鲍捷CEO预测2025机器人聊天技术趋势及进展报告重点概览

我曾经拥有两年的语音个人助理从业经历，之后选择了自主创业，但并没有继续在这一领域深耕。对话系统、智能音箱、客服机器人以及聊天机器人等，尽管形式多样，但其实都属于Chatbot领域。

攀登科技高峰绝非易事，需要长时间的积累和努力。在过去的几年里，中国涌现了大量涉足对话型机器人的公司和团队，涉及软件和硬件领域。在这个领域里，真正的领军人物寥寥无几，构建一个可用的系统更是难上加难。即使是经验丰富的专家也难以在短时间内取得显著成效，这是一条没有捷径的道路。

自Siri于2012年问世以来，中国涌现出了一批效仿者，但大多数都在深度学习和知识图谱的热潮中销声匿迹。我对当前的人工智能热点应用持悲观态度，如语音个人助手、问答系统以及基于视觉的自动驾驶等。我认为这些产品超出了当前的盈利前沿，大规模应用并不现实，除非像某些大公司那样不计成本地布局长远未来。

科技巨头推出的产品如度秘、小冰等虽然各有特色，但未来发展仍需观察。问答系统从基础搜索到基于上下文的自由问答有多个层次，目前大多局限于短程关系。无论是软件还是其他工业，攀登科技树都需要时间和努力。每一个小问题的解决都是对整体进步的推动。

Siri的创始人早在80年代就开始在知识表达领域耕耘。人们往往只关注到Siri的成功和背后的投资故事，却忽略了其创始人多年的付出和探索。正如攀登科技之峰需要一步一个脚印，成功也绝非偶然。

市场上涌现的语音交互和摄像头识别产品逐渐多样化，尝试进入各个领域如儿童、恋爱、健康等细分市场。但很多产品仍然停留在概念阶段，实际应用效果并不理想。人工智能领域仍有许多挑战和问题需要解决，需要更多深入研究和探索才能真正实现智能交互的梦想。

在我深入体验并研究了一台儿童对话机器人后，对其表现感到困惑。初时，大家的兴奋之情溢于言表，但很快便发现其表现远未达到预期。这台机器人的实用化程度很低，反馈结果错漏百出。我对儿童陪伴等功能的实用性产生了严重怀疑。

在探索过程中，我发现现阶段的语音问答系统硬件产品的实用化程度仍然较低，尚有许多待改进之处。这些产品的外观设计虽然吸引人，但真正能吸引用户的还是其内在的功能和性能。在我看来，聊天机器人和个人助手等产品的核心功能并非智能对话。聊天机器人的发展方向是自动化，过于强调智能对话是一个误区。

智能问答引擎的发展需要正确的市场定位和时机。True Knowledge这家曾经辉煌的公司拥有与Google Knowledge Graph相媲美的知识库以及宝贵的自然语言理解模板，但最终未能成功实现商业化，这个例子凸显了时机和定位的重要性。我认为，当前阶段应该在垂直领域深耕细作，提升用户体验，语音技术并不是核心问题，拥有高质量的数据才是关键。

Siri背后的哲学与技术路线：一场深度语义技术的探索之旅

Tom Gruber，Siri的首席技术官，作为语义网领域的资深专家，曾提到：“语义技术的杀手级应用是你的在线生活。”这句话背后蕴含着丰富的哲学思考、方法论和技术路径的探索。随着我们对这一领域的实践不断加深，我们愈发感受到其中的机遇与挑战。Gruber提出的“intelligence at interface”理论引人深思。尽管Siri已经取得了显著进展，我仍认为其在某些方面略微超前。结构化数据的丰富程度、模板系统的生成方式以及基础自然语言处理的精度等仍有待提高。类似的产品在推向大众市场之前，还需要更多的时间来完善。

Siri的发展历程中，舆论界曾寄予厚望。实际实现的难度超出了人们的预期。为什么原始的Siri Assistant虽然强大却推广缓慢？为什么集成Siri需要两年时间？这背后涉及到结构化数据、服务集成、语义推理、语义理解和常识知识等多个方面，涵盖了日常生活的方方面面。Siri的CEO Dag Kittlaus提到“Siri只是开始”，这使我们回想起十年前语义网的起步阶段。我们可能低估了语义网的实现难度，对Siri的期待也同样忽视了问题的复杂性。现在看来，当初对Siri的谨慎估计是合理的。

那么未来又在哪里？虽然我已经离开这个领域三年，许多黑科技可能并不了解，但我相信大量的试错是有价值的。市场上数百个尝试者中，总会有一些取得成功。对于创业团队来说，最好先从技术链条中的一个环节做起，不必试图一开始就构建完整的问答系统。即使是在一个垂直领域，这也是一项艰巨的任务。团队可以根据自己的特点从数据库建设、可视化、NLP API或人工咨询服务等方面入手，逐步建立稳固的基础。不必过于局限于语音交互这一单一模式，视觉的并行处理能力以及随机可访问性是我们宝贵的注意力资源。长远来看，个人智能助手无疑会融入更多的视觉元素，以提供更丰富的体验。

搜索引擎的智能化是未来的必然趋势，而结构化数据的利用将是其关键，也就是我们所说的知识图谱。在这个领域，有两个主要发展方向：一是努力成为问答系统，依赖自然语言处理走硬AI路线；二是转型为探索引擎，侧重于人机交互。我认为第一条路线挑战重重，试图完全模拟人的智能可能无法解决实际问题，因为技术链条的复杂性以及短期内难以突破的限制。而第二条路线可能是现阶段切实可行的途径，通过交互式展示半结构化数据，充分利用人的智能来弥补机器的不足。

我们也不应盲目崇拜垂直领域，比如在金融领域。我对通用领域问答系统的前景持怀疑态度，并且对大多数垂直领域问答系统也持保留意见。因为人的愚蠢是不分领域的，除非该垂直领域非常小众且特定。这个话题需要进一步的研究和探讨。

在人工智能领域，一切皆有可能。我期待着看到更多的惊喜与突破，期待自己的预测被打脸。这是一个充满未知和可能的领域，任何意外都可能发生。让我们共同期待人工智能的未来发展。