Facebook早在今年4月份的F8（Facebook开发人员讨论会）上就面世了闲聊机器网络平台Messenger。店家能在这个网络平台上并发布他们的闲聊机器，而使用者只需要将其加进在他们的记事本中，就能即时跟店家进行沟通交流交互。

到为止，Facebook messenger 已经上架了Purbi闲聊机器，各式各样的闲聊机器机能囊括智能化客服人员，查天气情况，定玫瑰花，听新闻报道，定国际航班之类，颇有百家争鸣，百家争鸣的态势。

10月下旬，ebay在Facebook messenger上面世了”shop bot”智能化对个人网购副手，能协助顾客挑选出货品和处置售后服务项目难题。比如说，你能对shop bot机器说“我想两个白色鸭舌帽”，接到最新消息后，机器特别针对你收到的最新消息，查问你一些具体内容的难题，如“老伯，还是女性朋友配戴”等，帮你增大范围，更加速的网购。

昨晚，美国总统大选落定。那场撕逼混战中，川普屌丝常常驳斥他们在此之前说过的话，在辩论会中进行扯球门商业模式，有鉴于此，克林顿项目组特地在messenger上面世“ text trump”的闲聊机器，向人们推送Trump短文。

甚么是闲聊机器？

闲聊机器这么火，那究竟甚么是闲聊机器呢？其实，就是两个用以演示人类文明谈话或闲聊的流程，能够最少短暂性地让两个或者说的人类文明认为他们正在和另两对个人闲聊。闲聊机器，又被称为会话界面，能在原有重要信息应用领域中使用语义与人类文明交互，手动为人类文明提供服务项目

。

世界上最早的闲聊机器诞生于20世纪80年代，名为“阿尔贝特”，用BASIC词汇编写而成。1950年，图灵在哲学刊物《思维》提出了“图灵测试”，通过交谈检验人工智慧化；1991年，美国科学家休·勒布纳设立人工智慧化年度比赛——勒布纳奖，旨在奖励研究最擅长模仿人类文明真实谈话场景的机器。早期的闲聊机器有Dr.Sbaitso，ELIZA，之后，在勒布纳比赛中，Albertone, Alice, Elbot, Mitsuku都曾获得勒布纳奖，能说，人们从未停止探索闲聊机器的脚步。目前，数以百计的公司投入资金开发闲聊机器，无论是构建闲聊机器开发人员框架和工具，还是特别针对关键领域，如客服人员，分析追踪，安全，提供特定领域专业知识的通用工具，都有公司投入。

为甚么要开发闲聊机器？

可能有的人会说，现在各种手机APP或者网站便能让我们进行网购，订票，查天气情况等体验，店家为甚么非要投入大量的资金在类似于Facebook这样的网络平台上开发他们的闲聊机器呢？

目前，文本重要信息交互仍是手机使用者移动体验的核心，闲聊机器通过软件流程使用短信网络平台来执行各式各样的任务调度，在这些网络平台上以一种非常自然的方式提供服务项目，获取使用者，创造潜在的营销机会。

随着移动互联网的发展，APP市场也趋于饱和，许多APP的使用率和留存率逐渐降低。使用者很多时候需要的是服务项目，并不在乎服务项目是以甚么形式出现。

Facebook，推特，Snapchat、Instagram等网络平台凭借其庞大使用者数和良好的使用者黏性，已经被企业，广告商追捧为下两个竞争的战场。从Facebook发布的2016年第二季度财报来看，Facebook的每月活跃使用者数为13亿人，Messenger网络平台活跃使用者数为2亿人。

越来越多的使用者喜欢在社交网络平台上直接获得服务项目，店家不仅能共享庞大的使用者群，还能通过各类闲聊机器完成一些简单手动化的服务项目，提高使用者对品牌粘度，何乐而不为呢？

闲聊机器众多，为何没有两个脱颖而出的？

虽然Facebook上已经有Purbi闲聊机器，但是，没有一款闲聊机器，使用者体验后不感觉很失望，这些机器实在太“傻”了。不得不说，在通往智能化的路上，语义处置仍是巨大挑战。

闲聊机器的核心是使用者谈话跟踪，只有理解使用者需要甚么，才能给出相应的回复。ChatBot在处置具体内容任务时，需要对使用者进行建模，分析使用者行为和上下文谈话，即使是同两个难题，闲聊机器对不同使用者的回答也是不同的。然而，构建能够识别和理解复杂词汇的软件依然是个巨大挑战，因为词汇本身就是个不断进化的界面。

1999年美国计算机学家Bill Manaris曾这样描述：语义处置是一门研究人与人交际中，以及人与计算机交际中的词汇难题的学科。语义处置（NLP）研究表示词汇能力、词汇应用领域的模型，通过建立计算机框架来实现这样的词汇模型，并提出相应的方法来不断地完善这样的词汇模型，还要根据这样的词汇模型来设计各种实用系统，并探讨这些实用系统的评测技术。

NLP现在实际的技术困难还是语义的复杂性，包含因果关系和逻辑推理的上下文等。现在解决这些难题的思路主要还是深度学习（Deep Learning）。深度学习虽然带给了研究人员一种全捷伊思路，拓展了神经网络的层次，伴随大数据的积累和并行计算的增强深度学习的确是给NLP带来了长足的进步，但是，若想达到人类文明的这种理解层次，仅靠深度学习恐怕很难实现。

为甚么小米MIX概念机会大胆尝试声学新技术？

微软Surface Studio都用麦克风阵列技术了，语音交互究竟该如何选方案？

如何改善地铁噪声，且看伦敦和旧金山的高招？

两个美国人：我为甚么会买Google Home，而不是亚马逊Echo？

为甚么国内智能化音箱难敌Amazon Echo和Google Home？

微信应用领域和iPhone 7，能给3D音频带来甚么？

加入声学在线（实习生/兼职编辑）：

hr@soundonline.org