為什么現(xiàn)在的人工智能助理都像人工智障？

編者按：本文由 Mingke 原創(chuàng)，轉(zhuǎn)載時(shí)已獲作者授權(quán)。轉(zhuǎn)載時(shí)已獲得作者授權(quán)。

我不是針對(duì)誰(shuí)，只是在座現(xiàn)在所有做 C 端智能助理的都是坑。

－ S 先生

對(duì)群嘲做一個(gè)限定

現(xiàn)在：在 “API 困境” 被解決之前（后詳）。 人工智能助理：這里指的是Intelligent Personal Assistant/Agent (IPA)又稱為 Virtual Personal Assistant/Agent(VPA)——幫助個(gè)人完成多項(xiàng)任務(wù)或多項(xiàng)服務(wù)的虛擬助理，當(dāng)前討論的核心驅(qū)動(dòng)力是人工智能。（什么你說(shuō)用人來(lái)做處理單元？那是呼叫中心，也叫客服，最看不起掛羊頭賣狗肉的了。） 在座：不止是創(chuàng)業(yè)公司，大公司也搞不定，國(guó)內(nèi)國(guó)外無(wú)所謂。 都是坑：創(chuàng)業(yè)公司做消費(fèi)端的虛擬助理，一定無(wú)法實(shí)現(xiàn)消費(fèi)級(jí)產(chǎn)品效果。對(duì)于巨頭也是，我相信大部分的相關(guān)負(fù)責(zé)人都以 “進(jìn)步” 為目標(biāo)，而不敢跟自家 CEO 擔(dān)保要以 “搞定” 為目標(biāo)。 什么是智能助理？ 智能助理屬于對(duì)話式服務(wù)

兩者的邊界不是很清晰，智能助理的功能在前面解釋過(guò)了；而 “對(duì)話式服務(wù)（Conversational Service/Commerce）”——這是包含智能助理在內(nèi)的多個(gè)產(chǎn)品形態(tài)統(tǒng)稱，核心特點(diǎn)是：

對(duì)話式：人機(jī)交互的方式由圖形化交互（GUI-Graphical User Interface）變?yōu)橐詫?duì)話作為交互方式（CUI-Conversational User Interface 業(yè)界暫時(shí)還沒(méi)有定義，這是我自己瞎編的），就是用說(shuō)話來(lái)代替觸摸或者鼠標(biāo)，操作計(jì)算設(shè)備。 服務(wù)：提供服務(wù)，解決問(wèn)題都算，如訂機(jī)票，購(gòu)買禮物等。不包括信息查詢（如天氣）。

Facebook M, 真人和 AI 結(jié)合的服務(wù)

去年（2015）起來(lái)的這一波對(duì)話式服務(wù)在硅谷有多火？看看創(chuàng)業(yè)團(tuán)隊(duì)增長(zhǎng)的數(shù)量就知道了：2015 年的時(shí)候有 129 個(gè)類似的項(xiàng)目出現(xiàn)，而 14 年的時(shí)候才 42 個(gè)。

Tracxn Report：Conversational Commerce

在各類科技博客上，對(duì)Conversational Commerce的討論也非常熱烈，尤其是在medium.com上有大量的探討?；镜挠^點(diǎn)就是” 對(duì)話式的交互將會(huì)成為下一個(gè)風(fēng)口，大家趕緊上??！“。截止到 2016 年 6 月的時(shí)候，在Producthunt 上標(biāo)記為對(duì)話式服務(wù)（ConvComm）的有一百多個(gè)創(chuàng)業(yè)項(xiàng)目。

除了智能助理以外，還有很多類似的概念如 Digital Agent、Bot、Service Bot、 Chatbot、P2P 的電商。比如 Operator 現(xiàn)在用真人專家?guī)陀脩糇鱿M(fèi)決策，在過(guò)去嘗試過(guò)用 Bot/AI 但可惜達(dá)不到效果，或者 Magic 模式，完全是靠” 真人幫懶人用 app“驅(qū)動(dòng)運(yùn)營(yíng)。

本文主要討論的是基于人工智能的智能助理——就像 IBM 提到的一樣，只有如此才能真正規(guī)模化。

智能助理應(yīng)該解決服務(wù)需求

巨頭的人工智能助理基本都已亮相了：

Facebook M Amazon Echo Google Assistant，Allo Apple Siri IBM Watson Microsoft Cortana

以上智能助理的服務(wù)范圍大都是在信息檢索，幫助用戶獲得資訊。絕大多數(shù)的內(nèi)容是不牽涉 “推理” 的查詢類信息服務(wù)。比如：

明天的天氣 找附近的星巴克 蘋果的股票信息 ……

如果用戶問(wèn)到在基礎(chǔ)信息以上，一旦牽涉推理的問(wèn)題，就無(wú)能為力了。比如：

明天這個(gè)天氣狀況會(huì)造成航班延誤么？ 附近的星巴克可以用支付寶么？ 我什么時(shí)候該買蘋果的股票？

使用體驗(yàn)方面，這些助理的服務(wù)范圍覆蓋面基本跟當(dāng)前所有引擎一樣。在設(shè)計(jì)邏輯上，基本都是基于用命名實(shí)體識(shí)別來(lái)代替打字輸入關(guān)鍵詞然后返回檢索結(jié)果 SERP。而信息檢索，離人們要完成的服務(wù)需求有很大的區(qū)別。

就好像 Viv.ai 的聯(lián)合創(chuàng)始人Dag Kittlaus 說(shuō)的，當(dāng)初他創(chuàng)建 Siri 的時(shí)候，是想要重新挑戰(zhàn)移動(dòng)服務(wù)，而不是造一個(gè) Chatbot。

Dag Kittlaus（中間）

除此以外，巨頭的助理與其關(guān)聯(lián)生態(tài)產(chǎn)生的操作關(guān)聯(lián)。比如 Siri 對(duì) iOS 和 macOS 的操作；Cortana 對(duì) Windows 的操作；Echo 對(duì)關(guān)聯(lián)智能家居設(shè)備的操作等等。此類操作的一個(gè)特點(diǎn)，是對(duì)結(jié)果非常的確定，出現(xiàn)個(gè)性化選擇范圍非常的少。

另一方面，對(duì)于創(chuàng)業(yè)項(xiàng)目而言，因?yàn)椴痪邆漕愃频纳鷳B(tài)和硬件入口條件，大都定位在資訊和服務(wù)上。我們選擇 Producthunt 當(dāng)中排在最前 150 位的項(xiàng)目進(jìn)行分析，其中高達(dá) 70% 的項(xiàng)目定位都在 2C 的個(gè)人助理（Agent）上，其中大部分都想做切入服務(wù)，包括垂直類的和多任務(wù)的。

這些助理服務(wù)當(dāng)中有 23.1% 是專業(yè)類型的服務(wù)，主要是在醫(yī)療和理財(cái)方面。而剩下來(lái) 76.9% 的助理，干得最多的活兒是生活綜合幫助、出行安排、日程管理、購(gòu)物訂餐廳等等——這一類是坑最大的地方——特別是那些試圖把生活上各種服務(wù)都打包進(jìn)去的產(chǎn)品。

Producthunt 上面 69.7% 的對(duì)話式服務(wù)都是智能助理產(chǎn)品（但并非所有都具備 AI）

人工智能助理的潛力 移動(dòng)紅利的結(jié)束，行業(yè)需要新的增長(zhǎng)點(diǎn)

很多跡象都指向同一個(gè)結(jié)論：移動(dòng)互聯(lián)的高速增長(zhǎng)已經(jīng)飽和。比如用戶已經(jīng)不再愿意下載新的 app。

qz(based on comscore data) &statista

2016 年 1 月有超過(guò) 5 萬(wàn)個(gè)新的 app 被提交到了 App Store，但是在美國(guó)市場(chǎng)有 65% 的智能手機(jī)用戶在一個(gè)月內(nèi)下載新 app 的數(shù)量為 0，下了 1 個(gè)新 app 的人占 8.4%。

2015 年中到現(xiàn)在，在國(guó)內(nèi) 2C 市場(chǎng)中，幾乎找不到一款真正能爆發(fā)并留存的移動(dòng)產(chǎn)品。對(duì)于移動(dòng)開發(fā)者而言，能放首屏的高頻應(yīng)用早就擠不進(jìn)去了。

而且很多中低頻的服務(wù)，并不是最適合用 app 來(lái)承載的。比如訂生日蛋糕，作為商業(yè)其價(jià)值一直存在，能通過(guò)信息化的方式來(lái)解決獲客或者能效問(wèn)題么？

宏觀來(lái)講肯定可以，但是開發(fā)一個(gè) app 則會(huì)面臨用戶獲取和使用成本高，難留存，用戶難發(fā)現(xiàn)等等障礙——這些問(wèn)題，都讓開發(fā)者懷疑要不要做 app，特別是在最開始 PMF 核心邏輯還沒(méi)有被驗(yàn)證的時(shí)候。

但創(chuàng)業(yè)者的熱情和投資人基金里的錢都不能等！于是大家憋著這口氣四處找風(fēng)口，或者又有怎樣的產(chǎn)品形態(tài)可以把商業(yè)形態(tài)再顛覆一次，好比 app 顛覆了網(wǎng)頁(yè)，宏觀上有沒(méi)有新的產(chǎn)品形態(tài)可以再來(lái)一次？甚至運(yùn)氣更好點(diǎn)，開拓出以前沒(méi)有被耕耘過(guò)的維度？

對(duì)話式服務(wù)具備新的增長(zhǎng)點(diǎn)潛質(zhì)

回顧過(guò)去，最大的幾次浪潮基本都伴隨著一個(gè)規(guī)律：核心技術(shù)（軟硬一堆）的出現(xiàn)和整合，帶來(lái)全新的人機(jī)交互方式 ，在此基礎(chǔ)上大量的商業(yè)應(yīng)用應(yīng)運(yùn)而生。

從 90 年代開始，人際交互的三個(gè)變化

比如 2007 年末移動(dòng)互聯(lián)開始，核心驅(qū)動(dòng)的硬件是觸摸技術(shù)、各種 sensor 的成熟以及整體計(jì)算能力的提升和小型化；軟件方面則是 iOS & Android 的顛覆式出現(xiàn)。

軟硬結(jié)合創(chuàng)造出完全顛覆過(guò)去的觸摸操作體驗(yàn)，并使其稱為真正可用的人機(jī)交互方式——讓圖形化界面的輸入工具，從鍵鼠時(shí)代跨越到了更 intuitive 的觸摸，并完美的與后面開放的生態(tài)系統(tǒng)結(jié)合起來(lái)（不得不再次對(duì)喬大爺表示敬佩）。

人機(jī)交互越來(lái)越傾向于人

可以看到隨著技術(shù)的平民化 (democratization)，人機(jī)交互正不可逆轉(zhuǎn)地向人的方向靠近——不需要學(xué)習(xí)的人機(jī)交互。

將來(lái)越來(lái)越多的人都能更自然地通過(guò)計(jì)算設(shè)備來(lái)獲得價(jià)值。下一個(gè)超級(jí)增長(zhǎng)點(diǎn)的交互方式，一定是交互更接近人的自然行為，更多人可以使用的。

因?yàn)檐浻布拗?，過(guò)去用上計(jì)算設(shè)備的人很少。一方面，當(dāng)時(shí)的人機(jī)交互是讓人來(lái) “將就” 機(jī)器——人學(xué)習(xí)機(jī)器的語(yǔ)言——操作需要專業(yè)技術(shù)，如打孔……（在個(gè)人電腦方面，當(dāng)年知道 “cd 文件夾名” 的命令行的人也都是高端人士）；另一方面計(jì)算設(shè)備巨貴，還不屬于個(gè)人設(shè)備，大眾都買不起；再者，日常應(yīng)用和普通生產(chǎn)力應(yīng)用幾乎沒(méi)有，所以買來(lái)設(shè)備學(xué)會(huì)了 UI 也沒(méi)啥用。

而移動(dòng)設(shè)備出現(xiàn)就讓更多的人從使用計(jì)算設(shè)備中獲利，更多不會(huì)鍵盤鼠標(biāo)的人，通過(guò)觸摸手機(jī)屏來(lái)操作。將來(lái)人們想要獲得服務(wù)的時(shí)候，或許不需要有 “計(jì)算設(shè)備” 這個(gè)中間載體的概念。直接提出需求，就能獲得結(jié)果。

下一代交互方式，似計(jì)算設(shè)備能覆蓋更廣的商業(yè)

Google Assistant Allo

看看過(guò)去 app 如何顛覆 web 的，在沒(méi)有移動(dòng)互聯(lián)之前，大眾點(diǎn)評(píng)只是一個(gè)不知道幾流的小眾產(chǎn)品，web 也并非最合適這個(gè)商業(yè)模式的產(chǎn)品形態(tài)——比如大部分情況下，人們想要找餐廳的時(shí)候，身邊都沒(méi)有 PC 來(lái)獲得其他人的點(diǎn)評(píng)信息；而移動(dòng)互聯(lián)的 app 解決了這個(gè)問(wèn)題。

這并不是說(shuō) app 代替了 web（比如 PS 還是在桌面端更好用），而是借由移動(dòng)設(shè)備，app 開啟了過(guò)去沒(méi)有的維度，繼而大眾點(diǎn)評(píng)的商業(yè)模式有了更合適的產(chǎn)品形態(tài)。

我相信 app 顛覆 web 的歷史，也會(huì)同樣發(fā)生在下一代人機(jī)交互的形態(tài)來(lái)顛覆當(dāng)前 app 的時(shí)候。不僅很多商業(yè)模式和形態(tài)都可以被重新考慮一次，甚至幾乎可以肯定 CUI 會(huì)打開新的維度，解放更多的商業(yè)價(jià)值。

如果一個(gè) C 端產(chǎn)品做得好，傳播不受硬件束縛，沒(méi)有用戶的使用成本障礙，并且不需要下載新的 app，直接在熟悉的 IM 或者 SNS 里實(shí)現(xiàn)過(guò)去用 app 承載的服務(wù)，甚至還能開拓新的形態(tài)……

比起當(dāng)前的其他選擇 AR/VR/IOT / 區(qū)塊鏈，CUI 帶來(lái)的想象空間更大。所以，就有很多人，巨頭小頭沒(méi)頭的都來(lái)嘗試。

對(duì) CUI 的特點(diǎn)的理解決定產(chǎn)品價(jià)值

不可否認(rèn)的，真正的 CUI 產(chǎn)品一定是基于人工智能的自然語(yǔ)言處理的。如何深入利用 CUI 的特點(diǎn)，是產(chǎn)品打造的關(guān)鍵。

話說(shuō)當(dāng)前國(guó)內(nèi)有很多投資人認(rèn)為，只要是做人工智能的團(tuán)隊(duì)，就必須是 MIT，Caltech 出來(lái)的機(jī)器學(xué)習(xí)博士或者是 Google、Facebook AI 團(tuán)隊(duì)的人；如果團(tuán)隊(duì)不是頂級(jí)院校的學(xué)者或者是巨頭出來(lái)的項(xiàng)目帶頭人，就沒(méi)有什么好搞的——這是典型的誤區(qū)，或者說(shuō)對(duì)行業(yè)的理解太淺了。

這種理解基本等于 “聽(tīng)說(shuō)你是計(jì)算機(jī)專業(yè)畢業(yè)的，幫我裝一下電腦吧”這樣的水平。很不幸國(guó)內(nèi)好多年輕點(diǎn)的投資經(jīng)理基本都是這種水平（為什么年紀(jì)大點(diǎn)的不是？因?yàn)樗麄兝斫?“不懂就不要輕易判斷” 這樣的人生道理）。

看不懂本質(zhì)，就看表面，也是不得已。

這里，我非常贊同順為資本孟醒的幾個(gè)觀點(diǎn)：

所謂 “做 AI 的” 也有幾個(gè)類型，底層研發(fā)和做應(yīng)用的是兩碼事。 人工智能的底層交給大公司，小創(chuàng)業(yè)公司可以做點(diǎn)小模塊。而應(yīng)用層則有大量的空間給創(chuàng)業(yè)公司來(lái)實(shí)現(xiàn)商業(yè)化。 “這個(gè)行業(yè)缺 AI 的產(chǎn)品經(jīng)理，不缺一般意義上的明星，特別牛 x 的算法達(dá)人，牛 x 的北京 BAT 出來(lái)的人?！?這方面吳恩達(dá)也有類似的觀點(diǎn)，“人工智能社區(qū)是極其開放的，大多數(shù)頂級(jí)研究者會(huì)出版他們的著作／分享他們的想法甚至開源代碼。因此，在這個(gè)技術(shù)開元環(huán)境下，數(shù)據(jù)和人才就是稀缺的資源?！?/p>

有點(diǎn)跑題了，在這里就強(qiáng)調(diào)一下，CUI 的核心技術(shù)是 AI（不僅限 NLP 后面會(huì)提到）。對(duì) CUI 作為新一代顛覆性人機(jī)交互的理解，才在產(chǎn)品形態(tài)上能發(fā)揮底層技術(shù)的商業(yè)價(jià)值。

最后，再舉個(gè)例子，GUI 的核心突破是技術(shù)大牛（Xerox）帶領(lǐng)的，而其商業(yè)應(yīng)用的發(fā)揚(yáng)光大則是產(chǎn)品經(jīng)理喬布斯從 Xerox 那兒 “偷來(lái)” 的。

1973 年，Xerox 推出第一款 GUI 技術(shù)個(gè)人電腦；在 1983 年，蘋果也推出了他們首款 GUI 電腦 Lisa（喬老爺 “完美借鑒” ）

年輕人不懂就要多看書。

CUI 不可延續(xù) GUI 的特點(diǎn)

為了深入理解這個(gè)問(wèn)題，我們可能要先分析一下，CUI 和 GUI 究竟給用戶體驗(yàn)帶來(lái)什么影響？因?yàn)檫@絕不是現(xiàn)在主流的 “把按鈕變成語(yǔ)言操控” 那么簡(jiǎn)單的事情。

當(dāng)移動(dòng)設(shè)備出現(xiàn)的時(shí)候，大家對(duì)如何在智能手機(jī)上開發(fā)產(chǎn)品還沒(méi)來(lái)得及有深入的了解。所以當(dāng)時(shí)開發(fā)者基本都是從最明顯的地方起步，也就是觸摸代替鍵鼠操作。

早期的大量應(yīng)用，都是從 “如何把 web 縮小到手機(jī)屏幕” 的思路出發(fā)來(lái)設(shè)計(jì) app 的?！@是典型的延續(xù)上一代交互的思路。

隨著開發(fā)者不斷思考和挖掘移動(dòng)端的潛力，慢慢有了對(duì)移動(dòng)端真正的核心特質(zhì)的理解——這些 “圣杯屬性” 才是真正讓移動(dòng)端產(chǎn)品設(shè)計(jì)出眾的要素。比如 “碎片時(shí)間”、“個(gè)人身份綁定”、“LBS” 等等，這些特質(zhì)才是真正讓移動(dòng)產(chǎn)品體現(xiàn)價(jià)值的——這些是完全顛覆上一代交互的屬性。

而且我們發(fā)現(xiàn)這些屬性幾乎跟 “觸摸” 這個(gè)明顯的交互行為沒(méi)有直接關(guān)系。

現(xiàn)在 CUI 出現(xiàn)的時(shí)候，產(chǎn)品經(jīng)理也會(huì)面臨類似的問(wèn)題。當(dāng)前大多數(shù)智能助理的設(shè)計(jì)思路都是 “過(guò)去 app 是怎么用的，我現(xiàn)在用語(yǔ)言來(lái)代替觸摸操作”。好比是用語(yǔ)言來(lái)代替手指去觸摸屏幕，或者是用說(shuō)話來(lái)代替手指打字。

而能讓用戶感覺(jué)真正智能的核心，我認(rèn)為依然藏在 CUI 的 “圣杯屬性” 里，有待大家發(fā)掘。

CUI 的特點(diǎn)：高度個(gè)性化

舉一個(gè)例子，根據(jù)實(shí)際研發(fā)和市場(chǎng)運(yùn)作的經(jīng)驗(yàn)，我們發(fā)現(xiàn)有一個(gè)算得上 “圣杯屬性” 是特質(zhì)是：“高度個(gè)性化”。

在 GUI 時(shí)代，用戶使用產(chǎn)品時(shí)，有一個(gè)可視化的界面，比如找餐廳，我們打開點(diǎn)評(píng)看上去是這樣：

這看上去是一個(gè)大家非常熟悉的界面，只是所有用戶能做的選擇范圍，都明確地顯示在界面上（所見(jiàn)即所選）。找美食，用戶能做的選擇基本就是：附近，類型，智能排序（不點(diǎn)開可能還不知道是什么意思）以及排序。當(dāng)用戶自己不知道該如何決策時(shí)，這些視覺(jué)化框架，給了用戶提示該從這些方面根據(jù)自己的需求來(lái)做篩選和匹配。

但是在智能助理的界面，用戶看到的是這樣的：

用戶對(duì)可以做哪些選擇一無(wú)所知——在沒(méi)有可視化的參考下，面對(duì)如此開放的交互，當(dāng)用戶要找一個(gè)餐廳的時(shí)候，他們提出的要求，大都不在 GUI 設(shè)定的范圍以內(nèi)。

根據(jù)我們實(shí)際操作的經(jīng)驗(yàn)，用戶提出的問(wèn)題是這樣的：

只有 “在外灘附近的” 是之前 GUI 查詢范圍當(dāng)中的，其他需求都是過(guò)去 GUI 類型當(dāng)中不存在的維度。但因?yàn)?CUI 的開放性，用戶很容易給出上面這樣高度個(gè)性化（非結(jié)構(gòu)化）的需求。

如果 GUI 的產(chǎn)品試圖在個(gè)性化同樣給用戶那么多選擇，就不得不面臨用戶使用成本的問(wèn)題。一個(gè)界面可能會(huì)被大量的下拉列表、層級(jí)關(guān)系、各種填空和操作充滿。如此是加深了個(gè)性化程度，但是操作成本會(huì)讓用戶放棄使用。

如果在智能助理的產(chǎn)品設(shè)計(jì)上，不尊重用戶 “高度個(gè)性化” 的需求，只提供過(guò)去 app 本身提供的個(gè)性化程度“在 XX 附近找個(gè) YY 菜”，那么用戶在實(shí)際提需求的時(shí)候得靠運(yùn)氣撞到既定條件上，不然就是無(wú)法識(shí)別的范圍，繼而失望。

另一方面，如果 CUI 只是在做 GUI 范圍內(nèi)的事情，會(huì)遠(yuǎn)不足以顛覆 app。

除此之外，CUI 還有一些專屬的特點(diǎn)。比如：

使用流程非線性：譬如 GUI 是線性的流程，界面引導(dǎo)用戶一步一步走到結(jié)果；而 CUI 則可以是完全無(wú)視先后順序的，用戶可以在最開始就提出到本來(lái)排在最后的條件當(dāng)中。 可避免信息過(guò)載：用戶打開 GUI 的一個(gè)界面，比如點(diǎn)評(píng)上找一個(gè)餐廳，用戶得在一個(gè)列表里去找尋自己最想要的選項(xiàng)（典型的案例是，GUI 讓用戶選擇國(guó)家的時(shí)候那一長(zhǎng)排的列表）。而 CUI 則可以規(guī)避用戶信息過(guò)載，直接給出期望結(jié)果。這個(gè)特點(diǎn)的另一面是，GUI 因此是 informative 的，給不熟悉場(chǎng)景的用戶更多提示，或者比較結(jié)果的機(jī)會(huì)。 復(fù)合動(dòng)作：“明天后天，晚上最便宜的機(jī)票”——從用戶的操作和實(shí)際體驗(yàn)來(lái)看，GUI 無(wú)法一次給出結(jié)果，只能用戶先查一次明天的機(jī)票，再查一次后天的機(jī)票，然后手動(dòng)來(lái)對(duì)比。CUI 完勝——可以直接給出相關(guān)條件的檢索結(jié)果，前提是 AI 足夠優(yōu)秀。 ……

這里只是拋磚引玉，詳細(xì)更多特質(zhì)會(huì)不斷被開發(fā)者發(fā)掘出來(lái)。在這里就不詳細(xì)展開了。在另一篇《人工智能時(shí)代的產(chǎn)品經(jīng)理》文章當(dāng)中，會(huì)做更多關(guān)于 CUI 的分析。

什么樣的 AI Agent 能滿足 C 端的需求？

為什么現(xiàn)在的助理產(chǎn)品都是坑？很多團(tuán)隊(duì)不是底層的算法差，而是團(tuán)隊(duì)對(duì)產(chǎn)品的理解有問(wèn)題。

要滿足 C 端用戶的需求，確實(shí)非常難。

10 次使用，有一次因?yàn)槿我庠虻氖?，用戶心理就?huì)開始有疑慮。從體驗(yàn)上來(lái)看，在用戶熟悉的場(chǎng)景下得全面理解用戶提出的需求；在用戶自身不清楚場(chǎng)景下，得自然的協(xié)助用戶挖掘需求；獲得需求后得幫助用戶做決策，并最終呈現(xiàn)結(jié)果。以此來(lái)看，對(duì)話式的 Agent 得至少滿足以下功能：

具備基于上下文的對(duì)話能力（contextual conversation） 具備理解口語(yǔ)中的邏輯 （logic understanding） 所有能理解的需求，都要有能力履行（full-fulfillment） 基于上下文的對(duì)話能力（contextual conversation）

在當(dāng)前，做助理的產(chǎn)品底層技術(shù)基本都是圍繞 NLU（自然語(yǔ)言理解）打造的，很多還沒(méi)有涉及到 NLP。可是無(wú)論是大公司還是小公司的 NLU 都是讓人失望的。

舉個(gè)簡(jiǎn)單的例子，在大公司的幾個(gè)產(chǎn)品上提出需求：我下周五要去北京，幫我查一下航班。

需要識(shí)別意圖：查機(jī)票 需要識(shí)別 entities：時(shí)間（下周五），目的地（北京），出發(fā)地（無(wú) / 當(dāng)前地理位置）

我們看看結(jié)果，首先看三家的回復(fù)，從左到右分別是蘋果的 Siri，微軟的 Cortana，Google 的 Allo。

沒(méi)有一個(gè)能識(shí)別出來(lái)意圖，全部用關(guān)鍵詞來(lái)檢索網(wǎng)頁(yè) (SERP)。沒(méi)有識(shí)別出意圖，繼而也就沒(méi)有可能識(shí)別 Entity 所在的場(chǎng)景。對(duì)于 C 端用戶而言，這可能算是最基礎(chǔ)的服務(wù)之一，而三大巨頭提供的產(chǎn)品完全不能用。

不過(guò)當(dāng)我們看到國(guó)內(nèi)的創(chuàng)業(yè)公司，卻能按照需求識(shí)別出意圖，并且識(shí)別出對(duì)應(yīng)的 Entity，組合查詢出結(jié)果，看上去比幾個(gè)巨頭更強(qiáng)大。

我們繼續(xù)測(cè)試上下文的對(duì)話。比如，我是國(guó)航的會(huì)員，Agent 給出上面的結(jié)果里沒(méi)有國(guó)航的航班，我自然會(huì)問(wèn)：“ 有沒(méi)有國(guó)航的？”

結(jié)果并沒(méi)有如期望那樣，在給出的列表里找到國(guó)航的航班，而是重新開始了一次查詢。

換一句話來(lái)說(shuō)，沒(méi)有結(jié)合上下文的對(duì)話。我并不是為了黑，事實(shí)上這個(gè)產(chǎn)品在國(guó)內(nèi)的創(chuàng)業(yè)公司中也算不錯(cuò)的技術(shù)了。但是不會(huì)結(jié)合上下文的對(duì)話，會(huì)造成的最嚴(yán)重的問(wèn)題就是這個(gè) Agent 基本不能獨(dú)立完成服務(wù)。因?yàn)橛脩舨粫?huì)在一個(gè)句子里把所有的條件都列出來(lái)。

以上是基本要素，就當(dāng)前的產(chǎn)品形態(tài)來(lái)看，只有非常少的產(chǎn)品能真正做到第一點(diǎn)。大部分號(hào)稱能做到的，都是濫竽充數(shù)，連續(xù)問(wèn)問(wèn)題而已。

不能真正理解上下文的對(duì)話（機(jī)票查詢）：

AGENT： 從哪里出發(fā)？

用戶：上海虹橋機(jī)場(chǎng)。

AGENT：到哪里？

用戶：還是從浦東走吧。

AGENT：好的，從虹橋出發(fā)到浦東的航班是……

在上面的對(duì)話，AI Agent 在問(wèn)第二個(gè)問(wèn)題的時(shí)候，不能理解用戶對(duì)前一個(gè)回答的修改（出發(fā)地從 “虹橋” 改為“浦東”），只是按照預(yù)先設(shè)計(jì)對(duì)話的順序，填上命名實(shí)體識(shí)別得來(lái)的 Entity。繼而查詢不到結(jié)果，給用戶的感覺(jué)就是笨。

真正理解上下文的對(duì)話（機(jī)票查詢）：

Agent：從哪里出發(fā)？

用戶：上海虹橋機(jī)場(chǎng)。

Agent：到哪里？

用戶：算了，從浦東走吧。

Agent：好的，出發(fā)改為浦東。那到達(dá)城市呢？

用戶：北京。

Agent：好的，從浦東到北京的航班是……（給出正確的結(jié)果）

而具備真正上下文理解的對(duì)話，Agent 可以正確理解用戶第二個(gè)回答的內(nèi)容（從浦東走），其實(shí)是在修改上一問(wèn)題的回答（出發(fā)機(jī)場(chǎng)），而不是真的在回答第二個(gè)問(wèn)題（到達(dá)地在哪里）。

這只是上下文的例子，而對(duì)于服務(wù)類 Agent 而言，所有后續(xù)的 NLP 功能都基于上下文對(duì)話為前提。這些看上去其實(shí)都是非常簡(jiǎn)單的需求，但是當(dāng)前沒(méi)有任何一個(gè) 2C 的 Agent 可以做到。

可能有人會(huì)問(wèn)，大部分用戶都應(yīng)該在第一時(shí)間把需求表達(dá)出來(lái)吧，為什么還需要對(duì)話？實(shí)際上，真正操作過(guò)大量案例的同學(xué)就會(huì)發(fā)現(xiàn)，用戶不可能如此” 貼心 “地按照開發(fā)者的設(shè)計(jì)來(lái)提出需求。

“幫我看看下個(gè)星期五去北京，下午 3 點(diǎn)多，從虹橋出發(fā)，國(guó)航的航班?！薄@一類的表達(dá)方式在幾乎從來(lái)沒(méi)有出現(xiàn)過(guò)。哪怕是在用戶最熟悉的場(chǎng)景，也很難確保一個(gè)句子的表達(dá)里包含了所有必須的檢索條件。而且，用戶還會(huì)不停地補(bǔ)充更多個(gè)性化需求。

對(duì)于用戶自己比較了解的場(chǎng)景，如：訂機(jī)票需要提供到達(dá)地，用戶提出的大多數(shù)需求，在最初都非常簡(jiǎn)單，然后逐漸開始細(xì)化。所以需要當(dāng)用戶提出不完整需求的時(shí)候，根據(jù)其意圖，結(jié)合之前已經(jīng)給過(guò)的條件，通過(guò)對(duì)話，向用戶提出問(wèn)題，再獲得答案來(lái)補(bǔ)全剩下還需要的條件，最后再完成服務(wù)。

對(duì)于用戶自己不熟悉的場(chǎng)景，用戶根本就不知道自己該提出哪些方面的需求。如：不懂酒的用戶，想買一瓶合適的威士忌。他就根本很難提出除了價(jià)格以外的需求，比如產(chǎn)地、年份、釀造原料、水源等等。因此，Agent 得以合適的方式來(lái)提問(wèn)，引導(dǎo)用戶給出偏好，并且用對(duì)話提出推薦。

而且對(duì)于 Agent 而言，很難判斷哪些用戶對(duì)服務(wù)的認(rèn)知有多深。如果不做識(shí)別，就容易問(wèn) “老手” 一些 “新手問(wèn)題”，繼而讓老手覺(jué)得我還不如自己下單；而給新手又留下“你在說(shuō)什么我都不懂” 的印象，也是不聰明。

所以要有好的體驗(yàn)，這是非常困難的。而基于上下文的對(duì)話，只是最基礎(chǔ)的用戶需求之一。

理解口語(yǔ)中的邏輯 (logic understanding)

在我們的實(shí)踐中，我們發(fā)現(xiàn)對(duì) “邏輯” 的理解直觀重要。原因也是因?yàn)橛脩舻恼?duì)話，大部分都不是開發(fā)者預(yù)設(shè)那樣的。

再做一個(gè)簡(jiǎn)單的測(cè)試，比如找餐廳，試試：幫我推薦一個(gè)附近的餐廳，不要日本菜。

這是一個(gè)簡(jiǎn)單邏輯，但是你看所有的服務(wù)，這次包括剛剛那個(gè)國(guó)內(nèi)創(chuàng)業(yè)公司 C 一樣，都會(huì)是一個(gè)結(jié)果：全部推薦日本菜。

也讓朋友測(cè)試了亞馬遜 Echo 的 Alexa，結(jié)果也無(wú)法識(shí)別” 不要 “這個(gè)最簡(jiǎn)單的邏輯

這次其實(shí)比剛剛好多了，至少 4 家里面除了 Google Allo，都識(shí)別出來(lái)我的意圖是找餐廳——但是，當(dāng)我明確提出不要日本菜的時(shí)候，給出結(jié)果的三家全部都是日本菜…… 也就是說(shuō) “不要” 兩個(gè)字被完全忽略了。

觀察大量的用戶案例表明，當(dāng)用戶越是個(gè)性化需求強(qiáng)烈的時(shí)候，對(duì)話中出現(xiàn)邏輯和指代關(guān)系的頻次越高。

“有沒(méi)有更便宜的？”

“除了大床房以外的房間有么？”

“后天會(huì)比今天更冷么？”

“就要?jiǎng)倓偟哪莻€(gè) 2 千多的吧?！?/p>

“除了廉價(jià)航空，其他的航班都可以。”

以上這些是提需求的時(shí)候，在對(duì)話中經(jīng)常出現(xiàn)的表達(dá)方式，而且看似簡(jiǎn)單，但是目前沒(méi)有任何一個(gè) NLU 的系統(tǒng)或產(chǎn)品能夠正確的理解。主要的阻礙就是對(duì)邏輯的理解，還有在基于上下文對(duì)話中的指代關(guān)系的理解失敗。

NLP 不是全部，還要有能力履行（API 困境）

NLU 并不是智能助理發(fā)展的瓶頸，供給端的數(shù)據(jù)才是。

我們假設(shè)如果有一個(gè)黑科技出現(xiàn)，使得 NLP 有了極大的進(jìn)步，以至于兩個(gè)條件：

基于上下文場(chǎng)景的對(duì)話； 口語(yǔ)邏輯，都能被理解了，甚至還能基于場(chǎng)景和上下文用 NLG 來(lái)生成各類問(wèn)題——它能理解我們所有講出來(lái)的需求。

在用戶熟悉的范圍內(nèi)，它能結(jié)合所有過(guò)去的對(duì)話、歷史記錄等等內(nèi)部外部條件，幫助用戶盡可能實(shí)現(xiàn) “不用開口，就知道我在這個(gè)的需求”。比如當(dāng)用戶提出 “推薦餐廳的需求”：

用戶：“女朋友周日過(guò)生日，推薦一個(gè)餐廳，找有江景的，最好桌子旁邊有一個(gè)大落地窗戶，能看到外面的夜景。吃的不要太貴，環(huán)境好點(diǎn)，有現(xiàn)場(chǎng)音樂(lè)的最好是爵士，不要太吵的。” （btw，這是一個(gè)真實(shí)需求）

Agent：“菜系有偏好么？”

用戶：“意大利餐和法餐都可以，對(duì)了不要離外灘太遠(yuǎn)了”

Agent 解析出以下選擇餐廳的條件：

周日晚（營(yíng)業(yè)） 適合女朋友過(guò)生日 有江景 有大落地窗 不要太貴 環(huán)境好 有現(xiàn)場(chǎng)音樂(lè)，爵士 不能太吵 意大利餐或者法餐 距離外灘不能太遠(yuǎn)

然后它去哪里找到這樣的餐廳呢？在地圖服務(wù)提供商，或者點(diǎn)評(píng)的 API 提供的信息里只有 8，9 兩項(xiàng)能找到數(shù)據(jù)。假設(shè)評(píng)論中有這樣的數(shù)據(jù)，該用什么方式來(lái)傳遞呢？

接口提供的都是結(jié)構(gòu)化的數(shù)據(jù)，而 “環(huán)境好” 這樣的非結(jié)構(gòu)化數(shù)據(jù)，最多以標(biāo)簽的方式來(lái)做，但是這樣的話，標(biāo)簽就會(huì)無(wú)止境得多也不現(xiàn)實(shí)。

這就是我們所謂的 “API 困境”——當(dāng)前基于 API 的數(shù)據(jù)傳遞方式，只能

承載結(jié)構(gòu)化數(shù)據(jù)； 承載數(shù)量非常有限的結(jié)構(gòu)化數(shù)據(jù)。

當(dāng)前基于 GUI 的產(chǎn)品，都是用 API 來(lái)傳遞結(jié)構(gòu)化數(shù)據(jù)。但大量個(gè)性化數(shù)據(jù)往往是非結(jié)構(gòu)化的，以當(dāng)前 API 的方式很難被處理。這還是在使用場(chǎng)景或者服務(wù)比較簡(jiǎn)單的情況下。

在用戶不熟悉的場(chǎng)景下，Agent 面對(duì)稍微專業(yè)一點(diǎn)的服務(wù)，就會(huì)遇到知識(shí)圖譜的問(wèn)題。簡(jiǎn)單來(lái)講，Agent 要做推薦的前提是對(duì)推薦的內(nèi)容得先有了解。

好比，要向一位不懂酒的用戶推薦一款威士忌，那就不能依賴這位用戶自己提出的問(wèn)題（很可能提不出要求），而得依賴 “懂行” 的自己對(duì)威士忌理解的方方面面來(lái)引導(dǎo)用戶做合適他的選擇。一個(gè)助理顯然無(wú)法擁有所有服務(wù)所需的知識(shí)圖譜。

從知識(shí)圖譜的結(jié)構(gòu)來(lái)看，是相對(duì)可被結(jié)構(gòu)化。一個(gè)服務(wù)可以以各種方式被拆解成多個(gè)方面，但大量的方面在當(dāng)前是沒(méi)有結(jié)構(gòu)化數(shù)據(jù)的（比如我們沒(méi)有每家餐廳的 “營(yíng)業(yè)面積” 數(shù)據(jù)）；甚至很多方面無(wú)法用結(jié)構(gòu)化數(shù)據(jù)來(lái)表達(dá)（比如每家餐廳有否 “適合浪漫約會(huì)” 的環(huán)境）。

因此，智能助理就算有了強(qiáng)大的 NLP，還需要全面的知識(shí)圖譜（結(jié)構(gòu)化數(shù)據(jù)）和處理并傳遞非結(jié)構(gòu)化數(shù)據(jù)的能力——而這兩點(diǎn)，在目前是無(wú)解的。

總結(jié)

在”API 困境” 解決之前，再加上 NLP 本身還有很長(zhǎng)的路要走，基于人工智能的多任務(wù)服務(wù) Agent 不大可能達(dá)到 C 端滿意的水平。

創(chuàng)業(yè)團(tuán)隊(duì)各自最基礎(chǔ)的認(rèn)知計(jì)算的能力不會(huì)有太大的區(qū)別，都是踩在世界頂尖大牛的肩膀上——在這個(gè)領(lǐng)域創(chuàng)業(yè)團(tuán)隊(duì)想和大公司扛正面，不是很理性。

創(chuàng)業(yè)團(tuán)隊(duì)在垂直領(lǐng)域有些自己的技術(shù)突破可以創(chuàng)造一些階段性的優(yōu)勢(shì)，但面對(duì)教育市場(chǎng)的大山而言，這點(diǎn)差異遠(yuǎn)不足以 make a difference。

在各自領(lǐng)域，開發(fā)者對(duì)人工智能相關(guān)技術(shù)的理解和其帶來(lái)的交互層面的有效應(yīng)用，可能會(huì)在垂直商業(yè)應(yīng)用上創(chuàng)造更大的差異——比較起 “95% VS 98% 的識(shí)別率” 而言。

題圖來(lái)源：MSi College

編者按：本文由 Mingke 原創(chuàng)，轉(zhuǎn)載時(shí)已獲作者授權(quán)。轉(zhuǎn)載時(shí)已獲得作者授權(quán)。

我不是針對(duì)誰(shuí)，只是在座現(xiàn)在所有做 C 端智能助理的都是坑。

－ S 先生

對(duì)群嘲做一個(gè)限定

現(xiàn)在：在 “API 困境” 被解決之前（后詳）。 人工智能助理：這里指的是Intelligent Personal Assistant/Agent (IPA)又稱為 Virtual Personal Assistant/Agent(VPA)——幫助個(gè)人完成多項(xiàng)任務(wù)或多項(xiàng)服務(wù)的虛擬助理，當(dāng)前討論的核心驅(qū)動(dòng)力是人工智能。（什么你說(shuō)用人來(lái)做處理單元？那是呼叫中心，也叫客服，最看不起掛羊頭賣狗肉的了。） 在座：不止是創(chuàng)業(yè)公司，大公司也搞不定，國(guó)內(nèi)國(guó)外無(wú)所謂。 都是坑：創(chuàng)業(yè)公司做消費(fèi)端的虛擬助理，一定無(wú)法實(shí)現(xiàn)消費(fèi)級(jí)產(chǎn)品效果。對(duì)于巨頭也是，我相信大部分的相關(guān)負(fù)責(zé)人都以 “進(jìn)步” 為目標(biāo)，而不敢跟自家 CEO 擔(dān)保要以 “搞定” 為目標(biāo)。 什么是智能助理？ 智能助理屬于對(duì)話式服務(wù)

兩者的邊界不是很清晰，智能助理的功能在前面解釋過(guò)了；而 “對(duì)話式服務(wù)（Conversational Service/Commerce）”——這是包含智能助理在內(nèi)的多個(gè)產(chǎn)品形態(tài)統(tǒng)稱，核心特點(diǎn)是：

對(duì)話式：人機(jī)交互的方式由圖形化交互（GUI-Graphical User Interface）變?yōu)橐詫?duì)話作為交互方式（CUI-Conversational User Interface 業(yè)界暫時(shí)還沒(méi)有定義，這是我自己瞎編的），就是用說(shuō)話來(lái)代替觸摸或者鼠標(biāo)，操作計(jì)算設(shè)備。 服務(wù)：提供服務(wù)，解決問(wèn)題都算，如訂機(jī)票，購(gòu)買禮物等。不包括信息查詢（如天氣）。

Facebook M, 真人和 AI 結(jié)合的服務(wù)

去年（2015）起來(lái)的這一波對(duì)話式服務(wù)在硅谷有多火？看看創(chuàng)業(yè)團(tuán)隊(duì)增長(zhǎng)的數(shù)量就知道了：2015 年的時(shí)候有 129 個(gè)類似的項(xiàng)目出現(xiàn)，而 14 年的時(shí)候才 42 個(gè)。

Tracxn Report：Conversational Commerce

在各類科技博客上，對(duì)Conversational Commerce的討論也非常熱烈，尤其是在medium.com上有大量的探討?；镜挠^點(diǎn)就是” 對(duì)話式的交互將會(huì)成為下一個(gè)風(fēng)口，大家趕緊上?。　?。截止到 2016 年 6 月的時(shí)候，在Producthunt 上標(biāo)記為對(duì)話式服務(wù)（ConvComm）的有一百多個(gè)創(chuàng)業(yè)項(xiàng)目。

除了智能助理以外，還有很多類似的概念如 Digital Agent、Bot、Service Bot、 Chatbot、P2P 的電商。比如 Operator 現(xiàn)在用真人專家?guī)陀脩糇鱿M(fèi)決策，在過(guò)去嘗試過(guò)用 Bot/AI 但可惜達(dá)不到效果，或者 Magic 模式，完全是靠” 真人幫懶人用 app“驅(qū)動(dòng)運(yùn)營(yíng)。

本文主要討論的是基于人工智能的智能助理——就像 IBM 提到的一樣，只有如此才能真正規(guī)?；?/p>

智能助理應(yīng)該解決服務(wù)需求

巨頭的人工智能助理基本都已亮相了：

Facebook M Amazon Echo Google Assistant，Allo Apple Siri IBM Watson Microsoft Cortana

以上智能助理的服務(wù)范圍大都是在信息檢索，幫助用戶獲得資訊。絕大多數(shù)的內(nèi)容是不牽涉 “推理” 的查詢類信息服務(wù)。比如：

明天的天氣 找附近的星巴克 蘋果的股票信息 ……

如果用戶問(wèn)到在基礎(chǔ)信息以上，一旦牽涉推理的問(wèn)題，就無(wú)能為力了。比如：

明天這個(gè)天氣狀況會(huì)造成航班延誤么？ 附近的星巴克可以用支付寶么？ 我什么時(shí)候該買蘋果的股票？

使用體驗(yàn)方面，這些助理的服務(wù)范圍覆蓋面基本跟當(dāng)前所有引擎一樣。在設(shè)計(jì)邏輯上，基本都是基于用命名實(shí)體識(shí)別來(lái)代替打字輸入關(guān)鍵詞然后返回檢索結(jié)果 SERP。而信息檢索，離人們要完成的服務(wù)需求有很大的區(qū)別。

就好像 Viv.ai 的聯(lián)合創(chuàng)始人Dag Kittlaus 說(shuō)的，當(dāng)初他創(chuàng)建 Siri 的時(shí)候，是想要重新挑戰(zhàn)移動(dòng)服務(wù)，而不是造一個(gè) Chatbot。

Dag Kittlaus（中間）

除此以外，巨頭的助理與其關(guān)聯(lián)生態(tài)產(chǎn)生的操作關(guān)聯(lián)。比如 Siri 對(duì) iOS 和 macOS 的操作；Cortana 對(duì) Windows 的操作；Echo 對(duì)關(guān)聯(lián)智能家居設(shè)備的操作等等。此類操作的一個(gè)特點(diǎn)，是對(duì)結(jié)果非常的確定，出現(xiàn)個(gè)性化選擇范圍非常的少。

另一方面，對(duì)于創(chuàng)業(yè)項(xiàng)目而言，因?yàn)椴痪邆漕愃频纳鷳B(tài)和硬件入口條件，大都定位在資訊和服務(wù)上。我們選擇 Producthunt 當(dāng)中排在最前 150 位的項(xiàng)目進(jìn)行分析，其中高達(dá) 70% 的項(xiàng)目定位都在 2C 的個(gè)人助理（Agent）上，其中大部分都想做切入服務(wù)，包括垂直類的和多任務(wù)的。

這些助理服務(wù)當(dāng)中有 23.1% 是專業(yè)類型的服務(wù)，主要是在醫(yī)療和理財(cái)方面。而剩下來(lái) 76.9% 的助理，干得最多的活兒是生活綜合幫助、出行安排、日程管理、購(gòu)物訂餐廳等等——這一類是坑最大的地方——特別是那些試圖把生活上各種服務(wù)都打包進(jìn)去的產(chǎn)品。

Producthunt 上面 69.7% 的對(duì)話式服務(wù)都是智能助理產(chǎn)品（但并非所有都具備 AI）

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。