一、前言

1950年，電腦之父艾倫圖靈(Alan Turing)提出一個問題：「機器是否能像人類一樣思考？」，其設計的情境是在一個人透過電腦輸入一連串提問，假使他分不清楚到底回答問題的是機器還是人類，則視為通過圖靈測試。

當然要通過圖靈測試存在著很高的難度，但拜科技所賜，現在已經能看到機器在各領域應用都不輸人類，甚至還能達到超越人類表現的地步。而聊天機器人(Chatbot)就是個具代表性的例子，使得客服不再受限於時間與人力因素，並擁有莫大的商業價值。

現有的聊天機器人出現的介面多以臉書Messenger、Line、網頁嵌入式為主，臉書上多為附加於粉絲專頁，透過過去常見的疑難雜症答覆，來設計聊天機器人回答內容項目；Line由於其定位在即時收訊用途，因此多以新產品、最新消息推播呈現。 

二、市場

新創企業的獲投背後代表著投資人看好其未來發展性，堅信其能夠在三年、五年後壯大其企業而給予豐厚的報酬率。在聊天機器人這領域中不乏具眼光的創投，以AI大國中國市場來看，根據IT橘子的資料，從2012年至今，該領域至少有121起投資案件數，總投資額為106億人民幣。(由於部分投資未完全揭露，因此Chatbot實際產值應更大)

BI Intelligence將聊天機器人的產業鏈全景分為底層技術提供商、分發平台公司、第三方聊天機器人應用公司。該報告對於ChatBot也給出幾個見解，例如人工智慧已經可以支撐聊天機器人在各個人機互動場景下達到靈活應用的階段，這能夠透過降低成本和擴大接觸客戶的範圍來促使商業業務繁榮發展。聊天機器人可以快速地部署在手機上，改善或者改變手機端用戶間的訊息交流模式，這也說明了聊天機器人也許會比目前的App更適合手機。

聊天機器人的生態系統已較成熟，包括很多第三方聊天機器人、聊天機器人技術開發商等，這為規模商業化提供了良好的基礎。聊天機器人的商業模式是可受到驗證的，在平台上開發聊天應用，將與在市場上開發應用程序一樣簡單。

資料來源：BI INTELLIGENCE

圖7-1 聊天機器人生態圖

三、應用場景

1. 企業應用

新聞媒體業走向數位化的時代後，聊天機器人在業務中也占重要的一環。以CNN的例子來說，CNN臉書粉絲頁面上的聊天機器人，可以透過按鈕點選式的方式鎖定焦點新聞、訂閱新聞主題等，並可透過訊息發送的方式推送新聞。同樣地，以創業報導為主的科技媒體TechCrunch也是透過相同模式提供用戶接收新聞資訊。

除了當作新聞媒體外，Chatbot在產品銷售上也有所發揮，透過設定好的對答流程，客戶可以減少購物所需的繁瑣流程。如日本達美樂在Line上建置聊天機器人供點餐流程使用，平台介面上會提供餐點的推薦，並以簡化的方式指引消費者至訂單完成，甚至能結合Line Pay進行結帳手續，使得整體訂餐流程更為快速。

金融業業務涉及客戶廣泛，處理客服問題耗費企業人力成本，因此聊天機器人的導入就成了解藥。雖然透過網路銀行已經能執行餘額查詢、轉帳等功能，但多數網路銀行得先下載App才能執行，程序上稍顯複雜。而透過Line的聊天機器人最大的優點在於其即時性，入帳或扣款都會在第一時間收到訊息。且隨著與客戶間的問答不斷的回饋修正，也能使得知識庫越來越完整，越來越符合客戶需求。

2. 生活層面

聊天機器人由於資訊提供的方便性，因此是生活中的一大幫手。如Line聊天機器人小歐，利用爬蟲抓取網頁資訊或API的串接提供即時動態，能尋找餐廳、統一發票號碼、油價查詢、熱門電影、天氣等，涵蓋範圍廣泛且方便直接使用。

另一個好用的聊天機器人為愛承諾金融網，提供信用卡優惠的排行榜，在航空里程、出國旅遊消費、網購等層面皆排名出前十大現金回饋比較，另外還有針對各家銀行的信用貸款比較、網購優惠活動等，是精打細算的消費者不可或缺的好幫手。

現今網路消息的快速散佈，之中不免夾雜著假消息。美玉姨就是一款致力於闢除謠言的聊天機器人，提供即時查詢謠言，並在短時間給予回覆。可以將其加入常用的群組中，美玉姨會分析每一個轉傳消息，且搜尋類似的曾被澄清的網路謠言，快速幫群組內成員過濾出已知的假消息。

微股力是一款能輕鬆掌握股市行情的聊天機器人，主要功能包括支援台股、外匯、國際指數報價查詢，且以簡潔清楚的走勢圖呈現。且最特別之處在於它同時等同一個社交平台，提供群組討論交流股市，或者與達人學習投資。

四、技術

首先我們知道電腦只能解讀程式語言，而對於我們口語表達的語言(也就是自然語言)，電腦尚未能像人類一樣輕易理解。而使得機器學習自然語言的相關技術，可說是建置更為強大的聊天機器人的重要關鍵因子。根據台大資工助理教授陳縕儂指出，目前Chatbot存在三個關鍵技術：自然語言理解(Natural Language Understanding)、對話管理系統(Dialog Management)，以及自然語言生成系統(Natural Language Generation)。

自然語言理解簡單來說就是研究如何讓電腦讀懂人類語言的一門技術，從發送給機器人簡單的命令，到能夠完全理解報紙書籍都是自然語言理解研究的課題。經由大量語料(通常自網路上爬蟲或開源資料庫)，因為自然語言的名詞通常都是一組一組的出現，如陽光、照射、土地這一組同時出現的機會遠大於麵包、海洋、桌子，因此在經過大量的語料訓練後，機器也會逐漸產生「語感」。

對話管理系統(Dialog Management)是對話式互動系統的核心，負責控制整個對話過程。主要包括對話上下文(Dialog Context) 記錄對話的領域、意圖和詞槽資料，每個領域可能包含多個意圖的資料，一般以佇列的形式儲存；對話狀態跟蹤(Dialog State Tracking)每輪對話開始後，會結合本輪對話提供的語義資訊和上下文資料，確定當前對話狀態，同時會補全或替換詞庫；對話策略(Dialog Policy)根據對話狀態和具體任務決定要執行什麼動作，比如進一步詢問使用者以獲得更多的資訊、呼叫內容服務等。

自然語言生成系統就是機器從知識庫等機器方式，生成我們人類所熟悉的自然語言。一般需要依序決定生成的內容包括什麼訊息、以什麼樣的句子呈現、找尋恰當的詞彙，最後是以正確的文法與適當的詞彙生成人類可理解的句子。

資料來源：陳縕儂教授

圖7-2 聊天機器人技術

在聊天機器人能夠順利的理解自然語言，而能與人類對答如流時，我們所希望的是Chatbot不要再如此的「機器」，能夠回答地有溫度、具人性化。現階段的聊天機器人比較偏向人類對機器下命令而不是對話，雖然Chatbot可以理解文字語言，但換個詞彙或簡寫往往就失效了，機器人未能夠觸類旁通地與人類溝通。

五、結語

雖然機器對於文字語言的理解尚能與人類溝通無礙，但已經足以進行商業化的地步了。一門語言的基底是由文字所構成的，機器必須先理解文字代表的意義，才能經由語言轉換語音而回答出正確的答案，從小愛機器人、助理小冰、Alexa、Siri等，我們已經能看到這幾年AI語言技術商業化的成功所在。而聊天機器人由於不必額外下載安裝應用程式的特性，使其成為一大串流平台，但其最重要的商業價值在於串接企業業務、引導客戶快速完成流程，而不是僅僅作為回答問題的客服，畢竟聊天機器人這平台最重要的價值，在於是否能快速提供消費者該企業的核心業務。