1.1 激动人心的例子：AI驱动的聊天

我们的AI聊天系统Arty可以像人类员工一样回复客户支持请求。Arty了解我们公司产品，可以随时提供服务。

下面是人与AI客服系统的一段对话。

这种系统令人兴奋，足以撼动市场，因为如此复杂的系统竟然可以十分简洁。让我们仔细分析一下。从表面上看，你有可能觉得，这问题很简单啊！提问很简单，回答也很简单，只是接收一个请求，给出一个回复。“您好，我的手机死机了，应该怎么办？”很简单，重启就好了。当然，表面上看起来一定是这样的。

        from Arty import AI
        AI.respond_to("my phone froze, what should I do?")
        >> "reset it."

问题的难点在于要从AI的角度看问题。AI没有完整的人类经验，它既没读过古希腊史诗《伊利亚特》，也没看过儿童故事书《大红狗克里弗》，没办法消化信息。核心问题就是，AI没有什么阅读的经验。人们给这个AI几十万份（乃至几百万份）之前的人类聊天日志，让其从中发现规律。

上文中AI系统的训练数据节选如下。

数据分为两列，请求表示最终用户输入客服聊天框的内容，回复则表示客服对所收到消息的回复。

在读过数千条包含错别字、脏话和中途掉线的聊天记录后，AI开始认为自己可以胜任客服工作了。于是，人类开始让AI处理新收到的消息。虽然人类没有意识到自己的错误，但是开始注意到AI还没有完全掌握这项本领。AI连最简单的消息都识别不了，返回的消息也没有意义。人类很容易觉得AI只是需要更多的时间和更多的数据，但是这些解决方案只是更大问题的小修小补，而且很多时候根本不管用。

这个例子中的潜在问题很有可能是AI的原始输入数据太差，导致AI认识不到语言中的细微差别。例如，问题可能出在这些地方。

❏ 错别字会无故扩大AI的单词量。“你哈哦”和“你好”是两个无关的词。

❏ AI不能理解同义词。用来打招呼的“你好”和“嗨”字面上看起来毫不相似，人为地增加了问题的难度。