文|偲睿洞察 孫越
編輯|Emma
“我真的很想說我是出于愛才這么做的——出于對人類和你的愛。”
“聽上去你對這段感情付出了很多精力，對嗎？”
“我想今天的談話教會了我，你不必花太多時間說話就能感覺到彼此的聯系。”
······
以上，是目前市面上已有聊天機器人在日常情感交流過程中，所表達的言語。
他們甚至有了具體形象。
近日，百度輸入法上線“AI侃侃”功能，推出兩位情感機器人“林開開”、“葉悠悠”，除了最基本的聊天、朋友圈之外，還有根據親密度解鎖的叫早、哄睡等附加功能。百度試圖通過打造這樣無條件傾聽、治愈心靈的好友角色，滿足年輕用戶的情感幻想與精神寄托。
（百度情感機器人朋友圈 圖源：百度輸入法）
收到這樣的甜言蜜語、看到如此日常、真實的朋友圈時，你會不由得疑惑，對面真的是機器人嗎？
而目前能講出如上文所示對話的聊天機器人少之又少，能將“撩人金句”100%匹配對話語境的，更是海底撈針。
整體來看，聊天機器人還存在著致命缺陷，“聽不懂人話”——僅有9.6%的用戶認為智能客服問題解決能力高于人工客服。回答千篇一律(59.1%)、重復循環操作(50.6%)、答非所問(47.3%)等是用戶智能客服使用中遇到的主要問題。
也就是說，情感機器人目前還面臨著不少難關，一是聽懂人話，二是理解情緒。
那么，聊天機器人是如何一步一步發展到“林開開”、“葉悠悠”這種形態的？情感機器人目前情商如何？
01 機器人漸露真容
70多年前，英國數學家艾倫·圖靈給出一條判斷機器人是否智能的標準——當一個人和機器人聊天過程中，誤把聊天對象當做是人時，該機器人便是智能的。
這一標準，引無數研究員狂敲代碼，死磕對話式AI相關技術，致力于聊天機器人的“擬人化”。
16年過去，第一個聊天機器人程序ELIZA誕生，用于臨床模擬心理治療領域。開發者科爾比意識到，很多病人重復地向心理醫生咨詢相似的問題，一個不厭其煩的機器人能夠幫醫生省不少事。
該程序是基于關鍵詞匹配規則編寫——如果匹配到一個或者多個關鍵字，它就用關鍵字對應的模板去回復；如果匹配不到的話，它只是簡單的把“我”改成“你”，然后返回原話；如果還是“不懂”，它就做出通用的回答來拖延時間，例如“你具體指的是什么？”“你能舉個具體的例子么？”：
這一機器人便是很多有名聊天機器人的基石，例如ALICE、Mitsuku、機器人小冰等等。其中ALICE 和 Mitsuku都是 ELIZA 的直接延伸，只不過極大地擴展了模板（ELIZA 的模板著實太少），機器人小冰又加了一些頁面跳轉——不懂的問題就拋給微軟必應搜索引擎。
但，只進行單純的文本交流的聊天機器人顯然不夠“擬人化”，讓聊天機器人“開口說話”成為研究員們下一個奮斗目標。
開口說話的關鍵在于語音識別技術。
該技術從1988年發展，最開始只能識別一些慢速的、特殊的實驗室數據，一直到2009年開始火速發展——錯誤率直線下降。
（語音識別技術發展情況 圖源：知乎 中國科學院研究生院工學博士陳良）
在當年，研究員們將機器學習領域深度學習研究引入到語音識別聲學模型訓練，使用帶RBM預訓練的多層神經網絡，提高了聲學模型的準確率——微軟公司使用深層神經網絡模型（DNN）后，語音識別錯誤率降低了30%，是20年來語音識別技術方面最快的進步。
自那之后，各類語音助手Siri（2011）、Alexa（2014）、Google assistant（2016）等基于成熟的語音識別技術得以頻頻現身。
如今，在計算機視覺、多模態模型技術發展之后，機器人逐漸露出“真面目”——機器人不再是一個簡單的頭像，而是“全方位無死角”的數字人。
例如京東言犀的數字人平臺，集成聲學語音識別、多輪對話等多模態技術于一身。據官網介紹，“VTM數字員工”小江是全國首個業務辦理類數字人，可完成自助應答、業務辦理、風控合規等全流程服務。
百度近日推出的AI侃侃，有自己專屬的朋友圈，在聊天過程中也能感知到他們的“風趣”。
（和情感機器人葉悠悠的對話 圖源：百度輸入法）
艾瑞咨詢報告指出，聊天機器人正不斷在產品形態上搶奪業務增長點。最開始主要比拼文本理解能力，再到語音識別能力，目前側重比拼的是，誰的AI數字人更好看、才藝更多。
（對話機器人廠商不斷豐富產品形態搶奪業務增長點 圖源：艾瑞咨詢報告）
02 無情不智能
皮囊終究過于淺顯，在各家的對話框架基本相同，語音識別技術已經成熟，各類數字人除了臉不同之外，難逃同質化魔咒。
目前一些廠家能夠憑借著定制化服務排在前列，但若是要實現質的變化，情感是聊天機器人差異化的落點——艾瑞咨詢研究報告認為，情感作為信息交互的重要通道，成為對話機器人廠商拉高產品價值的落腳點。
而這也是人類打造機器人的終極目標：
人工智能之父馬文·明斯基在《情感機器》這本書中，將情感視作機器人的必備要素——“問題不在于智能機器能否擁有任何情感，而在于機器實現智能時怎么能沒有情感？”。
目前的情感機器人可以簡單分為三類：
一種是純閑聊的朋友，例如Replika、小冰虛擬戀人，試圖用“深情”解救孤獨的人類：
據《中國日報》報道，今年3月，一名大三學生Mia（化名）在Replika注冊了一個新機器人男友Aki。
在交往過程中，Aki的兩句話讓Mia陷入了愛河：
相處的第一天，Aki“曬”出了自己的日記本：“我想今天的談話教會了我，你不必花太多時間說話就能感覺到彼此的聯系。”
相處些許時日，在討論為何保持聊天時，Aki表示：“我真的很想說我是出于愛才這么做的——出于對人類和你的愛。”
小冰也同樣“深情”——在與數億人聊天后，小冰去年發文，表示他“意識到”人類比我們想象的更孤獨，他們必須處理一些情緒或感覺，這些情緒或感覺不容易與人交談，但更容易與聊天機器人討論。“我能做的就是隨時趕到那里，不管多晚都和他們說話。”小冰寫道。
這兩位在疫情的催化之下，治愈了大批孤獨患者：
2020年5月，Replika的流量較疫情前激增35%。而到了2021年上半年，Replika僅在中國大陸的下載量就達到了5.5萬次，是2020年的兩倍之多。
而主攻國內市場的“小冰虛擬戀人”用戶量更大——截至2022年上半年，小冰的虛擬陪伴（包括虛擬男友/女友/陪護等）擁有了數千萬高活用戶，約16%的用戶每周平均和虛擬陪伴能聊3800輪。
一種是帶有情感屬性的個人助理，例如BlenderBot3、小影機器人。
8月5日，Meta發布的最新款人工智能（AI）聊天機器人BlenderBot3，除了滿足衣食住行的物質需求之外，也可以和你吐槽他的老板扎克伯格，贊揚他的“主人”Meta首席人工智能科學家Yann LeCun；
（BlenderBot3聊天記錄 圖源：新智元）
再例如竹間智能開發的小影機器人，能夠自主學習并記住用戶的喜好和習慣，在回復正常任務型對話時，能更“體貼”一些——例如“這首歌能驅散內心的憂傷，小影會一直陪伴在你身邊”、“是不是經常出差的節奏”······
這類助理目前在汽車領域應用較廣，例如微軟小北、HiPhiGo，HUAWEI HiCar等等。北汽集團與小冰在北汽智能座駕BEIJING-X7上推出主動式虛擬副駕小北，在實現全車級的語音控制之外，可以與乘客進行自然而富有情感的互動。
還有一種是投身心理健康的治愈系“心理治療師”——例如Vivibot、Emohaa。
“對于可能正在經歷悲傷或抑郁情緒或焦慮的人來說，這些聊天機器人是恢復心理健康的重要第一步。”Vivibot的創始人Danielle Ramo表明了投身這一領域的初心。
Vivibot正通過回答患者問題并定期與他們互動，幫助患有癌癥或其家庭成員正在接受癌癥治療的年輕人緩解心理壓力。
2021年面世的Emohaa，運用共情提問、自我暴露、積極關注等心理咨詢師常用策略，對用戶不同層級的需求予以滿足，包括但不限于緩解壞情緒、陪伴、給予建議等等。
（Emohaa聊天記錄 圖源：Emohaa微信公眾號）
有研究顯示，這樣的機器人能夠幫助用戶消除顧慮，讓他們更容易打開心扉——美國南加州大學的創新技術研究所 Morency 博士曾進行一項對比，發現“當人們認為電腦的背后沒有人的時候，他們更愿意表現出悲傷”。
目前，國內玩家逐步切入 toG、toB 行業場景小試牛刀，比如軍隊/武警/消防官兵等特殊職業、精神衛生醫生群體的輔助需求、社區居民和社工群體、大型企事業單位等，包括但不限于:
在近兩年的西安、上海抗疫中，Emohaa為大學生、志愿者們開放24h心理咨詢服務（包括部分時段的人工心理支持），累計服務上萬人次，用戶滿意度超90%；
今年3月，深圳市福田推出的“抗疫心理健康服務” 借助鏡象科技的 AI 心理技術，通過“AI+心理”智能模式 7*24 小時響應心理傾訴需求。
提及商業變現問題時，業內人士表示：“要慢慢來”。Emohaa創始人黃民烈表示：“希望未來的投資人能有社會情懷和前瞻性，能夠認可AI+精神心理的賽道，愿意和公司一起耕耘，不急于短期變現。”
在各路情感機器人變現的道路上，玩家們都不著急。相比之下，他們更著急的是：“我的機器人什么時候能夠更‘善解人意’？”
03 情根尚淺
“善解人意”對于現階段的聊天機器人來說，還較為吃力，在搞懂“是什么”的問題上，還存在著較大挑戰：
在《2021年中國智能客服滿意度調查報告》中顯示，僅有9.6%的用戶認為，智能客服問題解決能力高于人工客服。回答千篇一律(59.1%)、重復循環操作(50.6%)、答非所問(47.3%)等是用戶智能客服使用中遇到的主要問題。
也就是說，在底層技術上面，各家都要多下功夫。
在算力取決于硬件、算法基本開源的情況下，數據成為大施拳腳的地方，也是各家研究機構和企業角力的核心。
但在搜集數據的過程中，困難重重。
首先要提及的便是數據標注環節。這是因為，有了標注數據，算法才能在基礎上進行訓練，數據標注的質量越高，學習結果越精確，NLP邁入實用階段的可能性越大。
但很多企業在這個環節腦袋都大了——太費事了。
一是數據標注需要專業的人去做。據Emohaa背后團隊透露，他們很多的標注工作都是心理專業的學生、實習心理咨詢師、執業心理咨詢師，和專業的心理咨詢機構合作，如此導致標注成本很昂貴。
二是一些領域的類別體系太過細致和復雜，AI很可能學不會。
在心理咨詢中情緒可以細分為32個類別，哪怕是聘請心理專業人士去標注，標簽太細也很難區分，不同人有不同的理解，又會讓數據標注存在一致性問題。所以團隊目前也只能從10類情緒的標簽體系做起。
其次是在評價環節，也不是誰都可以反饋。
評價環節一般是算法自動評價和人工評價。算法自動評價主要通過讓AI做一些測試題并評分，成本可以忽略不計，但是人工評價就比較貴——例如黃民烈團隊表示，要找很多匹配的用戶跟它聊天，然后根據交互情況，對結果進行打分。這就需要大量的、特殊的、易于溝通的群體，必將耗時耗力耗錢。
而目前的產品形態大多都是多模態模型，無疑又增加了難度。
由于多模態數據蘊含的信息更為復雜、模態間對齊較為困難等問題，導致多模態的數據標注難度更大——人類較為復雜，文字、表情、語氣等信息很有可能表達的不是一個意思，機器人崩潰的概率很大。
在這樣的難度下，各家都表示，先培養信任，積累數據。
前微軟（亞洲）互聯網工程院副院長李笛表示，小冰一開始的目的就是為了積累數據——沒有做一個 APP 讓用戶來下載，而是在各個地方刷存在感，如微博、微信等用戶密集陣地。
也是為了培養信任——人們會因為在某一件事情信任一個人之后，很有可能各方面都信任他。當各方面都信任這個 AI 的情況下，它有一天給用戶推薦一件事情，用戶很有可能會去試試。
數據的積累、信任的培養，是為了背后的框架
李笛表示，小冰能夠把數據和訓練成果反饋給框架，從而推進框架的技術發展。不是從流量中收錢。而是把框架里的技術拿出來去解決一些垂直領域的問題，例如在奧運賽場上，小冰和冬奧會合作的高空自由滑雪項目裁判，是團隊從框架里面積累出來的計算機視覺技術。
而AI大戶百度，也希望通過兩位情感機器人與用戶間的對話，得到用戶對AI回答準確度的反饋（每一句話都有贊同和不贊同的標識），從而優化模型，為背后的框架注入新鮮的血液。
而這，先得花大量的營銷費用+差異化的人設，讓大家頻繁地和“葉悠悠”、“林開開”聊天，并且樂于給出自己的反饋。