为何自动聊天机器人难以实现类人对话

自动聊天机器人——究竟是什么？

我们对自动聊天机器人又爱又恨。爱摆弄它们，却在机器人无法回答问题或满足请求时感到沮丧。创建者致力于让机器人尽可能像人，却发现编写数千种条件排列组合以实现此目标极其繁琐。

这种让自动聊天机器人交互类人化的共同渴望，推动了自然语言处理（NLP）赋能机器人。机器人背后的机器学习基于决策树逻辑，是预设输入输出序列的交换。然而，自然对话并非如此。

扭曲自然对话模式

如自然对话般，人类与自动聊天机器人轮流发言即交换消息。在自然交谈中，无论内容如何，甚至无视觉线索和语气，重叠发言、轮流间的沉默、修正误解的努力皆含意义。这些行为实为“轮流发言”的构成要素，内在于自然对话。它们推动对话前进，随对话展开揭示意图。

从聊天机器人到辩论机器人？

就互动模式而言，这些聊天机器人与辩论中预分配轮流发言（Sacks等，1974）更相似，而非自然对话。若自动聊天机器人任务是“去取东西”，我们是否需要“嗨”等社交客套？赋予机器人人性化，是否意味着我们设定了错误的用户期望？还是说这只是带着微笑的服务？

聊天机器人可能并不在“聊天”这一观点，引出近乎哲学的问题。为何机器人非要如此类人、以何种身份？自动化聊天机器人时，我们究竟在自动化什么？

轮流发言

为提供更准确相关的回复，自动聊天机器人利用NLP，方式类似Google会话式搜索。这带来更智能处理，但仍很大程度依赖人类与机器人有序轮流发言——即一次发送一条消息或一个构造良好的多消息堆栈。双方均可发送多堆栈，但人类的多堆栈破坏性远大于机器人。我们可能导致机器人下一回复不相关或不当，造成糟糕的配对动作（如问答匹配），让用户感到沮丧。

因自然对话非由整齐排列的配对动作组成，我们需整体分析聊天机器人交互，而非单一配对交换集合。也需干预措施，当人类制造破坏性多堆栈时，能更好地“听见”对话。

沉默的意义

管理人机交互的一种方式是动画。动画形式如加载器、“……正在输入”或“请稍候”，通过管理透明度和推动对话前进，双向受益于机器人和用户。它通过在对话中主张轮次，尝试减少人类破坏性多堆栈。

Google设计师Adrian Zumbrunnen称“无动画，无对话”，这在很大程度上属实。正如我们将时间延迟关联到肯定或否定回复，机器人能推断我们回复滞后的同等含义吗？理解我们是技术能力低、还是利用聊天界面赢得思考时间，是在感知修复意图时面临的有趣挑战。

机器人必须类人吗？

Google不假装类人，尽管搜索词分析显示我们问它极类人的问题。再者，当Google展示不相关结果或非匹配时，我们怪自己搜索词不对。我们更宽容，因为“Googling”设定为检索而非对话。我们对更类人外观或感觉的机器人更有共情、对机械感的较少，这在交互中不一定是劣势——有助于设定用户期望。

错误的界面？

驱动自动聊天机器人的决策树，基于条件控制语句序列，与冒险游戏对话相似。

Netflix去年底《黑镜》最新篇《黑镜：潘达斯奈基》是探索自由意志的“选择你的冒险”影片。Netflix甚至开发“状态追踪”保存选择轨迹以便后续叙事部署。《潘达斯奈基》由250个片段组成的分支叙事，用Twine编写（编写互动小说的决策树工具，也用于设计聊天机器人决策树）。难道像电影一样，聊天机器人可利用冒险游戏界面的熟悉度和UI特性？

当前聊天机器人界面提供有限屏幕尺寸、有限单条消息长度，通常缩在屏幕右下角。虽承袭ICQ等老派即时通讯UI，为何自动聊天机器人尚未全屏化？

从预测到管理

自然对话因人机交互而扭曲，或可解释为何尽管NLP智能，自动聊天机器人交互仍褒贬不一。部分源于UI功能，部分源于我们对参与自然对话的习得行为，沉默、重叠、修复皆含意义。

自动聊天机器人回复不必类人——只需以非常人性化的方式被管理。