進(jìn)擊的人工智能：從產(chǎn)品角度，深度解析「對話機(jī)器人」
今天，擁有對話能力的機(jī)器人，被逐漸認(rèn)為是一種核心智能，是否能夠流利地完成對話，可被視作這款機(jī)器人是否真正擁有智能的唯一憑證。
從可以追溯的歷史資料來看，對話機(jī)器人（chat-bot）至少在上世紀(jì)六十年代就已經(jīng)問世，經(jīng)過近五六十年的發(fā)展，今天我們已經(jīng)可以在許多產(chǎn)品中看到對話機(jī)器人的影子，微軟的Cortana、小冰，蘋果的Siri、GoogleNow、阿里小蜜、百度度秘、圖靈機(jī)器人、助理來也、出門問問等等。
可以肯定的是：對話機(jī)器人已經(jīng)成為了一種業(yè)界時尚，越來越多的公司試圖通過這種全新的交互形式，來優(yōu)化或者升級自己產(chǎn)品我們已經(jīng)可以在許多的產(chǎn)品中看到各種名為小X機(jī)器人的子產(chǎn)品。
如此多的對話機(jī)器人很容易給人一種百花齊放、方興未艾的感覺。我們可能會隱約覺得：每家的對話機(jī)器人產(chǎn)品都大同小異，有些家的產(chǎn)品會有一些別樣的特征，可是終究給人一種不屬于過去十年移動互聯(lián)網(wǎng)發(fā)展的感覺這些對話機(jī)器人似乎都還處在很早期，用戶量似乎都不大，顯得都有些小眾。
我將試圖站在純產(chǎn)品的視角分析：一款產(chǎn)品對話機(jī)器人背后，需求和產(chǎn)品邏輯是怎樣的（文中我無意去對比各家對話機(jī)器人的優(yōu)劣，也不討論某款對話機(jī)器人的產(chǎn)品觀或方法論）。
一、探索對話行為背后的需求
首先，我們試圖探索對話這一行為的場景與背后的需求。
在《人類簡史》一書中，認(rèn)為語言能力是智人區(qū)別于其他猿類最重要的特質(zhì)和能力；因為語言能力，智人可以互相通過對話而形成更豐富的交互，從而才有了協(xié)作和后來的文明。
人類有三種最直接的方式來使用語言：一對零、一對多、一對一。
一對零是自我內(nèi)化的反思、總結(jié)、沉淀，不向外做交互和分享。
一對多是廣播式的宣講和相對單向的輸出，譬如開大會或者發(fā)號施令。
一對一是對話群聊也是由許多的一對一構(gòu)成的，所以我認(rèn)為不存在真正意義上的多對多對話。我認(rèn)為對話是我們?nèi)伺c外界進(jìn)行交互的最直接即時的途徑（注意即時很重要）。
所謂對話，一定是一個雙方交互行為，并且互為I/O（input/output）的過程。比如兩個人對話，每個人所說的話，對于自己而言是輸出，對于對方而言是輸入。原則上，對話可以永遠(yuǎn)持續(xù)下去。
但我們幾乎從未見過兩個人會永遠(yuǎn)在對話，那是因為：如果需要對話持續(xù)下去，雙方都需要保持參與；任何一方覺得疲勞或者無價值感了，對話就會終止。
對話的場景更加貼近我們的生活行為，它頻次最高，且環(huán)境開放多變，分析它背后的需求并不容易。現(xiàn)在，我們需要回答兩個問題：
1.1第一個問題：對話為什么能夠開始？
我認(rèn)為人在對話中存在三個層面的需求。
第一層，是基礎(chǔ)問答的需求。可以描述為：
我有一個問題，請你回答我。
二次追問的問題，屬于新問題。這個過程，非常類似于我們今天所使用的搜索引擎。
第二層，是任務(wù)流程協(xié)作的需求，以達(dá)成某種目的為止。可以描述為：我想請你幫我買一張明天下午14:00-18:00出發(fā)，北京到上海的機(jī)票；經(jīng)濟(jì)艙，盡可能便宜，最好是東航的。我們和朋友相約去逛街，拜托同事幫忙預(yù)定會議室，接受閨蜜的請求明早叫她起床。
這些都是任務(wù)流程協(xié)作的需求。
第三層，是共同的情感建立，無論喜怒哀樂。聊天的目標(biāo)很難定量量化，我們更多是嘗試定性地去制定聊天的目標(biāo)。可能是心情不好需要人陪，也可能是好事情需要向好朋友分享，我們需要對話來表達(dá)進(jìn)行最直接即時的表達(dá)。
我并不認(rèn)為只有孤獨的情感才需要對話人作為擁有萬年發(fā)展歷程的群居動物，與他人進(jìn)行情感分享是早已刻入基因的特質(zhì)。只是我們建立的情感在不同人之間會有所不同，對于信任之人的情感建立會很深刻，而對于點頭之交則會保留許多。
開啟一段對話一定源自上述的某種需求，而開啟的契機(jī)則是一個相對明確的話題，哪怕只是一句我餓了。
1.2第二個問題：對話為什么會持續(xù)？
對話能夠持續(xù)，是有兩個層面的原因。
第一個原因，是至少一方的需求沒有得到滿足。比如我去提問題，對方回答我不滿意，我就會持續(xù)追問。兩個女生在一起聊八卦，聽的人很入神，講的人才有成就感能繼續(xù)講下去。
第二個原因，是雙方相對平等。如果我提了個問題，或者請對方幫個忙，但是對方始終是一種高姿態(tài)不搭理我，那我就很容易放棄，不想聊了。反過來，如果對方對我過分尊敬，總在說一些沒有營養(yǎng)的恭維拍馬屁的話，時間久了，我也會變得更虛榮，而且會覺得很無聊。所以，人不會和自己階層或者品味相差太多的人聊天，絕大多數(shù)人更不會和寵物長時間聊天。
對話會終止，最根本的原因是：雙方都放棄了這輪對話。
感性一些來描述對話終止的原因，可以認(rèn)為是雙方都覺得疲憊了，也就是這一輪對話的能耗消耗殆盡；哪怕是情侶之間說甜言蜜語，聊個兩三千句也會覺得累了，也會在十幾個回合的互道晚安中結(jié)束本次對話。
所以，對話總會終止，能耗殆盡就會終止。
二、對話機(jī)器人產(chǎn)品的發(fā)展源自搜索引擎
在我以前的文章《進(jìn)階之路：站在高視角看產(chǎn)品是一種怎樣的體驗》中，講述過一個概念，簡單說：現(xiàn)在我明白一件事情，但是要完整清楚的講授給你，是很難的；因為我們所擁有的知識背景不同，我們對同一件事情的理解不同。這也就解釋了為什么很多老師在上課的時候索然無味，很多人做Presentation的時候顯得蒼白無力。
一個很大的問題，就是每當(dāng)我們接觸到一個陌生事物時，都會和自己的背景知識進(jìn)行類比。譬如對于長發(fā)飄飄的素顏美女，在我所知中，這類美女一般都是家境不錯，待人溫柔，家教優(yōu)良。所以當(dāng)我再次見到一個類似的美女時，我會做相似的第一印象類比。
不只是美女，我們幾乎所有的認(rèn)知都源自于過往的背景知識。
在人類發(fā)展的歷史上，對于即時的問答需求幾乎時時刻刻都存在。最早大家是詢問部落中最年長的智者，后來大家互相都有了知識儲備，就可以通過對話來進(jìn)行基本的問答和辯論這一個過程持續(xù)了千萬年。同一個問題，最早時只能去問一個人，得到一個答案；到后來，可以去問很多人，得到許多答案，然后擇其善者而從之。如果我能把所有人都問一遍，可能會得到一個巨大的答案集合；我需要過濾、排序、取舍，工業(yè)機(jī)器人維修，你發(fā)現(xiàn)，這個過程就是搜索引擎。我們使用搜索引擎時，是通過一個輸入框輸入想問的問題或者關(guān)鍵詞，然后搜索引擎會丟給我一個經(jīng)過相關(guān)性排序和優(yōu)化的答案集合。
但我認(rèn)為兩個原因，會導(dǎo)致搜索引擎會逐漸向?qū)υ挋C(jī)器人演變。
2.1其一：精準(zhǔn)答案的需求愈發(fā)旺盛