系统|对话系统与AI PM的发展之道( 二 )

基于统计的机器学习，即通过现有技术，实现基础的人机交互；

前面一种是最终实现的结果，也将是人类未来最后的一项发明，而第二种是现阶段，人工堆栈出来的人工智障；
局限1：缺乏实质的推理归纳能力举个例子：“找飞机票，不要深圳航空的”
这个例子我相信绝大多数对话系统都会直接检索出深圳航空的飞机票出来；
因为我们机器人处理或者说代码处理时，都有一个步骤叫做命名实体提取，而这里面的“不要”一般我们不会做解析，机器会直接将深圳航空作为实体，填入航空公司的词槽中；
而这上面这个例子，在我们普通表达里面，其实是比较常见的一种形式，我们对航空公司的售票员阐述诉求时，其实她们一般就可以理解我们的意思；
因为人的大脑具备基本的推理归纳能力，懂得“不要”这个词指的是“排除深圳航空以外的其他航司”，而机器人只具备提取实体的功能，不存在归纳推理的能力；
而这，不是深度学习、模型训练和标注能解决的问题，这是我们的第一个局限；
局限2：缺乏常识认知及世界认知模型能力例子1：
“这袋苹果好贵啊，(它)价格要几千块”
“这袋苹果好贵啊，(它)价格要几千块”
如果从人的角度来看上面两个例子，我们会自动将第一个例子的它认定为最新一代的iPhone，而第二个例子的苹果认定为真正意义的苹果；
但从机器认知来看，它并不能进行这么复杂的认知，因为它缺乏对常识性知识的补充和对世界的认知；
例子2：
“我想喝点东西”
假设我们以siri的角度来完成这个指令，那么我们可能会让用户补充想喝什么类型的东西或者干脆把附近的饮品店通通检索出来；
如果要更加智能，还可以根据用户历史行为习惯，判断他是否是想要继续喝咖啡\奶茶；
但假设我们再增加一个维度，时间维度，即用户在晚上12点说“我要喝点东西”，这时候我们的智能就显得很智障了，大晚上请我喝咖啡，不让人睡觉啦；
因为我们的对话系统中，缺乏了世界认知的能力，所以即使我们把推荐系统做到了千人千面，该智障的地方，还是会智障；
而这个局限，同样是深度学习无法做到的，因为深度学习仅能处理基于明文的信息；
局限3：对话范围收敛，无法发散及引导话题很多人会觉得小冰是闲聊型机器人的典范，可以做到对话可持续；
但个人认为这个其实也是一个比较低价值的东西，一方面是由用户主动对话触发的前提，一方面对话的延展本质也是人与人的对话，无非就是产品设计中做了很多追问逻辑，本质就是人造而非机器造；
而任务型或者问答型更不用说，就是一个闭环的对话模式，不存在发散的概念，因为一发散就智障；
三、未来的设想回到开头我们的问题：
“但很多人都相信只要给它们足够多的时间，有足够的数据和训练，未来肯定能像人一样智能，而这真的有可能吗？”
我认为不太可能，因此笔者对未来大胆做一些猜想，未来的对话系统，脑波及脑机技术可能会对AI对话系统提高一个新的水平：

注册脑波与语音交互联动
基于知识图谱进行世界模型认知
脑波检测及世界模型导入

能超越马车的，不是一匹更快的马，而是一辆汽车；能创造新交互模式的，不是按起来更舒服的按键，而是触控，能超越对话系统的，不是一个具备多数据和自学习的对话系统，而是一种通用人工智能；
四、AI PM的设计之道聊了这么多，我们是不是说AI PM在对话系统这方面没有什么可以做的了？并不是，产品永远是技术与市场之间的桥梁，我们只需找到发展之道，同样能给对话系统带来价值，总的来说，有以下几点：