進度條

愈趨擬真的聊天機器人?從語意分析到對話式商務的崛起

Line越發越強勢,有可能整個銀行APP都搬進Line Bot嗎?

作者: Vincent Ke 更新日期:

最近小編迷上了Facebook、Line以及各種電商平台上的聊天機器人,除了日常的對話(或是幹話?)排遣上班的枯燥情緒外,送送表特圖,提供天氣預報以及新聞連結等,甚至是說說笑話或是背背圓周率這些無聊的小功能也一應俱全。
 

 

但到底什麼是「聊天機器人」呢?

其實早在2006年初時,有就過類似的自動聊天服務,但可以反饋的內容上,就僅侷限在日常對話中,並且前後文較無邏輯。而當這樣的功能還在摸索及發酵的同時,Facebook以及Line等軟體巨頭,早就已投下大量的資源,進行相關的應用及開發。

而現在聊天機器人的定義,早就已不再只是抓幾個關鍵字,跟你做一些牛頭不對馬嘴的回覆了;而是可以透過整段完整的文字敘述、聲音、甚至是圖片等,來和使用者做對話,甚至是客服諮詢等服務。

 

 

像Ebay在2016年,就在Facebook Message建置了全方位的數位客服,不管關鍵字或是以圖搜圖,他都可以依照你的需求及預算範圍,推薦相關連的商品給你,而不得不承認,「聊天機器人」的服務可順利成形,也必須多虧即時通訊軟體的蓬勃發展

當然在商務面的應用上,除了產品資訊及搜索外,對電商店家而言,他可以提供的更是客服人力的節省,以及更即時的售後服務與再次行銷的功用,而透過建構這樣的對話式情境,也提供了使用者更直覺、更即時的消費模式。舉凡像是銀行、理財顧問、甚至是公部門的服務等,也在這些年開始透過建置聊天機器人的方式,來提供更迅速的服務。

而其中如何有效對對話作出分析,進而提升回覆的準度呢,這得多虧了大數據以及近年正當紅的「語意分析」。
 

 

語意分析(semantic analysis)技術,顧名思義就是把長串的文字或內容,分析成段落、摘要或是大綱等,進而推斷出句子中的意涵並進行有效的運用,像是透過影片音訊的解讀來自動撰寫摘要,或是自動撰寫文章大綱等等,都是目前主要應用的技術。

而對聊天機器人當中,這樣的技術結合了大數據的分析,就可以對使用者所打出的內容,做出有效的判讀,但問題來了,舉凡像是中文中,因為沒有明確的文法規範,很容易在句子中夾雜了其他無意義的形容贅詞,像「我要去吃飯」、「回家寫作業去」等等,這些因為自然語法上的贅字,也很容易造成語意上的誤判。

 

 

所以這時候還有另外一個重要的技術-自然語言分析(NLP,Natural Language Processing),即當使用者輸入一段文字後,並且在Server處理文字並轉化成資料前,先去把文字進行分析並轉化成容易了解的格式,例如把「我要買15支iPhone」處理成 {intent: “buy”, product: “iphone”, quantity: 15} 等類似的格式。

而這樣對斷詞的訓練,其實也是需要透過大數據的結合,才能把這些語意訓練到精準,進而成為另外一種人工智慧上的應用,就連我們很常見的錯別字(再在不分,的得不分等),也可以因為數據上的調教,讓他不至於成為一種誤判的準則。

 

 

而現在聊天機器人現在也有很多Open Source的開發介面,而語意分析現在也有相關的Open Source API可以做串接,像Facebook就有公開的開發平台,來讓大家做相關開發上的應用。但難道一定要會這些精準的演算邏輯,才能建置聊天機器人嗎?

而最近Line上也充滿著不少聊天機器人,除了可以透過語意分析外作出回應外,另外也有一種更為簡單的方式,就是透過按鈕或是指令,例如輸入「晚餐」時,就可以讓他變成選單式的介面,提供給你各種晚餐選擇;或是透過指令,只要抓到關鍵字「長輩圖」,立刻就會提供相關的長輩圖讓你會心一笑。

 

 

然而若要將人工智慧提升到更為渾然天成的程度,不得不說還是得依賴深度學習結合數據上的分析做應用。但無論今天透過什麼樣的技術去優化,未來人工智慧的版圖,早就已經不侷限在數據分析或決策支援上的應用,對話式商務或客服等,勢必在未來還會有更多的應用場景與商機,就讓我們拭目以待吧。

 

 


最後,如果你喜歡我們的文章,別忘了到我們的FB粉絲團按讚喔!!

Medium vincent

Vincent Ke

喜歡把混亂的事情變的簡單 用嘴巴做事其實很可以 但要結合靈活的腦袋思考 就一起來拆解吧