在客服行業(yè)，機器人的應用，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A(yíng)I技術(shù)迅猛發(fā)展的今天，自然語(yǔ)言交互到底給傳統的客服機器人帶來(lái)了什么樣的改變？下面將會(huì )從幾個(gè)方面做一個(gè)簡(jiǎn)單的展開(kāi)。
一、算法層面：自學(xué)習能力和泛化能力加強，可實(shí)現淺層語(yǔ)義理解
首先我們先了解一下，什么是傳統客服機器人。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(cháng)、工作重復性高。傳統客服機器人是指最早期利用關(guān)鍵詞和搜索技術(shù)搭建起來(lái)的對話(huà)機器人，目標是解決用戶(hù)常規的重復性提問(wèn)，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(wú)休咨詢(xún)服務(wù)。
傳統客服機器人起步較早，在零幾年前后就起來(lái)了很多專(zhuān)門(mén)提供智能客服的公司。傳統客服機器人發(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(guò)建立規則模板知識庫，利用搜索技術(shù)在用戶(hù)問(wèn)句模板與句型模板庫中模板進(jìn)行匹配，返回模板預設好的答案給用戶(hù)。
然而規則模板結合搜索的做法，存在很多弊端。一是它返回用戶(hù)很多大量的或相關(guān)或無(wú)關(guān)的問(wèn)題，用戶(hù)需要在這些問(wèn)題菜單中進(jìn)一步篩選信息，我們行業(yè)內通常稱(chēng)之為指定相關(guān)問(wèn)。例如在電商場(chǎng)景，用戶(hù)咨詢(xún)選尺碼的問(wèn)題，機器人給返回了六七條和尺碼相關(guān)的問(wèn)題。
二是幾個(gè)關(guān)鍵字的規則模板組合很難清楚的表達用戶(hù)檢索意圖，同時(shí)基于關(guān)鍵字的索引，匹配算法不做語(yǔ)義理解，較難提高檢索的效果。我們可以嘗試換一個(gè)問(wèn)題提問(wèn)。
當用戶(hù)輸入“選的尺碼不合適”時(shí)，其提問(wèn)場(chǎng)景已經(jīng)轉變成用戶(hù)收到貨后，試穿之后發(fā)現尺碼大了或小了，可能是需要退換貨。而機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)結果不難反推出如何選尺碼的問(wèn)題模板就是[選][尺碼]，只要用戶(hù)輸入的問(wèn)句中包含這兩個(gè)關(guān)鍵詞，不管問(wèn)的是什么問(wèn)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(wèn)題，機器學(xué)習技術(shù)近年來(lái)也被應用到智能客服對話(huà)機器人上，并逐步取代傳統客服機器人。
我們會(huì )將關(guān)鍵詞模板稱(chēng)之為前人工時(shí)代，自然語(yǔ)言處理和深度學(xué)習稱(chēng)之為后人工時(shí)代。這兩個(gè)時(shí)代劃分的意義是，對話(huà)機器人已經(jīng)有了淺層的語(yǔ)義理解。打個(gè)比方說(shuō)就是，前人工智能時(shí)代的機器人的語(yǔ)言理解能力如果是嬰兒的話(huà)，那么后人工智能時(shí)代的機器人就相當于3~4歲的兒童。
NLP會(huì )對輸入的文本進(jìn)行分詞、詞性標注、句法分析、語(yǔ)義角色標注、依存分析、言外行為分析、拼音糾錯、實(shí)體抽取等等，通過(guò)這些嘗試理解句子的關(guān)系和含義，對問(wèn)題處理的精度更細。
NLP會(huì )對輸入的文本進(jìn)行分詞、詞性標注、句法分析、語(yǔ)義角色標注、依存分析、言外行為分析、拼音糾錯、實(shí)體抽取等等，通過(guò)這些嘗試理解句子的關(guān)系和含義，對問(wèn)題處理的精度更細。
說(shuō)到這里，并不是說(shuō)關(guān)鍵詞不可以用，但它只能解決最簡(jiǎn)單的那種肯定句數據，句法稍微有一些變化，它是解決不了問(wèn)題的。機器學(xué)習（ML）通過(guò)訓練數據模型，數據的特征組合和抽象會(huì )交給深度學(xué)習自行學(xué)習，從而獲得一定的泛化能力，可以舉一反三。
所以選擇機器學(xué)習方法，數據樣本的篩選和構造十分重要。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(hù)數據，用戶(hù)的聊天日志是非常好的訓練數據。
使用機器學(xué)習方法來(lái)挖掘大量用戶(hù)數據，可以發(fā)現其中并不顯著(zhù)的規律。在傳統方法中，你的程序會(huì )變成一長(cháng)串復雜的規則，這樣就會(huì )很難維護且不具備泛化能力。相反的，基于機器學(xué)習技術(shù)會(huì )自動(dòng)學(xué)習哪個(gè)詞和短語(yǔ)是預測值，更易維護，也更精確。
機器學(xué)習的另一個(gè)優(yōu)點(diǎn)是善于處理對于傳統方法太復雜或是沒(méi)有已知模板的問(wèn)題，也就是長(cháng)難句。由于篇幅關(guān)系，這里就不詳細展開(kāi)了。
二、產(chǎn)品層面：解決更復雜場(chǎng)景的用戶(hù)問(wèn)題
在單輪的文本對話(huà)中，往往有些復雜的場(chǎng)景，無(wú)法通過(guò)一個(gè)回答來(lái)很好的解決。復雜場(chǎng)景需要明確用戶(hù)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(jiàn)的運費時(shí)效查詢(xún)這一個(gè)場(chǎng)景為例，用戶(hù)的發(fā)貨和收貨地點(diǎn)、快件重量和選擇的服務(wù)都會(huì )影響到運費的計算和配送時(shí)效。如都用統一回答的FAQ處理，顯然不夠“智能”和有針對性，類(lèi)似的復雜場(chǎng)景可考慮用多輪技術(shù)解決。
對于復雜問(wèn)題，機械性的一問(wèn)一答，無(wú)法完成復雜的任務(wù)，傳統方法難以解決，而多輪技術(shù)可以找到解決方案，通過(guò)把任務(wù)完成的主導權交給機器人，獲取用戶(hù)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(yǔ)言交互可以實(shí)現例如智能推薦、訪(fǎng)客監控、API調用、知識圖譜，甚至語(yǔ)音視頻等等，對于用戶(hù)的運營(yíng)來(lái)說(shuō)，功能越來(lái)越豐富，手段也也來(lái)越多，這里就不一一枚舉了。
三、用戶(hù)體驗：類(lèi)人程度提升，人機交互更自然
在真實(shí)的人機交互中，用戶(hù)與系統交互的過(guò)程中不免會(huì )涉及到閑聊。閑聊的功能可以讓對話(huà)機器人更有情感和溫度，交互也更加自然，減少冷冰冰的機械化感覺(jué)。
這其中很關(guān)鍵的一點(diǎn)，是識別用戶(hù)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(lèi)具有情感共鳴、懂得人類(lèi)思想的情感機器人。竹間目前做了4種的語(yǔ)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(lèi)可以多達22種？像上面這張圖，負面情緒中的討厭、憤怒、悲傷、難過(guò)、害怕其實(shí)是不一樣的意思。只有能夠識別這些負面情緒不同的東西，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(yǔ)音情感整個(gè)加在一起，去算出說(shuō)這個(gè)人目前的總情感是什么。
傳統的客服機器人是缺少閑聊而且不具備情感計算功能的。提高擬人化程度，是自然語(yǔ)言人機交互的發(fā)展趨勢。
你可以想象未來(lái)的開(kāi)放式聊天機器人，就如電影《Her》中的那個(gè)AI系統Samantha一樣，既細膩敏感又風(fēng)趣幽默，還擁有迷人的聲線(xiàn)。既能充當工作助理的角色，也能成為情感的寄托。
四、客戶(hù)運維：降低知識庫運營(yíng)成本，聚焦挖掘用戶(hù)需求
為什么說(shuō)自然語(yǔ)言處理和深度學(xué)習的應用，可以降低客服機器人的知識庫運營(yíng)成本呢？一是因為用戶(hù)日志作為樣本數據訓練，運營(yíng)人員不需要花費較長(cháng)時(shí)間學(xué)習模板規則，二是在機器人上線(xiàn)后后期維護只需要定期，大約每周或每天抽取幾個(gè)小時(shí)標注未匹配到標準問(wèn)的用戶(hù)日志重新訓練即可。相較傳統客服機器人需要十幾人的運營(yíng)團隊專(zhuān)職運維知識庫來(lái)說(shuō)，人力投入大大較少。
再就是新的自然語(yǔ)言處理技術(shù)，可以對用戶(hù)聊天記錄進(jìn)行多維度的分析和挖掘，如進(jìn)行用戶(hù)畫(huà)像、輿情分析等，捕捉用戶(hù)更多的需求和場(chǎng)景，從而可以支持更精準的推薦和營(yíng)銷(xiāo)，提高企業(yè)的效益和用戶(hù)體驗。
但陽(yáng)光之下也不是沒(méi)有陰影，在人工智能技術(shù)取得了顯著(zhù)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(lái)說(shuō)，還遠遠沒(méi)達到人們對“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據催生精準騙局，騷擾電話(huà)防不勝防。
但硬幣的兩面性決定我們，不能因為人性的貪婪而因噎廢食，因此忽視這些技術(shù)應用給企業(yè)服務(wù)帶來(lái)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監管，規范行業(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(lèi)。
