AI對話機器人突破「圖靈實驗」 江湖上卻稱：8歲或80歲都可輕易考倒

很高興能為您服務──線上客服機器人的逆襲

1950年時，英國數學家艾倫．圖靈（Alan Turing）提出了電腦科學界很有名的「圖靈實驗」，用來驗證機器是否具有智慧。

數十年來，許多工程師不斷設計各種電腦軟體程式，試圖挑戰這個實驗，以便實現機器具有智慧的夢想。然而，一直要到近十年來AI對話機器人的出現，才有了比較實質的突破。

正港不眠不休的客服人員

最近市面上炒得火熱的生成式AI與ChatGPT，或是個人智慧助理如Siri、智慧音箱Alexa或Google Home的流暢對話，都令人印象深刻，不但能聽取使用者的指令回應答案，甚至如查詢火車班次、行事曆等，也使用了對話機器人的技術。

但是，雖然被稱為「對話機器人」，但這些AI的功能並不只限於聊天，舉凡任何能以自動對話方式提供服務的程式，都可以算是對話機器人。

常見的應用如銀行智慧客服，就是由銀行客服中心建立對話機器人，來協助客戶處理一些簡易的銀行業務流程問題，減少客服人力的負擔；或是因應金融科技興起，AI理財機器人也如雨後春筍般出現在生活中，光是台灣島內，就已經有好幾十家金融機構推出了理財機器人服務。

讓聊天機器人順暢地與真人對話，是人工智慧領域中最困難的一件工作，江湖上號稱，不管你是只有八歲還是已經八十歲了，都可以輕易考倒這種AI的對話能力。

讀者只要想想小學生的對話用字和成人落差有多大，就可以理解對話機器人現今的人工智慧水平了；也就是說，截至2023年底，世界上還沒有大家都能夠滿意的對話機器人。

儘管如此，以對話機器人實現聊天服務、24小時不眠不休地隨時與客戶互動，卻仍然是一個很有發展潛力的服務產業；從另一個心理學的角度來看，人類對於人工智慧的微妙心理，也讓對話機器人似乎扮演了一個緩衝的安撫角色。

善用優化互動客服，提升對話機器人服務品質

傳統的客服資訊不外乎手機簡訊或email，不僅回覆不夠即時，也因為看不到顧客表情及環境而無法作出適當的判定。在網路普及與社群媒體當道的現在，產業客服利用機器人或視訊，除了可以即時回覆外，更可以根據顧客的表情和環境給予更正確的回應。

想要成功打造任務型的對話機器人，首先當然必須由建立對話機器人的團隊事先定義許多領域知識，例如模板、關鍵字資訊、對話的階段等，設計時自然要花費許多時間；而因為自然語言處理技術與對話之間有很緊密的關係，導致改變某一個部分就會牽動整個系統，因此建置和更動的成本可能會比想像中高得多。

相對於任務型對話機器人來說，閒聊型對話機器人需要事先定義的部分比較少，但是回話的領域通常較廣，要產生順暢合理的回覆是有一定難度的，所以在資料蒐集的部分需要多下工夫，因為如果使用者所說的話無法在回覆集找到恰當的回覆，可能就會產生不符合使用者期待的回覆，容易被看出破綻；要是資料不夠多，使用者也有可能經常會得到相同的回覆。

另外，神經網路的語料和訓練方式也會決定生成出來的回覆品質，如果學習得不夠好，就可能會有答非所問、或者產生的句子不符合邏輯語法的問題。

（本文出自《當數位轉型碰上生成式AI》 作者：蔣榮先 )