這個世代的我們，與其一昧抱怨 AI 技術仍無法精準判斷任何言語，理解語言的模糊性、正視溝通的複雜程度，才是在 AI 技術前，應該要有的謙卑。
聊天機器人 (Chatbot) 自 2016 掘起以來，逐漸在各大企業網站展露頭角。你可能已在金融、保險業官網，看過「智能客服、智能小助手」等字樣，主打讓AI聊天機器人來解決顧客的常見問題。你可能也看過，這些智能應用背後，常提到機器學習、深度學習理論、自然語言處理(NLP)、語意分析(NLU)、模型訓練等字眼。
消費者帶著好奇的心態，走入了與 AI Chatbot 的對話互動。但時至 2019 年的今天，對聊天機器人失望的聲音，好像未曾停止過…「爛死了，怎麼都聽不懂呀！」、「關鍵字都講了，什麼人工智慧，根本人工智障。」、「我媽問他就答對，我問就亂答，為啥？」
盤點使用者對AI聊天機器人的負評，不乏以下 3 點：
(1) 根本答錯！
常見情況，聊天機器人沒有聽懂使用者想詢問的內容。
明明是問「退貨」（我昨天買的快煮鍋想退貨！）卻得到「購買」相關的回答（快煮鍋限時搶購只要 500，12H 速達早上訂下午到）。
對使用者而言，已經提到關鍵字「退貨」卻還聽不懂，進而感到失望。
(2) 不夠聰明！
遇到情況，換個方式問聊天機器人就變笨了。
想要知道某件商品的「價格」，別人這樣問（主打夏裝怎麼賣？）就能得到相應的回答（最新套裝只要 799！），我問的話（主打夏裝便宜嗎？）就回答其他內容（優惠訊息：刷花旗卡標價再打 9 折）。
對使用者來說，只能用特定語句來問，才能知道某個答案，不夠彈性。
(3) AI 發展太慢！
陸續從不同管道聽來的聲音，對 AI 的負評好像都比較多？
這些智能助理、聊天客服、聊天機器人，就是沒有科幻電影裡會思考的機器人一樣，一點也不神奇、總是無法符合人類的期待。
如果你也有這些疑惑、甚至困擾，想提醒你，身處技術快速發展的時代，應先洞悉 AI 發展的 3 大趨勢，正在怎麼改善我們對聊天機器人的體驗：
機器演算方式不斷改變，為的是更精準地聆聽
還在糾結機器人有沒有抓到關鍵字？
幾年前，我們對於語言的分析與處理，會先將資料按照文法結構斷詞、人工標記關鍵詞句，再放入模型訓練。時至今日，其實機器人早就不這樣學習了。
Google 2018 年的 BERT 模型，透過大型文本資料庫的訓練，能預先訓練出單一語言特徵，獲得通用的語言理解模型。2019 年 3 月，百度正式推出的NLP前處理模型ERNIE，利用單字特徵訓練，在中文字詞推理能力更略勝BERT一籌。
而就在上個月，Google 則發布最新 NLP 前處理模型 XL-Net，在語言模型的學習效能上更居上風。
一言以蔽之，AI 語言技術早已跳脫大量人工標記員的時代，而改用語言前處理模型，訓練出更精準的語意判斷能力。單獨關鍵字聽懂固然重要，但如果能優先對字詞特徵有完整的認識，再來理解某句話的情境、推斷其意思，才能解決聊天機器人亂答的根本問題。
每個人都是 AI 聊天機器人技術發展的一份子
讓機器學會語言，需要大量的資料來分析與計算。以往的我們，透過網路爬蟲、WIKI 頁面、各大線上語料庫，蒐集各種能夠觸及的語言資料。這種看似被動地從已存在的資料中再次抓取的現象，現在正在轉變。
如今，使用者已經有機會，在各大機器人建置平台中，主動輸入自己的想要的說法、用詞，豐富聊天機器人學習的內容。隨著使用者希望聊天機器人能解決、聽懂的情境有所不同，聊天機器人能夠應用的層面，正在迅速增加。與其說是語言內容量增加，不如說是模型可以處理的情緒口吻、觀看角度等等的語用面向，正在拓展。
簡單來說，除了自然語言處理技術日益進步以外，拿來訓練模型的語言資料，隨者越來越多素人機器人建置者的加入，越來越契合我們使用語言的方式，逐漸人性化。
AI 正在解構語言，懂與不懂不是 1 與 0 的關係
如果你想像中的 AI，是如電影情節一樣神通廣大，那現在的聊天機器人的確頗遲鈍。為什麼遲鈍呢？因為他要處理的問題，是連你我也還不曉得該如何破解的謎題：「理解與預測語言行為」。
聽懂與聽不懂一句話，乍看像是非題，只有兩個選擇，但一句話背後可以被解讀的意思，可能不只兩種。「哪裡有好吃的？」這句話在不同的情境下，有時候是字面上的意思（我餓了，這區有哪些店家有賣好吃的食物呢？），有時候則必須要推測言外之意（這附近沒什麼好吃的！算了。）。試想聊天機器人在不了解每個人獨自的時空背景下，卻仍要一一周全的回應不同的每個人，可見有多麼困難！
身處聊天機器人革命的世代，每個人都是讓模型更加聰明的一份子。不僅僅要關心技術發展的動向，更需理解 AI 每天都在升級與進步、解決曾經無法解決的問題。因為語言本質如此費解、艱難，也才會促使 AI 技術不斷地精益求精。
嫌聊天機器人太笨？你真的看懂了嗎？
革命性的技術、模型演算能力的確使得聊天機器人，比 4 年前初試啼聲時聰明許多。這個世代的我們，與其一昧抱怨技術仍無法精準判斷任何言語，理解語言的模糊性、正視溝通的複雜程度，才是在 AI 技術前，應該要有的謙卑。
