(dòng)密集行業(yè)，管理形式粗獷、工作時(shí)間長、工作重復(fù)性高。傳統(tǒng)客服機(jī)器人是指最早期利用關(guān)鍵詞和搜索技術(shù)搭建起來的對話機(jī)器人，目標(biāo)是解決用戶常規(guī)的重復(fù)性提問，減少人工客服的投入，改變客服工作的模式，提供7X24小時(shí)全年無休咨詢服務(wù)。

　　傳統(tǒng)客服機(jī)器人起步較早，在零幾年前后就起來了很多專門提供智能客服的公司。傳統(tǒng)客服機(jī)器人發(fā)展到如今已經(jīng)有快三十年的歷史，商業(yè)模式已經(jīng)相對成熟，其算法特點(diǎn)是通過建立規(guī)則模板知識(shí)庫，利用搜索技術(shù)在用戶問句模板與句型模板庫中模板進(jìn)行匹配，返回模板預(yù)設(shè)好的答案給用戶。

　　然而規(guī)則模板結(jié)合搜索的做法，存在很多弊端。一是它返回用戶很多大量的或相關(guān)或無關(guān)的問題，用戶需要在這些問題菜單中進(jìn)一步篩選信息，我們行業(yè)內(nèi)通常稱之為指定相關(guān)問。例如在電商場景，用戶咨詢選尺碼的問題，機(jī)器人給返回了六七條和尺碼相關(guān)的問題。

　　二是幾個(gè)關(guān)鍵字的規(guī)則模板組合很難清楚的表達(dá)用戶檢索意圖，同時(shí)基于關(guān)鍵字的索引，匹配算法不做語義理解，較難提高檢索的效果。我們可以嘗試換一個(gè)問題提問。

　　當(dāng)用戶輸入選的尺碼不合適時(shí)，其提問場景已經(jīng)轉(zhuǎn)變成用戶收到貨后，試穿之后發(fā)現(xiàn)尺碼大了或小了，可能是需要退換貨。而機(jī)器人返回仍然是如何選尺碼的答案，很顯然是打中了選和尺碼兩個(gè)關(guān)鍵字造成的誤匹。從這個(gè)結(jié)果不難反推出如何選尺碼的問題模板就是[選][尺碼]，只要用戶輸入的問句中包含這兩個(gè)關(guān)鍵詞，不管問的是什么問題，都會(huì)暴力匹配到這題。

　　不解其義，囫圇吞棗地處理，檢索效果很難提高。

　　為了解決這個(gè)問題，機(jī)器學(xué)習(xí)技術(shù)近年來也被應(yīng)用到智能客服對話機(jī)器人上，并逐步取代傳統(tǒng)客服機(jī)器人。

　　我們會(huì)將關(guān)鍵詞模板稱之為前人工時(shí)代，自然語言處理和深度學(xué)習(xí)稱之為后人工時(shí)代。這兩個(gè)時(shí)代劃分的意義是，對話機(jī)器人已經(jīng)有了淺層的語義理解。打個(gè)比方說就是，前人工智能時(shí)代的機(jī)器人的語言理解能力如果是嬰兒的話，那么后人工智能時(shí)代的機(jī)器人就相當(dāng)于3~4歲的兒童。

　　NLP會(huì)對輸入的文本進(jìn)行分詞、詞性標(biāo)注、句法分析、語義角色標(biāo)注、依存分析、言外行為分析、拼音糾錯(cuò)、實(shí)體抽取等等，通過這些嘗試?yán)斫饩渥拥年P(guān)系和含義，對問題處理的精度更細(xì)。

　　NLP會(huì)對輸入的文本進(jìn)行分詞、詞性標(biāo)注、句法分析、語義角色標(biāo)注、依存分析、言外行為分析、拼音糾錯(cuò)、實(shí)體抽取等等，通過這些嘗試?yán)斫饩渥拥年P(guān)系和含義，對問題處理的精度更細(xì)。

　　說到這里，并不是說關(guān)鍵詞不可以用，但它只能解決最簡單的那種肯定句數(shù)據(jù)，句法稍微有一些變化，它是解決不了問題的。機(jī)器學(xué)習(xí)（ML）通過訓(xùn)練數(shù)據(jù)模型，數(shù)據(jù)的特征組合和抽象會(huì)交給深度學(xué)習(xí)自行學(xué)習(xí)，從而獲得一定的泛化能力，可以舉一反三。

　　所以選擇機(jī)器學(xué)習(xí)方法，數(shù)據(jù)樣本的篩選和構(gòu)造十分重要。互聯(lián)網(wǎng)發(fā)展幾十年的歷史，大多企業(yè)已經(jīng)累積了大量的用戶數(shù)據(jù)，用戶的聊天日志是非常好的訓(xùn)練數(shù)據(jù)。

　　使用機(jī)器學(xué)習(xí)方法來挖掘大量用戶數(shù)據(jù)，可以發(fā)現(xiàn)其中并不顯著的規(guī)律。在傳統(tǒng)方法中，你的程序會(huì)變成一長串復(fù)雜的規(guī)則，這樣就會(huì)很難維護(hù)且不具備泛化能力。相反的，基于機(jī)器學(xué)習(xí)技術(shù)會(huì)自動(dòng)學(xué)習(xí)哪個(gè)詞和短語是預(yù)測值，更易維護(hù)，也更精確。

　　機(jī)器學(xué)習(xí)的另一個(gè)優(yōu)點(diǎn)是善于處理對于傳統(tǒng)方法太復(fù)雜或是沒有已知模板的問題，也就是長難句。由于篇幅關(guān)系，這里就不詳細(xì)展開了。

　　二、產(chǎn)品層面：解決更復(fù)雜場景的用戶問題

　　在單輪的文本對話中，往往有些復(fù)雜的場景，無法通過一個(gè)回答來很好的解決。復(fù)雜場景需要明確用戶信息或狀態(tài)，獲取多個(gè)變量才能確定精確答案。

　　以物流行業(yè)常見的運(yùn)費(fèi)時(shí)效查詢這一個(gè)場景為例，用戶的發(fā)貨和收貨地點(diǎn)、快件重量和選擇的服務(wù)都會(huì)影響到運(yùn)費(fèi)的計(jì)算和配送時(shí)效。如都用統(tǒng)一回答的FAQ處理，顯然不夠智能和有針對性，類似的復(fù)雜場景可考慮用多輪技術(shù)解決。

　　對于復(fù)雜問題，機(jī)械性的一問一答，無法完成復(fù)雜的任務(wù)，傳統(tǒng)方法難以解決，而多輪技術(shù)可以找到解決方案，通過把任務(wù)完成的主導(dǎo)權(quán)交給機(jī)器人，獲取用戶的變量信息，也更方便進(jìn)行個(gè)性定制化回答。

　　在產(chǎn)品層面，如今的自然語言交互可以實(shí)現(xiàn)例如智能推薦、訪客監(jiān)控、API調(diào)用、知識(shí)圖譜，甚至語音視頻等等，對于用戶的運(yùn)營來說，功能越來越豐富，手段也也來越多，這里就不一一枚舉了。

　　三、用戶體驗(yàn)：類人程度提升，人機(jī)交互更自然

　　在真實(shí)的人機(jī)交互中，用戶與系統(tǒng)交互的過程中不免會(huì)涉及到閑聊。閑聊的功能可以讓對話機(jī)器人更有情感和溫度，交互也更加自然，減少冷冰冰的機(jī)械化感覺。

　　這其中很關(guān)鍵的一點(diǎn)，是識(shí)別用戶的情緒。以上海的竹間智能為例，作為中國首家致力于打造與人類具有情感共鳴、懂得人類思想的情感機(jī)器人。竹間目前做了4種的語音情緒，人的表情做了9種，文字情緒做了22種。

　　為什么文字情緒的分類可以多達(dá)22種？像上面這張圖，負(fù)面情緒中的討厭、憤怒、悲傷、難過、害怕其實(shí)是不一樣的意思。只有能夠識(shí)別這些負(fù)面情緒不同的東西，才有辦法去做正確的反饋。通常文字的情緒是不夠的，所以除了各式各樣的文字情緒之外，多模態(tài)的情感，是把文字情緒、人臉表情跟語音情感整個(gè)加在一起，去算出說這個(gè)人目前的總情感是什么。

　　傳統(tǒng)的客服機(jī)器人是缺少閑聊而且不具備情感計(jì)算功能的。提高擬人化程度，是自然語言人機(jī)交互的發(fā)展趨勢。

　　你可以想象未來的開放式聊天機(jī)器人，就如電影《Her》中的那個(gè)AI系統(tǒng)Samantha一樣，既細(xì)膩敏感又風(fēng)趣幽默，還擁有迷人的聲線。既能充當(dāng)工作助理的角色，也能成為情感的寄托。

　　四、客戶運(yùn)維：降低知識(shí)庫運(yùn)營成本，聚焦挖掘用戶需求

　　為什么說自然語言處理和深度學(xué)習(xí)的應(yīng)用，可以降低客服機(jī)器人的知識(shí)庫運(yùn)營成本呢？一是因?yàn)橛脩羧罩咀鳛闃颖緮?shù)據(jù)訓(xùn)練，運(yùn)營人員不需要花費(fèi)較長時(shí)間學(xué)習(xí)模板規(guī)則，二是在機(jī)器人上線后后期維護(hù)只需要定期，大約每周或每天抽取幾個(gè)小時(shí)標(biāo)注未匹配到標(biāo)準(zhǔn)問的用戶日志重新訓(xùn)練即可。相較傳統(tǒng)客服機(jī)器人需要十幾人的運(yùn)營團(tuán)隊(duì)專職運(yùn)維知識(shí)庫來說，人力投入大大較少。

　　再就是新的自然語言處理技術(shù)，可以對用戶聊天記錄進(jìn)行多維度的分析和挖掘，如進(jìn)行用戶畫像、輿情分析等，捕捉用戶更多的需求和場景，從而可以支持更精準(zhǔn)的推薦和營銷，提高企業(yè)的效益和用戶體驗(yàn)。

　　但陽光之下也不是沒有陰影，在人工智能技術(shù)取得了顯著進(jìn)步的同時(shí)，質(zhì)疑的聲音也悄然興起，給人工智能蒙上了一層陰翳，首先，就目前的AI技術(shù)來說，還遠(yuǎn)遠(yuǎn)沒達(dá)到人們對智能的想象——擁有像人一樣的思考和推理和能力。其次也不乏別有用心者利用大數(shù)據(jù)催生精準(zhǔn)騙局，騷擾電話防不勝防。

　　但硬幣的兩面性決定我們，不能因?yàn)槿诵缘呢澙范蛞瓘U食，因此忽視這些技術(shù)應(yīng)用給企業(yè)服務(wù)帶來的確實(shí)的效益和便利性，關(guān)鍵是在如何合理地利用和加強(qiáng)監(jiān)管，規(guī)范行業(yè)亂象，讓真正擁有技術(shù)的公司良性發(fā)展，讓AI技術(shù)真正造福人類。