大家可还记得前一阵亚马逊Alexa的“抽风”事件？试想一下，一个静谧的午夜，你和家人正在熟睡，家中突然响起毛骨悚然的笑声，时远时近，这困扰了大人，惊吓了孩子…….其实类似的情况在聊天机器人身上并不是第一次发生，两年前，微软在Twitter上的聊天机器人Tay变成了“种族主义者”，不到一年，它的后续产品Zo又再次出现问题。Zo认为里描述的内容“非常暴力”，并且它认为抓住本·拉登是“不止一个政府多年情报收集”的结果。
为什么人工智能成了“人工智障”？
Zo发表的不宜言论
现在市面上的大部分聊天机器人，对话界面主要依赖于语音识别，从而根据用户命令做出便捷迅速的反应，比如“下午三点去参加会议”“今天的天气怎样”等。而语言作为一种主观性较强的表达方式，可以说是没有什么固定规律可循。这和电脑程序不同，人们表达不会完全受制于规则，能够自由的遣词造句，并以此来传递信息。除了地方方言外，每个人也会有自己独特的表达方式，例如心照不宣的“暗语”，或者某些特定的“梗”，这对聊天机器人的系统提出了更高的要求。
以Richard S.Wallac设计的Alice聊天机器人为例，其在中文处理上就存在一些问题，中文多年以来始终雄踞世界最难语言的TOP5之位，这是因为汉语不像英语等语言，用空格或其他标记分词，这就加大了Alice对中文支持的难度。此外，其对于汉语分词采用的一般匹配法、词频统计法、同义句的处理等方面也存在着许多技术难题。
“人工智障”般的聊天机器人
个性化适配之痛
个性化适配的问题主要体现在两个方面，一方面，聊天机器人程序化的语言会让许多人觉得刻板乏味，缺乏“人气儿”，另一方面，聊天机器人很容易对人的需求产生误读。比如对Siri发出“区块链”的指示，Siri提供的是关于区块链的百度百科，这与用户想要了解区块链的最新发展动态的初衷大相径庭。
目前聊天机器人语音识别主要基于语音识别的基本架构、声学模型、语言模型并进行解码，而真正通过用户画像来实现个性化适配的聊天机器人少之又少。其实，不同用户的性格、特点、知识层次都不相同。如果有预设的用户画像，那出现适配失误的可能性也会大大减小。
当前语音识别的通常模式
目前来看，机器学习能够做到的事情，大体主要还是字符识别（OCR）、语音识别、人脸识别这一类，这些称之为“识别系统”。这些系统的问题在于难以变通，简单的语音识别难以真正为用户提供较为复杂的辅助工作，线性的识别方式也难以适用于更开放的应用场景。
隐私安全始终是困扰
最近，Facebook被曝史上最大数据泄露案，特朗普被指利用AI竞选成功，这也让更多的聊天机器人用户对自身的隐私感到担忧。亚马逊Alexa“抽风”事件中，亚马逊对于事件原因闪烁其词，似乎用户数据已经进入了“围墙花园”的模式。语音分析和人工智能软件存在于一个黑匣子中，而这些软件只有硅谷的开发人员才能真正理解。很难想象，如果将一切的智能家居与聊天机器人连接起来时，涉及到的数据、信息都存储在一个用户无法拥有也无法控制的计算机上，这是一件多么可怕的事。
聊天机器人作为一个虚拟助理，其存在的目的是为了给人类提供便利。聊天机器人主要分为两种：单纯聊天的机器人以及垂直领域的定制机器人，当下，聊天机器人主要利用于内置商业场景中，如用机器客服代替人工客服。事实上，目前业内对聊天机器人盈利模式的探索还远远不够。作为人工智能产品的重要代表，其在聊天机器人+原生内容、利用聊天机器人做联盟网络营销、用聊天机器人做用户调研等方面是大有可为的。这显然不仅仅是聊天机器人或者个别互联网公司的任务，也是整个行业的义务。
网红机器人是骗局？语音助手的水平究竟怎样
新零售是商品物流的竞赛？这是硬件与技术的较量！
图解突发事件应急管理
奥巴马陷入银行卡盗刷风波？原来是骗子的“障眼法”
巡航失灵生死时速的背后，网络安全惹人心忧