Alexa語音助手不僅可以根據(jù)用戶的語音指令播放笑聲,，亞馬遜還給她內(nèi)建了一個“笑聲庫(Laugh Box)”,，用戶可以自定義Alexa笑聲的類型，從“寶寶咯咯笑”到“別有用心的壞笑”,，一應俱全,。

對于Alexa在沒有任何明顯指令的前提下兀自怪笑的情況，亞馬遜解釋為,，在非常罕見的情況下，Alexa會錯誤地將環(huán)境噪音辨別為短語“Alexa,，笑一個”,，并做出響應。

一位Echo Dot的用戶說,，他們讓Alexa在早上關掉鬧鐘,，她的回應時發(fā)出“像女巫一樣的”笑聲。Echo Dot的另一位“幸運”用戶在推文中稱,，正躺在床上準備入睡,，Echo Dot上的Alexa突然爆出一聲毛骨悚然的大笑……我恐怕活不過今晚了。

類似的情況,，在聊天機器人身上已經(jīng)不是第一次發(fā)生,。兩年前，微軟在Twitter上的聊天機器人Tay變成了“種族主義者”,。去年,，它的后續(xù)產(chǎn)品Zo又再次出現(xiàn)問題。

盡管微軟通過編程讓Zo忽略政治和宗教話題,，但BuzzFeed的編輯嘗試讓Zo對某些受限話題做出了令人驚訝,、充滿爭議的回應。在交流中,，Zo將古蘭經(jīng)稱作“非常暴力”,。此外，它還對本·拉登的死亡做出評論,，稱抓住本·拉登是“不止一個政府多年情報收集”的結(jié)果,。

到現(xiàn)在為止，聊天機器人依然存在著眾多問題,。2016年,，F(xiàn)acebook Messenger開放其程序接口后，收到的用戶反饋很少,。眾多機構確實可以在短時間內(nèi)擁有自己的智能聊天機器人,，但當此類機器人無人類干預時，應答失敗率高達 70%,，用戶體驗更是相當糟糕,。

從“圖靈測試”到Eliza的精神治療，聊天機器人發(fā)展至今已經(jīng)走過了近70年,，在漫長的發(fā)展歷程中,，聊天機器人并未得到真正的普及，并且依然存在著諸多弊病,。

在各類問題中,，復雜語言識別困難、個性化適配之痛,、隱私安全隱憂成為最突出的問題,。語言作為一種主觀性較強的表達方式，人們說話的規(guī)則可以說是千變?nèi)f化的,。這和電腦程序不同,，人們表達不會完全受制于規(guī)則，能夠自由的遣詞造句,，并以此來傳遞信息,。

除了地方方言外,，每個人也會有自己獨特的表達方式，例如心照不宣的“暗語”,，或者某些特定的“?！薄＝Y(jié)構化語言系統(tǒng)將難以滿足大量用戶的需求,，這對聊天機器人的系統(tǒng)提出了更高的要求,。

個性化適配問題體現(xiàn)在兩個方面，一方面人機信任是聊天機器人個性化發(fā)展的一個攻堅點,。另一方面,，聊天機器人很容易對人的需求產(chǎn)生誤讀。

目前聊天機器人語音識別主要基于語音識別的基本架構,、聲學模型,、語言模型并進行解碼，而真正通過用戶畫像來實現(xiàn)個性化適配的聊天機器人少之又少,。其實,，不同用戶的性格、特點,、知識層次都不相同,。如果有預設的用戶畫像，那出現(xiàn)適配失誤的可能性也會大大減小,。

語音分析和人工智能軟件存在于一個黑匣子中,，而這些軟件只有開發(fā)人員才能真正理解。很難想象,，如果將一切的智能家居與聊天機器人連接起來時,，涉及到的數(shù)據(jù)、信息都存儲在一個用戶無法擁有也無法控制的計算機上,，這將是一件多么危險的事,。如果將人工智能進一步拓展到金融、醫(yī)療等領域,，1%的錯誤率導致的可能就是財產(chǎn)的損失和生命的安全,。

2018年初,，F(xiàn)acebook關閉了虛擬助理M,，成了壓死駱駝的最后一根稻草。M于2015年8月推出,，用戶可以通過Messenger得到人工智能的回復、建議等,。

在推出時,，F(xiàn)acebook為其打上了“測試”標簽,，但隨著時間的推移，M并沒有獲取Facebook預期的用戶量,，而直到下線前,，M仍然處于beta測試狀態(tài)。許多互聯(lián)網(wǎng)公司對聊天機器人已經(jīng)不感興趣了,，聊天機器人的發(fā)展也走進了死胡同,。

如果要要讓聊天機器人重新煥發(fā)生命力，不僅需要其在自動學習中“更聰明”,，還將幫助它建立起獨立的三觀,，辨析什么是對什么是錯，同時也要更為深層地引入人類世界的規(guī)則,。

能夠獨立表達喜歡,、不喜歡和偏好的性格，在聊天的過程中展示出誠實和值得信任等可貴品質(zhì),，是塑造聊天機器人“獨立三觀”的重要體現(xiàn),。正如聊天機器人被引入日常生活，我們還能訓練機器人去識別我們的語言,，挖掘我們的喜好,，甚至還能分析我們的口音，推測人類的情緒,。

此外,，還要讓聊天機器人脫離模仿層面，進入主動思考的階段,。在此過程中,，需要建立更加豐富的知識圖譜。知識圖譜的建立需要從靜態(tài)和動態(tài)兩個方面出發(fā),，真正將聊天對話場景從垂直領域拓展到開放領域,。同時，構建知識圖譜的重點在于語義理解,、知識表示,、QA、智能對話和用戶建模,。