第297期
2018/10/14Chatbot時代來臨 認同請＋1
吳佳璘 報導 聊天機器⼈（Chatbot）的濫觴要追溯到1960年代，但⼀直到近半個世紀之後的 今天才正式將它迎接到我們的⽇常之中。它透過對話的⽅式，分析使⽤者的語意 後拆解出任務條件，在「聊天」的過程完成指令。聊天機器⼈被應⽤的層⾯很廣 泛，從電⼦商務和社群⾏銷到政治⼈物的選戰都可以看到它的蹤跡。⽽聊天機器 ⼈的蓬勃發展，有賴於⼈⼯智慧的進步之速、語⾳分析的精進、社群平台的加 持。聊天機器⼈的崛起
聊天機器⼈的崛起和使⽤⼿機習慣的轉變有關。根據comeScore發表的2017美國 ⾏動應⽤程式報告（US Mobile App Report）資料顯⽰：超過半數以上的⼿機使 ⽤者⼀個⽉內沒有下載過應⽤程式（以下簡稱為App）。另外，全球⾏動數據分 析平台YahooFlurry的調查指出，2017年的App成⻑率為11％，相較2016年下降 了五個百分比，對應了App下載市場成⻑漸緩的趨勢，熱度不復從前，企業投入 App的效益不如以往。再加上即時通訊類App佔據使⽤者多數的⼿機使⽤時間， 通訊類App的活躍⽤⼾數更是超越了社群類的，顯⽰⼿機使⽤者的使⽤習慣已經 轉向。當使⽤者逐漸聚焦在通訊App的使⽤，加上各⼤通訊軟體也開放聊天機器 ⼈的應⽤程式介⾯（API）串接，讓更多的開發者和企業可以透過聊天機器⼈與其 客⼾聯繫和互動，所有的機運便促成了聊天機器⼈掀起⼀股全球熱潮。 國立交通大學機構典藏系統版權所有 Produced by IR@NCTU通訊APP的活躍⽤⼾數已經超越社群APP。（圖片來源／吳佳璘重製）資 料來源：BusinessInsider
聊天機器⼈如何運作？
聊天機器⼈技術的發展有三⼤核⼼，分別為⾃然語⾔理解，對話管理系統，以及 ⾃然語⾔⽣成系統。市⾯上的聊天機器⼈都有基本的⾃然語⾔理解能⼒，此階段 的主要任務是依據輸入的文字來抓取語意的核⼼，將得到的資訊填充⾄特定的插 槽（slot）中，進⾏分析以辨別⽤⼾的意圖並且標記，這道程序也稱為語意解析 或語意解碼。此階段的困難點在於，當開發者想要讓聊天機器⼈更精準地分析使 ⽤者的意圖，就會把意圖拆解得更詳細，連帶地聊天機器⼈需要使⽤更多的問答 ⽅式。當語意被切分得越細碎就有機會產⽣重疊，這時候就會影響聊天機器⼈的 判讀。 以最常⾒的購物流程為例：當客⼾的問句提及「多少錢」、「買」、「想要」的 時候，聊天機器⼈即會提供「商品連結」；問道：「優惠」、「折扣」、「免 運」的時候，機器⼈就會回覆「優惠資訊」。如果客⼾進⼀步加深問句的複雜 度，例如：「我要『買』多少才『免運』？」 這時候處理規則就⿇煩了起來，必 須設定關鍵字的先後順序，讓機器⼈判斷客⼾的真正意圖是想要得到免運的資 訊。 典型的對話系統處理流程。（圖片來源／吳佳璘重製）資料來源： Open-Domain Neural Dialogue Systems，Yun-Nung (Vivian) Chen因為聊天機器⼈背後資料庫裡的語料有限，不⾜以涵蓋⼈類所有對話時使⽤的字 彙和要表達的語意，因此⼀個⼝令⼀個動作的情況較為多⾒，因⽽不時會鬧出文 不對題的笑話。建立基本的對話規則很容易，但是要舉⼀反三應付⼈類的問題可
不對題的笑話。建立基本的對話規則很容易，但是要舉⼀反三應付⼈類的問題可 就沒那麼簡單。我們很難去窮舉在對話過程中會遇到的所有單詞片語，更難去切 割語意之間曖昧模糊之處。隨著聊天機器⼈被運⽤的產業越多元，深入⽣活的程 度越深，我們發現它應該要更「聰明」⼀點。 透過⾃然語⾔理解確認⽤⼾的意圖，緊接在後的對話管理就是和⽤⼾來回交流， 以期達成⽬標任務。進到對話管理階段的聊天機器⼈就如同客服⼈員，在服務流 程裡扮演導購的⾓⾊。回到剛剛購物流程的例⼦，當機器⼈已經確認好使⽤者的 購買意圖，便會向其請求更詳細的資訊，例如：尺⼨和顏⾊。 台灣⼤學資訊⼯程學系助理教授陳縕儂表⽰，對話管理是⽬前在聊天機器⼈最主 要的研究領域，對話管理階段要和使⽤者互動，所需的資料量非常⼤。但如果在 資料量有限的情況下，希望能夠以現有的基礎去擴⼤不同情境的資料庫，通常將 字詞轉換為向量表⽰，透過向量上的相似度來分析語意是否相近。 以向量來表⽰語意的相近度。（圖片來源／吳佳璘製）資料來
源：Unsupervised Learning and Modeling of Knowledge and Intent for Spoken Dialogue Systems，Yun-Nung (Vivian) Chen
最後便進入到下⼀個階段：⾃然語⾔⽣成系統。即使機器⼈比起真⼈更能夠抓到 有效的訊息和迅速掌握重點。但語⾔的博⼤精深，就算是⼈類也有體會不及之 感，冷硬的數據搭建的系統⾃然更加無法理解。如何產⽣⾃然的語句，了解同⼀國立交通大學機構典藏系統版權所有 Produced by IR@NCTU
感，冷硬的數據搭建的系統⾃然更加無法理解。如何產⽣⾃然的語句，了解同⼀ 句話的數⼗種表達⽅式，同時不要讓對答陷入僵化制式等等課題，都需要機器學 習的技術來訓練，帶給使⽤者更精緻的互動體驗。
是突圍，還是泡沫？
⾃然語⾔理解的進程不如我們想像地快速，卻被看準便利性的業者導入客⼾服務 的流程之中。根據資訊科技顧問公司⾼德納（Gartner）的預測，2019年有20% 的品牌會放棄使⽤應⽤程式作為和客⼾互動的橋樑；2020年會有⼀半以上的中型 和⼤型企業加入聊天機器⼈的使⽤⾏列。正因為聊天機器⼈打到現代⼈使⽤⼿機 的痛點，尤其是講究網路體驗的千禧世代，他們疲於在各種網⾴和程式之間切 換，希望可以⼀站完成所有服務流程，若能搭配⼆⼗四⼩時在線客服更是錦上添 花。這些要求，傳統的網站和應⽤程式做不到，仰賴真⼈客服的商家也做不到， 唯有聊天機器⼈能夠解憂。 聊天機器⼈的優勢。（圖片來源／吳佳璘重製）資料來源：《2017美國⾏ 動應⽤程式報告》 然⽽網路上的文章，討論聊天機器⼈優勢和潛⼒遠比困境和極限來得多。如今談 到聊天機器⼈，你⾸先會想到什麼？「留⾔＋1即可獲得XX」、「回覆想知道⼩ 編就私訊你解答」，我們腦中⾸先浮現的並非能夠和真⼈對答如流的機器⼈，⽽ 是那些充斥在臉書版⾯令⼈⽣厭的洗版貼文。雖然網路社群利⽤此⼿法是為了突 破臉書⼤減貼文觸及率的窘況，然⽽聊天機器⼈的運⽤變得呆板⽣硬，使⽤者逐 漸降低好感度，53%的使⽤者認為此科技無助於解決問題。聊天機器⼈遇上了它 的瓶頸期，似乎可以預⾒未來「＋1」熱潮急速湧退。陳縕儂也說明使⽤聊天機器 ⼈的最終⽬的是為了製作個⼈化的訊息，這樣的應⽤並非聊天機器⼈的開發初國立交通大學機構典藏系統版權所有 Produced by IR@NCTU⼈的最終⽬的是為了製作個⼈化的訊息，這樣的應⽤並非聊天機器⼈的開發初 衷。聊天機器⼈在社群⾏銷上的應⽤顯然需要轉型，在聊天機器⼈無法⾯⾯俱到 的境況下，要如何維持使⽤者的新鮮感和增加客⼾豐富的體驗是⽬前⾯臨的考 驗。 縮圖來源：吳佳璘製 記者 吳佳璘 編輯 顏筱娟 國立交通大學機構典藏系統版權所有 Produced by IR@NCTU
