编译丨拓扑社 原野

　　聊天机器人的概念现在炙手可热。因为越来越多人意识到，进入数字世界的最好入口就是通讯应用，而聊天机器人就是这个入口的守门卫士。它的表现，将直接决定着我们到底采用哪款通讯应用，哪种技术架构，哪种软件生态。

　　但，疑问还是存在着。在聊天机器人的语境中，人工智能究竟又意味着什么？所谓的机器学习以及自然语言处理，又会在这个版图中各自找到怎样的定位和角色？你该如何让你的聊天机器人变得更加“智能”呢？

　　我们不可能期盼明天就出来个如星球大战一样的会说话的仿真机器人，现在拥有的至多是一个能够不断学习，试着与人互动的软件而已。从此出发，它的演化将依循怎样的路径，这完全有赖于我们对“智能”二字的定义。今天，就让我们来聊聊聊天机器人的未来。

　　让我们先来回顾一下聊天机器人短暂的发展历程在纯计算机学的专业论述当中，我们现在口中的“聊天机器人”其实被称之为“chatterbots”。它们是基于人工智能而衍生出来的一些有待研究的学科项目，只是因为“图灵测试”这个概念才逐渐为越来越多的人所熟知。

　　在概念不断普及，开奖，流行的同时，还专门设立了罗布纳奖（Loebner Prize）。纽约的慈善家Hugh Loebner 在 1991 年组织了首次正式的图灵测试。从1991年起，每年举行一次这样的竞赛，哪个计算机的反应与人类的反应最难区别，哪个计算机将获得 100000 美元的奖金和一块金牌。迄今为止，奖牌争夺战仍在进行中。此外，每年还会给予相对来说最像人类的计算机2000美元的奖金和一块铜牌。对于热衷人工智能的人来说，罗布纳奖(Loebner prize)的比赛已经成了每年重要的赛事。

　　而到了今天我们大家所说的“聊天机器人”，其内涵和形式有了进一步的丰富和提升。我们现在使用的是诸如 Siri、Google Now、Alexa、或者 Cortana 这样的数字助手。它们通过利用其无限广博的信息量，对你所提出的某个问题给予回答。它们能够将你随意打出来的一段文本转化成为结构化的数据，使之在系统内部解读成为一段请求，生成答案之后，再将这个答案转化成为语音或者文字。

　　如今，这样一串复杂的流程确实看起来有点“智能”的意思了。为什么这么说？因为针对一个请求，它们有能力持续不断地提供大量的相关信息，使之能够完成你的目标。

　　对一款聊天机器人“智能”的定义让我们换一个稍微技术一点的角度：从学术上来看，机器人是一个智能工具，它有着一个明确的目标，并且自发的进入到一个“感知-思考-行动”的循环当中来取得这个目标。这句话又是什么意思呢？

　　它能够在一定的情境下，选择并完成这个目标，这本身就是一个极度复杂，难以实现的科研难题。它不仅仅需要的是理性，还要兼备一定的情绪，一定的社会化互动才行。

　　感知-思考-行动，这三个环节所组成的流程：

　　流程的第一个阶段是感知，它需要感知它所处的环境，获取到足够多的信息，以便于去执行某一项任务。目前的聊天机器人其实要处理的任务超级简单，它只需要理解你所输入的信息就好了。但是如果我们往深处去理解，如果我们现在在开发一款真正的机器人，那么光是感知这个环节就足够具有挑战性，因为它需要具备所有世界最顶尖的传感器才可以做到。

　　第二步是思考。思考分为下面的几部分：1）将所收到的信息转化成一种机器能够理解的形式；2）将这个信息存储在信息库中，使之可以进行分析；3）基于之前所存储的信息，结合刚刚获取到的新信息，使机器人目前的状态获得刷新；4）在基于所有信息的基础上去做决策（往往是迈向一个之前已经设定好的目标）；5）将这个决策转化为一种机器能够执行的行动。

　　鉴于最近“深度学习”概念的不断深入人心，神经网络具有的强大威力，人们越来越知道机器是可以实现“学习”这个行为的。学习使得智能机器可以从它们所接收的信息当中发现各种模式，并以合适的方式进行回应。但是，很多人就片面地将“学习”跟“人工智能”等同了起来。“学习”只是“思考”的组成部分而已。