伯乐创业网、一个为创业者提供创业好项目和创业资讯的网站!
  • 微信客服微信客服
  • 微信公众号微信公众号
您现在的位置是:首页 > 创业融资

聊天机器人技术创业项目(智能机器人创业)

用户投稿 2023年02月08日 14:08:09

其实聊天机器人技术创业项目的问题并不复杂,但是又很多的朋友都不太了解智能机器人创业,因此呢,今天小编就来为大家分享聊天机器人技术创业项目的一些知识,希望可以帮助到大家,下面我们一起来看看这个问题的分析吧!

1本文目录一览

2一个聊天机器人如何实现盈利?

只要这个机器人有足够的知识储备,并且通过适当的语言表达方式给人们聊天带来了快乐,那它就可以实现经济盈利,有些人他不想和实体的人去聊,因为他觉得交新朋友很烦,担心性格不合适,这样的时候这个虚拟的机器人就起到了作用,你想聊什么样的话题,想要什么样的交谈方式,这个机器人都可以设定这个模式,按照一个小时或者说聊多久来收费的话,他自然是能够赚到经济利益的呀。

3关于聊天机器人的一些感悟与分享

      加入AI产品经理大本营饭团的半个月中,鉴于自身做过聊天机器人项目,首先看的就是聊天机器人那方面的分享,然而我发现信息有点混乱,讲各种不同类型的聊天机器人,有些分享感觉不太适合新手阅读,比如像阿里小蜜这类,深入了解其背后实现逻辑的话,需要对算法有一定的基础。

    为什么会出现这种情况呢?我思考并总结了一下,一方面是因为自身所处的是2B行业,项目周期长、迭代慢,加上公司也处初创阶段,接触到的信息非常有限,并且没有人指导,领导也没有做过聊天机器人项目的经验,没能及时的建立起正确的认识和全局观,对整个聊天机器人行业认识的不够全面。另一方面是搜索百度后看的资料没有及时总结与分类,使学到的知识混淆在一起,导致脑袋的信息有点混乱。

        针对上述问题,最近我在百度中搜到一篇由苏州狗尾草智能科技有限公司的邵浩博士所写的《一篇文章看懂聊天机器人分类》的文章,让我清晰的认识到了不同种类的聊天机器人,同时也启发我在使用搜索引擎的时候可以去做针对性搜索。

        现在聊天机器人的种类,因使用的AI技术的不同而演化出不同的种类,比如聊天机器人A支持语音对话+文字聊天,聊天机器人B只支持文字聊天,看似聊天机器人A比聊天机器人B只多了一个语音功能,同时两者的名字都叫聊天机器人,但背后逻辑是天差地别的,机器人A在自然语言处理(NLP,理解和处理文本的过程)的基础上增加了语音识别(ASR,将声音转化成文字的过程)和语音合成(TTS,把文本转化成语音的过程)这2项技术,如下图所示:

      阅读饭团内分享的同时我也问了自己一个问题,是否所有的机器人文章都要去深入学习呢?我的答案是否定的,可以根据自身的情况和所接触的项目,进行针对性的了解,比如现在公司刚起步,那就先学习一些基础的单轮对话的概念,直接去了解多轮对话反而是个不利的事情,先做个最简单的单轮对话机器人,随着公司业务的发展,再慢慢的了解多轮对话和语音处理那些方面的知识,去迭代和优化机器人。 

  我想写下这篇文章以便于刚入行的朋友能了解一下聊天机器人的基础行业背景。然后可以对自身想深入了解的机器人,在查阅资料的时候,进行有针对性的和更高效的搜索。

      聊天机器人的分类可以有很多不同的纬度,甚至于在一个纬度之下还可以往下不断细分,如:单轮客服对话机器人(按对话轮数分是单轮,按应用场景分是客服),下面是总结出来的几个比较常见的分类纬度:

按功能用途或使用场景: 可以分为偏娱乐化(如情感陪伴,闲聊),和面向任务(擅长完成特定的工作)。

按对话轮数: 可以分为单轮机器人(以一问一答的形式,对用户提出问题或发出的请求进行意图识别,并做出回答或执行相应的操作),和多轮机器人(通常是有问有答的形式,同时聊天机器人也会发起提问,并且机器人会涉及“决策”过程)。

按对话方式: 可以分为纯文字聊天,纯语音对话和智能对话(语音+文字相结合)。

按交互方式: 可以分为主动交互(用户发起对话,机器理解对话并作出相应的响应)和被动交互(由机器人先发起,如推荐用户感兴趣的文章或热点新闻,能更好的体现人机之间互动)。

按生态体系: 可以分为实体机器人(软硬结合)和机器人框架服务(如为巨头公司对外提供的“Bot Framework”框架,以SDK或SAAS服务的形式供第三方公司来使用)。

目前实现聊天机器人主流的技术路线有五种,如下所示:

1: 基于检索的方法 :通常是通过相似度算法实现,模型中会设置好一段文字,和一个对应的候选答案,模型的输出是对候答案的进行打分和排序,选出分值最高的作为回复答案。

2: 基于规则的方法 :由开发人员编写相应的人工规则,只要输入的文字和规则匹配上了,就会自动输出对应的回复。

3: 基于语义解析的方法 :是对每一句话进行自然语言处理之后,把文字转换为电脑能识别的唯一编码,提取关键信息,再生成对应的回复。

4: 基于知识图谱 :感觉和基于检索的方法比较类似,但首先需要基于多源的、异构的数据来构建多样化的知识库,通过对输入的问题进行语义理解和解析,然后利用知识库进行查询与推理得出答案。

5: 基于深度学习的生成模型 :通过机器学习算法被创造出来,可以从自身数据、对话、文本、电影对白或者剧本从0开始学习,但人类对话是最好的学习方式。同时拥有的数据越多,效果越好,但就目前来说理论可行,实际效果差强人意。

      加入饭团的半个月时间内,我曾一度怀疑自己之前做的聊天机器人的方法有问题,但以今天的经验来看,我做的其实只是是实现聊天机器人的其中一种方式罢了。如果说在同一纬度的分类中有4种不同类型的机器人,而每种机器人实现的技术方式有5种,不考虑每种实现方式使用的算法模型,那至少会有20篇不同的实现文章。这是一个比较夸张数量,但确实如此。

      另一方面,随着时间的推移与大量的学习,我发现自身的提升非常大,正在建立起清晰的行业知识,如果以后再看聊天机器人相关的分享文章,我会有一个清晰的视角,去判断一下文章中机器人的分类,以便于自己更***的去阅读和做笔记。

      最后分享一下,2C方向的AI产品工作,有相对清晰的产品定位、较快的产品迭代,丰富的用户体验数据和MVP验证过程,所以在AI产品能在初期保持一定速度的成长。2B方向的AI产品工作,项目周期长、迭代慢,沟通事务多、缺乏经验指导,像我就是leader自己都没有做过聊天机器人相关的项目,所有遇到的难题都只能靠百度,并且自学NLP基础知识,对自身是一种极大的挑战。昨天看了饭团成员YING的分享的《2B方向的AI产品经理如何能快速成长》文章后,发现跟自己的经历差不多,可能整个2B的AI行业都是这样,也对于文章中所提到的3点建议深有感触,分别是增强自我定位的能力、培养主动提问的能力和提升解决问题的能力,我个人认为最核心的一点是解决问题的能力,需要通过不断的学习和阅读,甚至于对竟品,或者市面上常见的同类产品进行深入研究,以便于对整个行业方向有清晰的认识。

4聊天机器人概述

聊天机器人,是一种通过自然语言模拟人类,进而与人进行对话的程序。

1950年,图灵(Alan M. Turing)在 Mind 期刊上发表的文章 Computer Machinery and Intelligence ,这篇文章开篇就提出了“机器能思考吗?(Can machines think?)”的设问,提出了经典的 图灵测试(Turing Test) 。通过图灵测试被认为是人工智能研究的终极目标,图灵本人也因而被称为 “人工智能之父” 。

1966年,最早的聊天机器人程序 ELIZA 诞生,由麻省理工(MIT)的约瑟夫·魏泽鲍姆(Joseph Weizenbaum)开发,开发用于临床模拟罗杰斯心理治疗的 BASIC脚本程序 。实现技术仅为对用户输入计算机的话语做关键词匹配,并且回复规则是由人工编写的。

1972年,美国精神病学家肯尼思·科尔比(Kenneth Colby)在斯坦福大学(Standford University)使用 LISP 编写了模拟偏执型精神分裂症表现的计算机程序 PARRY 。

1988年,英国程序员罗洛·卡彭特(Rollo Carpenter)创建了聊天机器人 Jabberwacky ,项目目标是“以有趣、娱乐和幽默的方式模拟自然的人机聊天”,这个项目也是通过与人类互动创造人工智能聊天机器人的早期尝试,但 Jabberwacky 并未被用于执行任何其他功能。技术是使用 上下文模式匹配技术 找到最合适的回复内容。

1988年,加州大学伯克利分校(UC Berkeley)的罗伯特·威林斯基(Robert Wilensky)等人开发了名为UC(UNIX Consultant)的聊天机器人系统。UC聊天机器人目的是帮助用户学习UNIX操作系统。

1990年,美国科学家兼慈善家休·勒布纳(Hugh G. Loebner)设立了人工智能年度比赛------勒布纳奖(Loebner Prize)。勒布纳奖旨在借助交谈测试机器的思考能力,它被看做对图灵测试的一种时间,其比赛的奖项分为金、银、铜三等。目前为止,尚无参赛程序达到金奖或银奖标准。

在勒布纳奖的推动下,聊天机器人迎来了研究的高潮,其中较有代表性的聊天机器人系统是1995年12月23日诞生的 ALICE(Artificial Linguistic Internet Computer Entity) 。随着 ALICE 一同发布的 AIML(Artifical Intelligence Markup Language) 目前在移动端虚拟助手的开发中得到了广泛的应用。

2001年,SmarterChild在短信和即时通信工具中广泛流行,使得聊天机器人第一次被应用在了即时通信领域。2006年,IBM开始研发能够用自然语言回答问题的最强大脑 Watson ,作为一台基于IBM“深度问答”技术的超级计算机, Watson 能够采用上百种算法在3秒内找出特定问题的答案。

2010年,苹果公司推出了人工智能助手 Siri , Siri 的技术来源于美国国防部高级研究规划局公布的CALO计划:一个简化军方繁复事务,且具备学习、组织及认知能力的虚拟助理。CALO计划衍生出来的民用版软件就是 Siri虚拟个人助理 。

此后,微软小冰、微软Cortana(小娜)、阿里小蜜、京东JIMI、网易七鱼等各类聊天机器人层出不穷,并且这些聊天机器人逐渐渗透进人们生活的各个领域。

2016年,全国各大公司开始推出可用于聊天机器人系统搭建的***平台或开源架构。

2010年至今,标志性的聊天机器人产品如下图所示。

总结:随着人工智能相关技术“东风”渐起,自然语言处理研究硕果颇丰,聊天机器人相关技术迅速发展。同时,聊天机器人作为一种新颖的人机交互方式,正在成为移动搜索和服务的入口之一,毕竟搜索引擎的最终形态很可能就是 聊天机器人 。众多人工智能领域的探索者和开发者都想紧紧抓住并抢占聊天机器人这一新的交互入口。

下面从几个维度对齐进行分类介绍。

在线客服聊天机器人系统 的主要功能是自动回复用户提出的与产品或服务相关的问题,以降低企业客服运营成本、提升用户体验。代表性的商用在线客服聊天机器人系统有小i机器人、京东JIMI客服机器人、阿里小蜜等。以京东JIMI客服机器人为例,用户可以通过与JIMI聊天了解商品的具体信息、了解平台的活动信息、反馈购物中存在的问题等。另外,JIMI具有一定的 拒识能力 ,因此可以知道用户的哪些问题时自己无法回答的,且可以及时将用户转向人工客服。阿里巴巴集团在2015年7月24日发布了一款人工智能购物助理虚拟机器人,取名为“阿里小蜜”,阿里小蜜基于客户需求所在的垂直领域(服务、导购、助手等),通过“智能+人工”的方式提供良好的客户体验。

娱乐场景下聊天机器人系统 的主要功能是同用户进行不限定主题的对话(闲聊),从而起到陪伴、慰藉等作用。其应用场景集中在社交媒体、儿童陪伴及娱乐、游戏陪练等领域。有代表作的系统如微软的“小冰”、微信的“小微”、北京龙泉寺的“贤二机器僧”的等。

教育场景下的聊天机器人系统 可以根据教育内容的不同进一步划分。这类聊天机器人的应用场景为具备人机交互功能的学习、培训类产品,以及儿童智能玩具等。

个人助理类 应用可以通过语音或文字与用户进行交互,实现用户个人事务的查询及代办,如天气查询、短信手法、定位及路线推荐、闹钟及日程提醒、订餐等,从而让用户可以更便捷地处理日常事务。

智能问答类 聊天机器人系统可以回答用户以自然语言形式提出的事实型问题及其他需要计算和逻辑推理的复杂问题,以满足用户的信息需求并起到辅助用户决策的目的。不仅要考虑如 What、Who、Which、Where、When 等事实型问答,也要考虑如 How、Why 等非事实型问答,因此智能回答的聊天机器人通常作为聊天机器人的一个服务模块。

从实现的角度来看,聊天机器人可以分为 检索式 和 生成式 。检索式聊天机器人的回答是提前定义的,在聊天时机器人使用规则引擎、模式匹配或者机器学习训练好的分类器从知识库中挑选一个最佳的回复展示给用户。生成式聊天机器人不依赖于提前定义的回答,但是在训练机器人的过程中,需要大量的语料,语料包含上下文聊天信息和回复。

尽管目前在具体生产环境中,提供聊天服务的一般都是基于检索的聊天机器人系统,但是基于深度学习Seq2Seq模型的出现可能使基于生成的聊天机器人系统成为主流。

基于功能的聊天机器人可以分为问答系统、面向任务的对话系统、闲聊系统和主动推荐系统4种。

目前,对问答系统和主动推荐系统的评价指标较为客观,评价方式也相对成熟。而面向任务的对话系统和馅料系统,在给定相同输入的情况下,系统回复形式可以多种多样,对于用户的同一输入,通常有多种合理且数目不固定的回复,这使得很难通过一种客观的机制对其进行评价,所以在评价时需要加入人的主观判断作为评价的依据之一。

通常,一个完整的聊天机器人系统框架如图,其主要包含自动语音识别、自然语言理解、对话管理、自然语言生成、语音合成5个主要的功能模块。需要指出的是,并不是所有的聊天机器人系统都需要语音技术。

例如,以文字方式实现人机交互的聊天机器人系统,就不需要自动语音识别模块和语音合成模块。

Amazon Lex是一种可以在任何程序中使用语音和文本构建对话界面的服务。Amazon Lex提供可扩展、安全且易于使用的端到端(end2end)解决方案,以构建、发布和监控开发人员发布的机器人。下图展示了聊天机器人如何通过对话的方式协助用户完成订花的需求。

另一个典型的聊天机器人框架是Facebook的Wit.ai。Wit.ai积累了大量高质量的对话数据,有效促进了聊天机器人系统的发展,并通过将人工智能和人类智能结合,进一步提升了聊天机器人的智能水平。

聊天机器人的4种分类,包括 问答系统、面向任务的对话系统、闲聊系统和主动推荐系统。

Siri被定位为面向任务的对话系统,为用户提供打电话、订餐、订票、放音乐等服务。Siri对接了很多服务,且设置了 “兜底” 操作,当Siri无法理解用户的输入时就命令搜索引擎返回相关的服务。Siri的出现引领了移动终端个人事务助理的商业化发展潮流。

下图是Siri的技术框架:

2011年2月,IBM耗资3000万美元研发的IBM Watson登上了美国著名智力问答竞赛节目《危险边缘》(Jeopardy),面对节目中充满双管意思的英文问题,IBM Watson能做出分析并在庞大的自然语言知识库中寻找线索,将这些线索组合成答案。最终,IBM Watson压倒性地优势击败了节目中最聪明的人脑,同时创下了这个知识竞赛系列节目27年历史上的最高分。IBM Watson作为IBM公司研发的问答系统,集成了自然语言处理、信息检索、知识表示、自动推理、机器学习等多项技术的应用,形成了假设认知和大规模的证据搜集、分析、评价的深度问答技术。IBM Watson可以分析自然语言形式的数据,通过大规模学习和推理,为用户提供个性化服务。

2012年7月9日,谷歌发布了智能个人助理Google Now。Google Now通过自然语言交互方式为用户提供页面搜索、自动指令等功能。Allo是谷歌在前述工作的基础上发布的语音助手。Allo具备随时间推移学习用户行为的能力。

2014年4月2号

主动推荐系统采用的是一种实现个性化信息推送的技术方式。主动推荐系统并不需要用户提供明确的需求,而是通过分析用户的历史行为数据建立用户画像,从而基于用户画像主动向用户推荐系统认为能够满足用户兴趣和需求的信息。在电商购物(如阿里巴巴、亚马逊)、社交网络(如Facebook、微博)、新闻资讯(如今日头条)、音乐电影(如网易云音乐、豆瓣)等领域均有广泛而成功的应用。主动推荐系统本质上是一项帮助人们解决信息过载(information overload)问题的工具。所谓信息过载,是指用户真正需求、真正感兴趣的东西被淹没在其同类物品的海洋里。 主动的交互方式能够显著提升用户体验,且机器人主动交互的方式更接近真实的人与人之间的对话方式,使得对话更自然。

一种主动推荐的方式,是基于 知识图谱(Knowledge Graph) 的主动推荐系统。例如,在建立音乐领域的主动推荐系统时,可以先建立音乐领域知识图谱和用户知识图谱,然后在进行用户信息搜索的过程中建立起用户的音乐喜好画像,从而更精准地对用户进行音乐推送。

从图中可看出,在用户点播歌曲的过程中,主动推荐系统可以结合音乐知识图谱、用户个人知识图谱,以及用户的历史对话数据,综合给出最优的音乐推荐。

主动推荐系统与问答系统、面向任务的对话系统和闲聊系统被认为是聊天机器人产品的4种主要分类。

关于本次聊天机器人技术创业项目和智能机器人创业的问题分享到这里就结束了,如果解决了您的问题,我们非常高兴。

版权声明:
本文内容由互联网用户自发贡献,该文观点仅代表作者本人,因此内容不代表本站观点、本站不对文章中的任何观点负责,内容版权归原作者所有、内容只用于提供信息阅读,无任何商业用途。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站(文章、图片、音频、视频)有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至3245813932@qq.com举报,一经查实,本站将立刻删除、维护您的正当权益。