假设你刚刚招了一位真人助理，他自带完美的 NLP，能听懂你所有的话，也能正常和你对话。然后你跟助理说，「去给 Samantha 买花」，讲出来的字就那么几个，他都听懂了，但是他会怎么去分解这个问题、完成这个任务呢？买什么花？预算是多少？什么时候买？哪家花店好？什么时候送到？Smantha是谁？地址是哪里？等等。这些问题都需要决策。这个时候如果是一个很蠢的助理，他就会一个一个问题来问你——而更蠢的助理则根本没有考虑到这些方面。

在做对话系统服务时，会遇到同样的问题。机器是需要理解到 Context 才能正确地执行命令，也就是需要很多的场景相关的信息去帮助理解，而不只是对话上的上下文。最优秀的助理应该是听到「给 Samantha 买花」这个命令就可以完成任务了，当然新来的助理一定搞不定，哪怕他很聪明，但他缺少对用户的了解。这里就涉及到大量的场景相关的数据和知识表达的问题。

所以一个简单「给 Samantha 买花」这个问题里，对话系统的核心并不是对话。如果有一个产品做到了并且做出了更好的效果，产品的过人之处一定不仅仅是在命令语句的理解上。

要让 AI 用对话完成任务，理论上，我比较认同 Hofstadter* 的一些观点。人讲语言总是在尝试去最精妙的方式用最小成本的表达自己所处环境的本质。而本质来自于对环境的感知后的处理，前提是对环境的全面感知，而不只 NLP 来处理「说出来的话」（而目前 NLP 离完美处理还差得很远）。

编者注：Hofstadter 对人工智能，Cognitive Science（认知科学）,Computer Science （电脑技术）都有着独树一帜的研究。他的著作有 GEB （一条永恒的金带）、Fluid Concepts and Creative Analogies、Metamagical Themas（他在 Scientific American 上发表的文章的总集）Hofstadter 对一些项目的缘起、设计，所研究的课题的本质，都有清晰的描述和给人以启发的讨论。

拿餐厅推荐来举例，用户的命令「帮我给 Samantha 定一个吃完饭的地方」，给到的对话信息只有上面几个字，但实际上用户的潜意识里面认为他要，或者已经传达的信息远不止这些。如果机器没办法识别出哪些是用户认为自己已经传达了的信息，那在完成任务的时候就不会去处理相关信息。因为机器一旦漏掉了这些信息，那机器反馈出来的东西就是低于用户的期望的，继而用户就会继续发问。于是机器又重复一次刚才的失败。几次之后，用户就会觉得你是智障，继而就不会使用。

以上这些问题是很难用基于统计的机器学习、或者用过去GUI产品所积累的结构化的大数据来跑模型来解决的。因为过去产品里被交换的数据（对话内容）远没有覆盖整个任务处理的考虑因素。

举个例子，有人认为很多系统已经积累了大量的数据，比如说「饿了吗」 app。假设它积累了一个大学生四年来点餐「鱼香肉丝」的数据。当这个用户今年毕业后找到了很好的工作，决定请女友好好庆祝一下，这个时候饿了么应该根据这个用户的历史数据 推荐什么餐厅呢？

而且这些还都是数据的问题，跟 NLP 没有半点关系。

圣杯属性是 CUI 交互过程中很重要的特点。那么好的 CUI 产品会有什么样特点？

第一，抽象的概念。好的 CUI 系统应该是尽量直接解决用户的问题而让用户忽略过程。因此用对话能跑几轮来判断任务系统的好坏是毫无意义的。终极效果是「我不用说，你就明白」。

第二，Context 的概念。通常在 NLP 里被理解成语义上的「上下文」，而我这里指的是场景。一个对话发生之前 Context 就已经产生了。当你跟一个人见面的时候，一句话还没讲，但是很多信息就已经出来了。这些信息与文字无关，而且是隐蔽的看不到的，但是它是存在的。好的 CUI 系统需要判断对话会包含哪些元素，怎么去找出这些元素，然后把悄无声息的把他们解决掉。

第三，个性化的概念。因为没有可视化界面的，所以用户对 CUI 产品提的需求都是高度个性化的。并且这个「个性化」有别于 过去 GUI 产品常见的基于用户画像的个性化。它是动态的，很多个方面随着时间和空间是在不断发展并不停与外部条件妥协的综合结果。

AI 时代的产品经理是一个新物种，市面上没有现成的。

AI 时代是人文和科技的 2.0 时代，对产品经理的要求更高。需要比过去做GUI时更加理解人性，另一方面对技术的理解的要求也会更高。

「AI 时代的产品经理」话题下的更多嘉宾观点：

深度 | 王守崑：AI 时代，产品经理的机遇和挑战

鲍捷：人工智能的可演进性，要从小事做起