从人工智能辅助人类到人类辅助人工智能

图片来源：Shutterstock.com/Zsolt Biczo

近几十年， 人工智能和自然语言理解发展迅速，进步显著，然而，时至今日，通过机器人实现完全自动化操作还不可能。

因此，一个人类交叉点对于每一个成功的关心机器人客户的都十分必要。人类和机器人可以通过许多方法相互合作来提高每一个客户服务团队的运作能力。

这里有四个例子，介绍人类运营商是如何成功地以一种清晰和近乎完美的方式与机器人合作。

一、前期选择

这是机器人和人类之间最基本的交叉点，对话开始时，如果用户想和真人或者机器人交流，用户仅仅决定前期的选择。

用户通过机器人操控机器的一个好处就是减少浪费时间。机器人能够让人类在需要时不需要等待其他人帮忙，马上解决他们的问题。

特别是，如果一个公司，想要建立试点，但对机器人不了解，那这就是一个最好的选择，可以很好地感知用户在不受强迫的情况下是否愿意与机器人交流。

Chatchopper是一个流行的聊天机器，在它初运营的时候，他们让用户在机器和运营商之间选择，指出在聊天的开始可能占据十分钟的时间来等待人类的反应。80%的人选择聊天机器人（尽管很多人问聊天机器人是什么东西？）

人工智能 / 自然语言理解要求水平：无

人类的可用性：中等偏低(等待时间可预测)

开发成本：低

操作成本：中等偏高

二、人工接管

这与上述提到的选择非常类似。用户开始和机器人沟通，但是机器人总是提供一个额外的选择让用户请求与一个人类交谈。这可以用不同的方法实现。

例如，其中的一个方法就是机器人只对互动元素有反应，例如通信按钮，它意味着每一个输入信息都能够自动的传递给运营商，这是关于机械方面处理这些事情最简单的方法，因为实际上有两种不同的交流方法：自定义元素和文本信息。

另外一种方法就是让机器人在对所输入内容默认的情况下，在对话范围内用户可以向运营商提供任何要求。例如通过一个永久性的菜单，一个关键词，或者是一个意图目的。

从用户体验的角度来说，有很多方法来完成切换。 例如先不和人与人的对话比较，机器人的工作需要暂停而且不一定必须回答用户的问题。

在我看来，第二个选择更加受欢迎。在与机器人和人类交流的之间有一个明显的不同，因为你随时都可以和其中任何一个人类交流。

人类接管的许多好处之一就是机器人根本不需要理解自然语言， 简单的任务可以通过机器人的用户界面或者是通过简单的关键词和模式匹配， 除非面对一种更加复杂的任务才必须向人类发出请求。

人工智能 / 自然语言理解要求：无

人类的可获得性：中低水平

开发成本：低

操作成本：中高

三、人工智能辅助人类

机器辅助的背后的想法是用户自己确实从来没有操控过机器人，所有的信息都被转发给人类运营商，机器人的工作就是从用户和提取的标题和内容中分析每个信息的内容

因此，由此产生的标签可以自动的添加在对话中，而且机器人可以通过一个包装过的响应反馈给操作者。如果操作者认为反馈合适他们就可以通过一个按钮立即发出信息。如果机器人的包装响应失灵。那么运营商可以编辑来回应对话或者立即发送一个新的信息。在这两种情况下，信息或者编辑过的回答是用来训练机器人的。

人工智能 / 自然语言理解水平的要求：中等

人类的可用性：中等

开发成本：中等

操作成本：中等

四、人类辅助人工智能

这是人类辅助人工智能的自然进化， 就像人工智能辅助人类一样，每一个信息都经过人工智能的分析和归类。然后，最主要的区别就是如果人工智能对其反馈信息达到一种高的识别率（例如 识别率 =90%），那么其信息就能自动的发送。

只有较低识别率的信息才会需要操作人员的再次确认，输出，然后再次来支配机器人。 这种方法的缺点就是操作者的作用是最小化的缩短相应的时间，尤其是如果用户认为他或她在和机器人进行通讯。另一方面只有很少的运营商需要检查机器人。

人工智能/自然语言理解能力要求：高

人类的可用性：高

开发成本：高

操作水平：低

五、对未来的展望

现在的一个问题就是许多机器人的开发者在设计和训练对话方面并没有付出太多精力。机器学习和人工智能已经达到了一个很好的水平，但是许多团队和开发者无法给对话建立很好的模型，但是它也从许多的客户对话中得到大量信息来进行训练。

我预测自然语言的理解和人工智能应该比过去的几十年发展更加迅速。而且运营商也在机器人的帮助下会付出更多的精力在训练机器人上。

在不远的未来我们将会在客户服务团队方面看到一个模式的转变，运营商将不会负责回答客户的提出的任何问题，而这一角色将会转移到机器人的监督者身上。

这篇文章最初出现在orat.io博客