我自己在某廠做了兩年語音個人助理，后來自己出來創業，首先就否定了這個方向，或者它的變種（如問答系統、智能音箱、客服機器人、聊天機器人、陪伴機器人等等，各自有軟件和硬件的版本），以下統稱為Chatbot。
爬科技樹不是一朝一夕
我估計中國過去幾年，各種不同名目的對話型“機器人”的公司，從軟件到硬件的，數百家是有的，也許有一千家？有一次，在一個會議上遇到一個公司，想做這個事情，想找一個“領軍人物”來帶，領導十多個人。我想，這個公司可能大大低估了做這個事情的難度：這種“領軍人物”在中國可能不超過20個，也許只有10個？十多個人也難以做出一個工業可用的系統。就是有所謂的領軍人物，有豐富經驗的，想把工程重建，也不是短期可以奏效的。這個東西真的是沒有捷徑。
2012年隨著Siri的發布，有一波中國的copycat，除了幾個大廠的，大部分很快就滅了。過去一兩年隨著深度學習、知識圖譜又起來一波。我認為其中的大部分是炒概念，超出現在的技術能達到的能力，兩三年內就會群滅。
我覺得這個東西，屬于典型的系統集成創新，只適合大廠戰略布局用。大廠做這事，并不在乎場景的冷啟動。而對創業公司，無論是技術鏈條長度，還是商業模式啟動的困難，都是超出一般公司體量的。現在大家都想從問答、個人助理、目標達成的角度來切入。大企業玩玩可以，對小企業，想顛覆，不能走這條路，技術鏈太長，商業模式鏈更長。傳統搜索肯定要被別的取代，但不能是直接拼大廠的長處這樣。
往大了說，我對這一輪人工智能的幾個熱點應用——語音個人助手，問答系統，基于視覺的自動駕駛——都持悲觀態度。我認為這種“準圖靈測試”類產品，都超越了當前的盈利前沿，大規模應用是不現實的。例外是政府(特別是軍方)和某些大公司不計成本地布局，瞄準十年之后。其他群眾吃瓜圍觀就好。
各大廠推出的度秘、小冰、Cortana、Google Now，還有搜狗、京東、騰訊等等各種產品，技術上都各有驚艷之處。未來怎么樣，我也很難現在做出評價。問答系統六個層次：基礎搜索、詞聯想、本體知識庫，短程關系、長程關系、基于上下文的自由問答，現在大家也基本只做到了短程關系，長程關系以上都要靠各種“人工”。爬科技樹，絕非一朝一夕。
科技樹是要爬的。導彈這種大家很容易理解，每一種零件，每一種生產工具，每一種生成工具的機器，缺一種都不行。錢學森學到了導彈的一切，回中國建立這個工業也花了三十年。對于問答系統這種軟件，大家可能不太容易直觀理解，其實也是同樣的，做一個管用的之前要攻克的小問題太多了。就是別人把全套解決方案告訴你了，你都不一定能復制出來，因為還得有一整套的工業體系在后面支撐才行。從知識提取，知識存儲，知識表達，知識檢索，到人機交互、知識庫，不知道多少個小零件要逐一打造。所以軟件產業也和其他工業一樣，要老老實實爬科技樹。
Siri的創始人80年代就是Lisp機器的創業者。大家只關注到國防部和Siri那部分淵源（美國政府在CALO上投了1.5億美元。Siri獨立后，風投又投了2400萬。蘋果花了大概1.5-2.5億美元買Siri。這個買賣真是合算），哪里想到它成立前的二十多年，它的創始人就把知識表達的坑全趟了一遍了。所以世界上沒有無緣無故的成功，也沒有捷徑。
一些坑
機器善于做短程關系的查找（lookup），一層，罕見的情況下可以做兩層。長程關系的發現（discovery）是機器做不好的，只能由人來寫，最后變成規則機器執行。那些Siri里有趣的回答，都是人寫的，和機器智能無關。
問答系統的現在逐漸從基于知識庫的，發展到基于檢索的，或者是從基于規則的，發展到基于數據的。但QA這事，至少目前，不是說數據足夠多就行。特別是，數據再多，其中高質量數據(特別是結構化語義數據)有多少。實戰一下就知道，靠統計機器學習來挖掘高質量數據，難度太大了，完全不實用。對問題和答案都需要NLP，其間檢索和排序算法都是新的課題，需要多種方法的綜合。
各種語音交互加攝像頭識別產品，過去以app的形式承載，一直沒有抓住用戶的痛點，沒有進入主流（除了被強推的siri）。所以最近兩年，廠商開始試圖用物理硬件來跑這些app，套個人形的塑料殼稱為“機器人”。應用也逐漸細分，如兒童、戀愛、健康、娛樂等等。這些都是有益的嘗試，但是還是忽悠居多。
特別是最近的一些“智能”玩具機器人（兒童機器人、陪伴機器人），基本看不懂。我買了個1000塊的某某兒童對話機器人來玩，頭5分鐘大家都很興奮，然后就沒有然后了。關鍵連開關都沒有，又蠢又停不下來。然后給我們COO拿回家給4歲的兒子玩，基本沒法用，錯得驢唇不對馬嘴。強烈懷疑兒童陪伴、聽歌、故事機器人現階段實用了。后來又玩了幾個市面上能買到的問答系統硬件。得到的結論是為時尚早，問答系統難以實用。
從外觀來征服用戶的，也是一條路。工業設計、硅膠科技的方法都有……看起來好看其實蠻重要的，有利于user acquisition。當然user retention就不夠了，那還是要真本事。
在我看來，聊天機器人、個人助手這些東西的場景絕不是智能對話，不是智能對話，不是智能對話（重要的事情說三遍）。聊天機器人往問答系統的方向做本身就錯了。問答系統實用化根本不可能。聊天機器人的定位應該是自動化，就醬。
我想，做語義技術的應用第一重要的是盈利，而不是擴大市場份額。要壟斷一個小市場，競爭對手還不夠強大，市場小到巨頭們無利可圖。語義搜索，一定要走K策略，深挖領域知識，而不是推出一個大而全，大而無用的知識庫、問答系統、個人助手、搜索引擎blah blah。歷史上那些走R策略的語義搜索都活不長。一些垂直的客服系統可能是有用的。我沒做過那樣的系統，所以也不知道其中的坑在哪里。
不僅技術上有無數的坑，要在工業界搞好一個問答的團隊，那是真心不容易! 就是在IBM, 說服上層領導就花了好幾年。而且攤子一大，各種山頭光內耗就能搞死。另外，問答系統是最接近圖靈測試的，如何巧妙地應對來自上面的各種不切實際的靈感，是多考驗負責人的情商和智商啊。
SIRI的一些回顧
因為工作的關系，從2010年開始就在關注Siri。2014年的時候把過去幾年關于Siri的微博匯總了一下，大概有一百條，全文見《Siri有關的微博》。兩個短篇見《語義網的公司(6)Siri》《SIRI的貢獻和價值》。也請參考以前為@好東西傳送門 做的《關于問答系統博文的目錄貼》。Apple的Siri專利，長，但是對于理解語義網技術如何在終端用戶產品中運用，很值得一讀。
凡是抄siri而大談語音的，都是還沒入門的（2013）。
Siri之類的系統，核心是模板系統和結構化數據庫（as of 2012）。自然語言處理都是輔助的，真正提高F1分數的還是規則，模板這些“低級”技術。數據的質量和覆蓋率也極其重要。現在看語音界面超前了，因為語音極大提高了人們對智能的期望。而且語音對環境和口音要求太高。光口音這一點不知趕走多少用戶。
Siri之父Adam Cheyer和Steve Jobs在語音界面這一點上曾經有分歧。關于Siri的早期（還沒有被Apple收購之前）的一些設 計理念，參Adam Cheyer早年在Ontolog 上的兩個談話：Ontology Management in CALO, a Cognitive Assistant that Learns and Organizes ，和 Siri: An Ontology-driven Application for the Masses。后來的分歧，見【Siri之父Adam Cheyer：為你講述Siri的前世今生】，里面說，Adam回憶起早期的Siri的時候，也說，“最開始的時候，Siri是沒有聲音的， 只會以文本形式推送答案，這樣結果是視覺化的，也更方便人們瀏覽。使用語音是Steve Jobs的提議，盡管我反對但是他一直堅持”。Cheyer最后只好走人，去創立了Viv，2016年被三星收購——雖然Viv也被標簽為“AI語音助手”。
我認為當初Cheyer是對的，Jobs是錯的。語音極大提高了用戶的期望，極大提高了系統的誤差。當年Adam Cheyer等對Siri的定位還是對的，就是個數據集成工具。被蘋果買后Jobs強行要改成語音助手，Cheyer只好出走。現在可以看清楚，Jobs的定位違反技術規律。和當年的愛瘋天線門一樣，是Jobs以他天才的現實扭曲力場（Reality Distortion Field），試圖扭曲技術規律的行為。遺憾的是，電磁波定律無法被扭曲，人工智能的的規律也無法被扭曲。
2012年還在研究語音助手的時候，曾拿Siri來反向工程，問各種結構的句子，反推她的模板系統到底是什么樣子。結果發現她有些系統性的不能回答的結構，顯然是沒有對應的模板。最有意思的有人發現問“叫我老婆回家吃飯”，Siri回答“從現在開始叫你‘老婆回家吃飯’”。
（后來拿這套方法分析了其他一些知名的語音助手，結果也很有趣）
當然后來Siri也在演進。2013年iOS7上的siri，就有兩點新東西。一是和Bing集成。很可能看中了satori知識圖譜。短期內借助外力開發智能問答引擎，很合理。二是在宣傳中突出語音對設備的控制和簡單的檢索，而非問答式的個人助手。Siri老團隊的核心當時都已經走了。
近年的事情我就不清楚了。
時機問題和定位問題
The key is timing and positioning
遲早有一天，各種聊天機器人會以軟件和硬件的形式進入我們的生活。但是重要的是路徑設計，而非預期的愿景；市場的一步步的相對優勢的爭取，而非平臺優勢的爭取。
True Knowledge（產品后來改名Evi）曾經是一家非常優秀的公司，它的知識庫是可以和Google Knowledge Graph媲美的好東西。他家的自然語言理解模板也是值錢的。它可以說是起了大早，趕了個晚集的典型。2005年就開始搞知識圖譜，問答系統也做到了世界領先，但是就是一直沒搞好商業化，最后以地板價（2600萬美元）賣給了Amazon。這個公司不懂得包裝自己，好好弄弄說值10億美元也是沒有問題的。本來它可以更開放，以更積極的態度和上下游企業合作。它并沒有必要成為Siri的直接競爭對手。它應該更快地進入美國本地服務市場——現在的幾個競爭對手本來都比它擁有技術晚。可惜它被執行得更象一個研究項目而不是關心市場。現在Amazon的Echo音箱能做好，就有True Knowledge十幾年的積累在里面。
我認為，早在2012年，直接做語音助手的黃金期已過，還沒推出產品的公司就應該轉進了。其實各種垂直領域都不錯，用戶體驗會更好。語音不語音不是核心問題，Siri能做好的最后必然是擁有數據的公司。制造設備的公司會有幻覺，以為自己有用戶數據，其實此數據非彼數據。自然語言理解雖然是語義搜索的重要輔助工具，但是當前階段還不應是Value Proposition或者Key Technology。淺而高質量的數據關系才是。過于復雜的理解技術，不管是查詢問題理解還是語義關系提取，現在都不足以大規模工業化。從這個角度，我認為Siri或者其他類似的產品，針對主流市場是危險的。
Tom Gruber（Siri CTO，我們語義網界的老前輩）曾說: the killer app for semantic technology is your life (online) 。這句話有好幾層意思，背后代表著一整套哲學、方法論和技術路線。越實踐，越覺得機會無窮。他也提出了intelligence at interface的一套理論，見他在SemTech08上的演講，很有意思。但是我依然覺得 Siri 在timing上稍微早了一點。結構化數據的豐富程度還不足以支持 Siri 的大規模使用。模版系統的產生方式還不夠規模化。基礎NLP的精度還有待提高。類似產品不宜立即投放大眾市場，應該再等幾年的。
2012年，對Siri這類產品，輿論界曾有很高的預期。典型如【在血刃Google的路上，Siri會先被蘋果給玩死么？】這個文章的作者低估了Siri作為任務引擎的困難程度。他也應該深入想一想，為什么原來的 Siri Assistant 比后來集成的Siri強大但是太慢？為什么集成Siri需要兩年？這背后的結構化數據，服務集成，語義推理，語義理解，常識知識，要涵蓋日常生活的方方面面，甚至不是蘋果一家公司兩三年能搞定的。
Siri的CEO Dag Kittlaus有一篇文章Siri Is Only The Beginning，看起來很像是科學美國人上2001年的那篇語義網奠基文章 The Semantic Web。 在十幾年里我們低估了語義網的實現難度，當年對Siri的興奮也許同樣低估了問題的復雜性？在2012年我估計，這一天會到來，但恐怕不是5年內。現在到了2017年，可以認為當初的保守估計是合理的。或如文章里說,“when our kids are our age”，20-30年吧。
未來在哪里？
我不知道。我離開這個領域前沿也有三年了，所以知識也是落后的，很多黑科技可能我是不知道的。
（我唯一可以確定的，就是這個黑科技不是深度學習，肯定不是。）
大量的試錯總是好的。現在市場上既然有數百個嘗試者，最后總會有一些走出來的，其他的至少也為這個市場鍛煉了人才。
作為創業團隊，最好先做整個技術鏈條里一個組件的工作，不要試圖上來整一個問答系統的全周期。即使是對一個垂直領域，這都是困難的事情。根據不同的團隊構成，可以從數據庫建造開始，或者可視化開始，或者NLP API，甚至人工的咨詢服務。總之，整個大鏈條十幾個大環節，先切一個，建立穩固的根據地，再循序漸進。
未必要在語音這條線上吊死。視覺的并行性和(sort of)可隨機存取性是最寶貴的注意力資源。語音在并行性上有先天不足。純文本也是。長遠看，個人助理必然要更多使用視覺元素。狗尾草（Gowild）走AR（增強現實）路線，我覺得很有意思，這條路未來大有前景。
搜索引擎勢必要智能化，勢必要更多利用結構化數據(也就是知識圖譜)。這有兩個大方向，一是變成問答系統，依賴自然語言處理走硬AI，二是變成探索引擎，依賴人機交互。我以為第一條路是難以走通的，試圖模擬人的智能，技術鏈條太長短期內不可能解決實際問題。第二條路才是現階段可行的方法，交互式展示半結構化數據，利用人的智能彌補機器的不足。
也不能迷信垂直領域，比如金融。我不但不看好通用域問答系統，也不看好大部分的垂直領域問答系統，因為人的愚蠢是不分領域的。除非該垂直領域是小眾的。具體的以后另專文說吧，這里篇幅太短說不清楚。
不過AI沒有禁區，什么意外都有的。我也希望自己說的這些都被打臉。
文因互聯CEO鮑捷：做聊天機器人有哪些坑？
發布時間: 2017-02-14 09:02:27 來源:
核心提示： 我自己在某廠做了兩年語音個人助理，后來自己出來創業，首先就否定了這個方向，或者它的變種（如問答系統、智能音箱、客服機器人、聊天機器人、陪伴機器人等等，各自有軟件和硬件的版本），以下統稱為Chatbot。
【免責聲明】所刊原創內容之本文僅代表作者本人觀點，與新戰略機器人網無關。新戰略機器人網站對文中陳述、觀點判斷保持中立。本網轉載自其它媒體的信息，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。
【版權聲明】凡本網注明“來源：xzl機器人”的所有作品，著作權屬于新戰略機器人網站所有，未經本站之同意或授權，任何人不得以任何形式重制、轉載、散布、引用、變更、播送或出版該內容之全部或局部，亦不得有其他任何違反本站著作權之行為。違反上述聲明者，本網將追究其相關法律責任。轉載、散布、引用須注明原文來源。
來源:
責任編輯:admin
