讓我們從聊天機械人可以做什麼開始。 CNN聊天機械人可以幫助用戶檢索新聞。 你告訴CNN機械人你感興趣的內容，無論是夏季奧運會還是美國總統大選，它都會很樂意挑選新聞報導。 迪士尼不斷運用機械人發佈它的電影，例如Zootopia bot，讓你發現和解決犯罪。 您可以與小豬小豬機械人交談，以更多地了解她！ Hyatt酒店的機械人可以與您討論您的預訂狀態，入住時間，可用設施和價格。 Hello Jarvis bot是個人助理，Healthtap回答有關醫療事故的問題（yikes！）。聊天機械人可以聊天氣（雨衣），股票市場（金融機器人），購物（諾德斯特龍），旅行(Kayak）和幾乎任何在陽光底下的事情。 你甚至可以使用Chatbot進行隨機聊天來創建故事或消磨時間。
這只是冰山一角。 上面的例子只是一個使用Facebook的聊天機械人中的少數例子。 隨著Facebook上已經有成千上萬的機械人，每天都會增加分數，新的使者正在增加這項功能。
今天可用的機械人數量證明了企業看到了龐大的潛力。
這一切是如何開始的？
一些最早的Chatbot軟件是ELIZA和SmarterChild。 伊麗莎與治療師一起編寫了聊天反應，詢問用戶對它們所說的話的感受。 展望未來，SmarterChild是今日聊天機械人創造的第一個聊天程式。 它展示了通過信式接口接駁數據庫資料的可能性。 克里斯梅西納被認為對Chatbot繁榮做出了巨大貢獻。 他目前是Uber的開發者經驗領導者。 他的價值主張很簡單：在所有平台上都可以使用Uber，這樣用戶就可以根據自己的選擇預定一輛汽車。 儘管Chatbot的故事似乎已經開始了，但Chatbot的故事從ELIZA開始，到Siri和Cortana等現代會話界面已經有了很長的路要走
什麼是一個好的機械人？
就像名稱所示，機械人與人聊天。 大多數人都可以通過信息與其他人聊天。 因此，最好的機械人就是那種表現得最像人類的機械人。 一個普遍接受的機械人基準測試是圖靈測試，其中有3名玩家。 第一個玩家與另外兩個玩家對話，其中一個是人類，另一個是聊天機械人。 在5分鐘內，第一個玩家必須在他們之間做出選擇，並說出哪個是人類，哪個是機械人。 Alan Turing聲稱，一個好的聊天機械人有七成的時間像人類的讚許
還在等什麼
Messenger服務開始看起來像下一代UI，取代了應用程式和網站, 企業正在響應。 為了鞏固其在信息環境中的地位，Facebook最近斥資220億美元收購了WhatsApp。 花費了大量的金錢，我們可以認為Facebook在這個行業看到了巨大的潛力。
我們總是聽到那些千禧一代是社交媒體的一代。 然而，近年來，他們對消息應用程式的依賴已經遠遠超過了他們對社交媒體的依賴。 據Business Insider Intelligence報導，近幾年排名前四的消息應用程式已經成為前四大社交媒體平台，並且已經成為智能手機用戶中最受歡迎的兩款應用程式。 隨著我們向前發展，社交媒體和信息服務採用之間的差距將繼續增長。
由於人們在通訊應用程式中花費了很多時間，因此這些應用程式被視為廣告的最佳媒體，並且最近也被廣泛用於開展業務並提供客戶支援。 聊天機械人的時代已經正式降臨！
聊天機器人背後的科學
A Chatbot is a computer program that behaves like a human, that is a classic definition of artificial intelligence. That classic definition is actually an oversimplification as there are a couple of AI technologies at the heart of the chatbot:
自然語言處理（NLP）
雖然自然語言處理涵蓋了大量主題，但我們可以透過類比一個人學習新語言來最好地理解它。剛接觸某種語言的人可以在閱讀或聽到單字時理解他們所知道的單字的意思。同樣，聊天機器人只能理解輸入到其字典中的單字。雖然將整個英語詞典輸入聊天機器人程式非常容易，但告訴它如何將不同的單字組合成句子則困難得多。讓機器學習文法更加困難（並不是說人類學習文法很容易！）。與人類不同，機器人如果沒有被編程，就無法理解單字的不同上下文用法。自然語言處理是電腦程式理解常見書面和口語的能力的名稱。程式對句子的理解越好，它可以為使用者提供的回應品質就越高。
如今 NLP 最好的例子之一就是它在 Google 搜尋中的應用程式。在Google中輸入類似「西雅圖的天氣怎麼樣」的內容，Google將在頁面頂部的漂亮卡片中提供天氣資訊。輸入“西雅圖下雨的可能性有多大”，它會給你相同的結果。這是自然語言處理實踐的一個很好的例子。 Google bot 的 NLP 程式設計已經足夠成熟，可以理解，儘管問題和措辭略有不同，但這兩種情況都要求它提取同一組資訊。
為了實現良好的 NLP，聊天機器人會手動輸入所有常見問題和答案的可想到的變體。然後編寫演算法來幫助機器人適應同義詞，並為模糊匹配留下範圍，因為人們通常會以多種方式提出相同的問題。
機器學習（ML）
機器學習是計算機無需任何硬編碼即可自行學習的能力。值得一提的是，現今市面上絕大多數的聊天機器人可能都沒有使用機器學習。大多數都使用基於檢索的模型，其中可能的問題和答案被硬編碼成類似流程圖的結構。因此，當今大多數的聊天機器人並沒有真正學習使用機器學習來回答問題，而是仍在學習在 NLP 的幫助下更好地理解問題。對於使用 IBM Watson 或 Google Assistant 等機器學習的聊天機器人來說，不同之處在於它們有更多的資料可供處理和訓練。今天和不久的將來開發的一些聊天機器人將使用一種稱為「監督學習」的過程進行機器學習。
簡而言之，機器人針對不同問題給出的答案通常由人類操作員根據準確性進行評級，然後回饋給機器人。因此，機器人不斷學習問題的正確和錯誤答案，並不斷改進其答案。它將正確的答案儲存在記憶體中並拒絕錯誤的答案。
機器學習可能是聊天機器人最重要的方面，如果沒有機器學習，機器人將保持最初的聰明或愚蠢，直到手動更改其程式碼。
情緒分析
儘管機器學習對於聊天機器人隨著時間的推移擴展其回應詞典至關重要，並且 NLP 有助於理解用戶輸入的問題和陳述，但這兩者不足以讓聊天機器人在對話中獲得完整的上下文理解。
對於任何在客戶服務領域工作過一段時間的人來說，你對客戶的回應方式在很大程度上取決於他們當時的情緒狀態。我們生活在一個消費者可以透過公共管道輕鬆向公司表達不滿的時代，因此了解客戶何時過熱並提供額外的讓步對於成功管理客戶關係至關重要。
NLP 獲取一個句子並將其分解為編碼元素以使聊天機器人能夠理解內容，而情感分析則試圖在情感尺度上對一個句子或一系列句子的上下文進行從完全積極到完全消極的評估。當用戶添加這句話時，每個人都會聽到貴公司為我提供的服務類型，這在 NLP 中沒有任何影響。然而，情緒分析會將陳述與先前的對話結合起來，並決定是用謝謝回應還是進入損害控制模式。
測試
測試是任何應用程式開發的基石，對於後應用程式時代也是如此。無論您打算在哪裡使用聊天機器人，在任何聊天機器人在其實時版本中啟動之前都必須進行測試。如果意圖有足夠的現有訊息與提供給意圖的範例數據相匹配，並且如果您不需要記住提供給機器人的過去數據，那麼沒有機器學習的聊天機器人中的意圖可以很好地完成這項工作。但很可能，您的目標將需要一些機器學習，因為人類輸入可能會以您可能無意的方式出現，拼寫錯誤和數據，如果機器人在對話早期沒有記住這些數據，如果人類用戶需要背誦過去的數據，很可能會破壞對話的流程。這將使他們陷入一個對話循環，如果不強迫使用者改變對話主題，就很難擺脫這個循環。
在您對當前意圖感到滿意後，測試包括 3 個主要方法，它們是：
- 訓練
- 置信度調整
- 對話式測試
要真正使用聊天機器人來實現目標，您可以：
當然，您可以自己構建，或僱用其他人為您做。但每種方法都有優點和缺點。如果您自己建造它，您製作的 NLP 或您使用的第三方 NLP 將需要測試模組來允許您訓練機器人。如果您聘請了第三方為您建立聊天機器人，請事先詢問他們的測試方法包括哪些內容。任何真正的聊天機器人機構或合約開發人員都會告訴您有關範例資料意圖和機器學習置信度的機器人培訓資訊。
