进击的人工智能：从产品角度，深度解析「对话机器人」

今天，拥有对话能力的机器人，被逐渐认为是一种核心智能，是否能够流利地完成对话，可被视作这款机器人是否真正拥有智能的唯一凭证。

从可以追溯的历史资料来看，对话机器人（chat-bot）至少在上世纪六十年代就已经问世，经过近五六十年的发展，今天我们已经可以在许多产品中看到对话机器人的影子，微软的Cortana、小冰，苹果的Siri、GoogleNow、阿里小蜜、百度度秘、图灵机器人、助理来也、出门问问等等。

可以肯定的是：对话机器人已经成为了一种业界时尚，越来越多的公司试图通过这种全新的交互形式，来优化或者升级自己产品我们已经可以在许多的产品中看到各种名为小X机器人的子产品。

如此多的对话机器人很容易给人一种百花齐放、方兴未艾的感觉。我们可能会隐约觉得：每家的对话机器人产品都大同小异，有些家的产品会有一些别样的特征，可是终究给人一种不属于过去十年移动互联网发展的感觉这些对话机器人似乎都还处在很早期，用户量似乎都不大，显得都有些小众。

我将试图站在纯产品的视角分析：一款产品对话机器人背后，需求和产品逻辑是怎样的（文中我无意去对比各家对话机器人的优劣，也不讨论某款对话机器人的产品观或方法论）。

一、探索对话行为背后的需求

首先，我们试图探索对话这一行为的场景与背后的需求。

在《人类简史》一书中，认为语言能力是智人区别于其他猿类最重要的特质和能力；因为语言能力，智人可以互相通过对话而形成更丰富的交互，从而才有了协作和后来的文明。

人类有三种最直接的方式来使用语言：一对零、一对多、一对一。

一对零是自我内化的反思、总结、沉淀，不向外做交互和分享。

一对多是广播式的宣讲和相对单向的输出，譬如开大会或者发号施令。

一对一是对话群聊也是由许多的一对一构成的，所以我认为不存在真正意义上的多对多对话。我认为对话是我们人与外界进行交互的最直接即时的途径（注意即时很重要）。

所谓对话，一定是一个双方交互行为，并且互为I/O（input/output）的过程。比如两个人对话，每个人所说的话，对于自己而言是输出，对于对方而言是输入。原则上，对话可以永远持续下去。

但我们几乎从未见过两个人会永远在对话，那是因为：如果需要对话持续下去，双方都需要保持参与；任何一方觉得疲劳或者无价值感了，对话就会终止。

对话的场景更加贴近我们的生活行为，它频次最高，且环境开放多变，分析它背后的需求并不容易。现在，我们需要回答两个问题：

1.1第一个问题：对话为什么能够开始？

我认为人在对话中存在三个层面的需求。

第一层，是基础问答的需求。可以描述为：

我有一个问题，请你回答我。

二次追问的问题，属于新问题。这个过程，非常类似于我们今天所使用的搜索引擎。

第二层，是任务流程协作的需求，以达成某种目的为止。可以描述为：我想请你帮我买一张明天下午14:00-18:00出发，北京到上海的机票；经济舱，尽可能便宜，最好是东航的。我们和朋友相约去逛街，拜托同事帮忙预定会议室，接受闺蜜的请求明早叫她起床。

这些都是任务流程协作的需求。

第三层，是共同的情感建立，无论喜怒哀乐。聊天的目标很难定量量化，我们更多是尝试定性地去制定聊天的目标。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，我们需要对话来表达进行最直接即时的表达。

我并不认为只有孤独的情感才需要对话人作为拥有万年发展历程的群居动物，与他人进行情感分享是早已刻入基因的特质。只是我们建立的情感在不同人之间会有所不同，对于信任之人的情感建立会很深刻，而对于点头之交则会保留许多。

开启一段对话一定源自上述的某种需求，而开启的契机则是一个相对明确的话题，哪怕只是一句我饿了。

1.2第二个问题：对话为什么会持续？

对话能够持续，是有两个层面的原因。

第一个原因，是至少一方的需求没有得到满足。比如我去提问题，对方回答我不满意，我就会持续追问。两个女生在一起聊八卦，听的人很入神，讲的人才有成就感能继续讲下去。

第二个原因，是双方相对平等。如果我提了个问题，或者请对方帮个忙，但是对方始终是一种高姿态不搭理我，那我就很容易放弃，不想聊了。反过来，如果对方对我过分尊敬，总在说一些没有营养的恭维拍马屁的话，时间久了，我也会变得更虚荣，而且会觉得很无聊。所以，人不会和自己阶层或者品味相差太多的人聊天，绝大多数人更不会和宠物长时间聊天。

对话会终止，最根本的原因是：双方都放弃了这轮对话。

感性一些来描述对话终止的原因，可以认为是双方都觉得疲惫了，也就是这一轮对话的能耗消耗殆尽；哪怕是情侣之间说甜言蜜语，聊个两三千句也会觉得累了，也会在十几个回合的互道晚安中结束本次对话。

所以，对话总会终止，能耗殆尽就会终止。

二、对话机器人产品的发展源自搜索引擎

在我以前的文章《进阶之路：站在高视角看产品是一种怎样的体验》中，讲述过一个概念，叫做知识诅咒。简单说：现在我明白一件事情，但是要完整清楚的讲授给你，是很难的；因为我们所拥有的知识背景不同，我们对同一件事情的理解不同。这也就解释了为什么很多老师在上课的时候索然无味，很多人做Presentation的时候显得苍白无力，这其实是知识诅咒在起作用。

知识诅咒带来一个很大的问题，就是每当我们接触到一个陌生事物时，都会和自己的背景知识进行类比。譬如对于长发飘飘的素颜美女，在我所知中，这类美女一般都是家境不错，待人温柔，家教优良。所以当我再次见到一个类似的美女时，我会做相似的第一印象类比。

不只是美女，我们几乎所有的认知都源自于过往的背景知识。

在人类发展的历史上，对于即时的问答需求几乎时时刻刻都存在。最早大家是询问部落中最年长的智者，后来大家互相都有了知识储备，就可以通过对话来进行基本的问答和辩论这一个过程持续了千万年。同一个问题，最早时只能去问一个人，得到一个答案；到后来，可以去问很多人，得到许多答案，然后择其善者而从之。如果我能把所有人都问一遍，可能会得到一个巨大的答案集合；我需要过滤、排序、取舍，工业机器人维修，你发现，这个过程就是搜索引擎。我们使用搜索引擎时，是通过一个输入框输入想问的问题或者关键词，然后搜索引擎会丢给我一个经过相关性排序和优化的答案集合。

但我认为两个原因，会导致搜索引擎会逐渐向对话机器人演变。

2.1其一：精准答案的需求愈发旺盛