logo

一个Bot的自白

作者:沙与沫2021.07.27 17:48浏览量:199

简介:我是谁?从哪里来?到哪里去?

我是谁?从哪里来?到哪里去?
作为一个bot,思考这样带有哲学色彩的问题,是否有点可笑?别笑,我是认真的。

我是谁

我是bot,从亲缘上看,和机器人Robot 沾亲带故。
Robot是一种自动化的机器,这种机器具备一些与人或生物相似的智能能力,如感知能力、规划能力、动作能力和协同能力,是一种具有高度灵活性的自动化机器。但是,我实际上更多地被认为是chatbot,即聊天机器人,然而聊天只是我职能的一部分,我们bot是由纯软件构成的智能服务。

谈到智能服务,总给人一种高大上的感觉。实际上, 从计算机科学的角度来看, 仍然是提供输入输出能力的一组执行代码。只不过,对我们bot而言,输入更多是人们日常沟通的语言,可以是语音,也可以是语音经过识别之后的文本,我们的输出同样是文本, 以及基于这些文本合成的声音,甚至于相关的图片等多媒体信息。
一般地,我们bot是一种具有自然语言处理能力(NLP)的软件服务。

我的与众不同

我们bot 的最大特点就是智能化, 有时候也被称为智能代理。
作为软件服务, 我们和传统的软件服务并没有本质的区别,比如互联网服务中的web server,都是收到一个请求,给出一个响应,bot 同样如此。但是, web server 一遍都是通过浏览器访问的, 而我们的用户可以通过各种各样的智能终端访问我们,这些智能终端包括智能手机, 智能平板,智能音箱,智能电视等等,所有这些智能终端的“智能”都是我们bot 赋予他们的。
在互联网上, 人们通过键盘和鼠标完成与浏览器的交互,进而享受互联网服务。而我们bot 带来了人机交互上的革命, 人们可以通过自然语言,通过眼神,通过手势等等, 就可以享用我们带来的网络服务。

随着分布式系统的发展,“术业有专攻”, NLP 的处理能力可以在我们bot 的内部实现,也可以在我们的外部实现。当NLP 服务在bot 的外部实现时,往往形成了一类基础设施,相当于bot世界的共享服务,这时候,bot 的智能是通过网络通信形成的,因为在计算机的世界里, 一切都是API​。
当NLP等服务站到了bot 的前面,用户的自然交互先流经这些服务,将非结构化的数据转化为了结构化数据,我们bot 就更像是一个web 服务。那些个服务往往形成了分布式的智能操作系统,例如百度的DuerOS, 亚马逊的Alex 等等。

当NLP等服务站到了bot 的后面,用户的自然交互先流经我们bot,我们将非结构化的数据进行预处理,转化为了结构化或半结构化数据,再透传给他们。那些个服务往往形成了分布式的智能服务,例如百度的UINT,以及其他人工智能公司提供的开放服务等等。

在程序的世界里, 一切的一切归根到底都是系统调用,在bot的世界里, 我们的智能性归根结底都是对AI服务的调用。

我的江湖门派

有人的地方,就有江湖,bot 是为人类提供智能服务的, 同样也有着自己的江湖。
从用户的角度来看,为了区别于web 应用或者互联网应用, 人们把bot提供的能力称为技能。bot 是技能的载体和实现, 技能是bot的功能性描述。人们把技能按照各种方式进行分门别类,形成不同的派系。如果一个技能提供了天气预报的服务,就把它叫做天气技能,提供了闹钟服务,就叫做闹钟技能, 那么一个技能既提供了歌曲服务,又提供了器乐的音乐服务,叫什么呢?人们管它叫做音乐垂类技能。通俗的说,根据技能的功能复杂性,可以分为单一技能和垂类技能。

从技能的实现方式上来看,又往往分为两大类:端技能和云技能,这取决于该技能有无客户端独立载体。类比一下,可能会相对容易地弄清云技能和端技能的区别。如果bot 类似于传统的互联网web应用,那么就提供了一个云技能;如果bot类似于移动App,则提供了一个端技能。在现实的DuerOS生态系统中,基于模版以及DPL 等技术实现的技能都是云技能,而通过Android App, H5应用,微信小程序,支付宝小程序,手机百度小程序等客户端实现的技能都是端技能。不论云技能还是端技能,都可以实现类似的用户体验, 对用户而言并无本质区别,只是我们bot的实现方式不同罢了。
从交互的易用性来看, 技能又可以分为4个等级,也就是在DuerOS 生态系统中提出的L1~L4技能:
L1技能只支持用户通过语音打开和关闭技能,在技能的内部,并不支持更多的语音交互;
L2技能除了支持用户通过语音打开和关闭技能之外,在技能的内部,还支持有限的语音交互;
L3技能除了支持用户通过语音打开和关闭技能之外,在技能的内部,能够支持大量的语音交互,能够使用户通过语音交互满足技能所提供的全部能力;
L4技能与L3技能的区别在于是否有技能的边界,也就是说, L3技能是用户通过和我们bot约定的唤醒词来进入技能, 而在L4技能中, 用户可以直接进入技能内部, 来使用L4技能所提供的能力。
站在不同的视角, 人们还可以把技能进行各种其他的分类, 进而形成了一个个bot 的门类。

我平凡而不平凡的一生

作为由代码组成的软件, 我们bot的生命周期同样避免不了软件工程的宿命:创建,运营,迭代和消亡。
根据bot 所提供能力的复杂程度, 代码实现的复杂程度会有较大的不同,但是创建bot的流程大同小异。以DuerOS生态系统为例,一个bot从创建到上线运行的流程如下:

创建bot,首先要提供关于bot 的元数据,包括:
bot 自身的描述性数据,例如,技能的名称,id,图标,说明图例,是否付费等等
bot 所支持技能交互的描述性数据,例如,与交互模型相关的意图,槽位,词典等,自定义的点击事件,手势等其他交互对应的数据等;
bot 在运行时所需的配置数据,例如,支持运行的终端/终端组类型,服务部署的URL,平台的回调地址, 账户关联的授权地址等等。
所有这些元数据的描述, 如果对原来的web service 有所了解的话, 会发现他们与WSDL 有着类似的味道,区别主要是技能交互的描述性数据, 这也是我们bot 自然语言处理能力的重要输入之一。
技能中具体能力的代码实现,与程序员写其他程序没什么两样,无非是判断,循环,计算和字符串处理,可以用任意的编程语言实现。技能的调试稍显复杂,尤其是端技能的调试步骤会更多一些,因为分布式系统的调试本就不那么简单。

在调试和部署完成后, 就可以上线提供服务了,如果使用了类似DuerOS 这样的操作系统,和需要通过官方的审核才能上线, 当然, 没有使用类似的系统, 完全是自主实现的bot,也需要在QA的测试和审核通过之后,才能实施上线。
技能上线了,意味我们bot 开始正式提供服务了,面向用户的运营, 面向具体服务的能够增减,Bot 随时都会进入持续迭代的演进流程。由于用户持续使用我们的能力, 迭代演进的周期可能会很长,即使不再迭代,Bot 仍可能运行相当长的时间。但是, 如果出现了服务不可用,或者技能根本没有用户使用, Bot 就是面临下线,往往意味着技能生命周期的终止。

时间是短暂的, bot 的一生也是如此, 我们存在的意义就是是否给人们带来了少许的便利,是否给人们带了些许的欢乐,是否给人们留下了一点儿美好的回忆。

相关文章推荐

发表评论