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。而这一切的怪笑，都是由 Alexa 发出的。作为 Amazon 的主推产品，Alexa 这一动作让许多用户陷入恐慌之中。
目前，亚马逊方面并没有对此次 Alexa 出现故障的原因进行详尽解释，并且它强调这是在 极少数情况 下才会发生的，尽管网上反映的问题代表不了 Echo 的数千万用户，但可以看出亚马逊对此事的态度其实不以为意。
类似的情况，在聊天机器人身上已经不是第一次发生。两年前，微软 Twitter 平台的聊天机器人 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 将古兰经称作 非常暴力 ，并且它认为抓住本 拉登 不止一个政府多年情报收集 的结果。
Zo 发表的不宜言论
之前，Facebook 关闭了虚拟助理「M」，团队相关成员分散到其他部门任职。聊天机器人的发展，道阻且长。
智能机器人变成 人工智障 ？
「我们可能都希望能生活在这样的世界里：和机器人有着最自然的对话，它将一切任务都执行得完美无瑕。这一路走来确实不容易，而且说实话我们已经发展得很快了。」Politibot 的 Su rez 认为：「但不幸的是，我们还没有到那个理想的生活状态，还要好几年，机器人才能好到普罗大众都能接受。」
然而，现实却远不及 Su rez 的预期，聊天机器人依然存在着众多问题。2016 年，Facebook Messenger 开放其程序接口后，收到的用户反馈却远不及预期。众多机构确实可以在短时间内拥有自己的智能聊天机器人，但当此类机器人无人类干预时，这些机器人的应答失败率高达 70%，用户体验更是相当糟糕。
从 图灵测试 到 Eliza 的精神治疗，聊天机器人发展至今已经走过了近 70 年，在漫长的发展历程中，聊天机器人并未得到真正的普及，现今依然存在着诸多弊病。
是谁让聊天机器人变成了这样？智能相对论（ID:aixdlun）认为，是人类，更是机器本身。部分核心技术及适配性问题，依然是聊天机器人的阿喀琉斯之踵：
1. 复杂语言识别困难
现代化聊天机器人的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。
语言作为一种主观性较强的表达方式，人们说话的规则具有一定的变化性。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，每个人也会有自己的表达方式，例如心照不宣的 暗语 ，或者某些特定的 梗 。这就需要聊天机器人 去陌生化 ，仅仅完美 keyword/keyword 地理 keyword/keyword 解结构化语言的系统将难以满足大量用户的需求，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，其在中文处理问题上，就存在一些问题。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
2. 个性化适配之痛
个性化适配的问题体现在两个方面，一方面人机信任是聊天机器人个性化发展的一个重点攻坚点。调查显示，许多公司领导对于聊天机器人处理待办事项是并不看好的，聊天机器人程式化的语言会让许多人觉得 乏味 、 没有人气 ，这也是公司助理一职并未被取代的原因。
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
纵观历史上机器学习能够做到的事情，都是一些字符识别（OCR），语音识别，人脸识别一类的，这些称之为 识别系统 。这些系统存在的问题在于难以变通，简单的语音识别难以真正为用户较为复杂的工作助力，线性的识别方式也难以适用于更开放式的应用场景。
3. 隐私安全终成隐忧
Facebook 爆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隐忧。 Alexa 发笑 事件中亚马逊公司对于事件原因的闪烁其词，似乎用户数据已经进入了一个 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，如果你将一切的智能家居与聊天机器人连接起来时，这一切都在一个你无法拥有也无法控制的计算机上控制着你的生活以及你的家。
作为语音识别领域的领军人物，微软于 2016 年也仅仅将错误率控制在 5.8% 左右。可是随着人工智能进一步拓展到金融、医疗等领域，1% 的错误率导致的可能是财产的损失和生命的安全。
微软语音识别错误率（2016 年）
此外，配套设施的不完善难以让聊天机器人发展成了一个严密的体系，这使得初次试水的用户对此颇有微词。聊天机器人何时能够完善到能够大范围普及，这也是产品长足发展需要认真思考的问题。
死地而后生，聊天机器人或许需要 洗心革面
曾经火遍全球的索菲娅机器人最近摊上大事了。Yan LeCun（机器人专家）指责索菲娅与人类堪称完美的聊天是一场彻头彻尾的骗局，以目前人工智能的技术来看，此种对话是不可能达到的。然而能像人那样自然地聊天的机器人一直以来都是机器人学者所追求的目标之一，这是一个漫长的过程。
而在 2018 年年初，Facebook 关闭了虚拟助理「M」，这像是压死骆驼的最后一根稻草，许多品牌对聊天机器人已经不再感兴趣，聊天机器人的发展走进了一个死胡同。曾经热极一时的聊天机器人似乎遭遇了滑铁卢，死地而后生，智能相对论（ID:aixdlun）认为，可以从三个方面 洗心革面 。
1. 塑造聊天机器人的 独立三观
能够独立表达喜欢、不喜欢和偏好怎样的人类性格，在聊天的过程中展示出诚实和值得信任等可贵品质是塑造聊天机器人 独立三观 的重要体现。正如聊天机器人被引入日常生活，我们还能训练机器人去识别我们的语言，挖掘我们的喜好，甚至还能分析我们的口音，推测我们的情绪。
通过自然语言和情感分析，Quartz 公司尝试着让 Quartzy 来指导特定用户做面包。Quartzy 会以一种友好且有趣的方式和用户聊聊「怎么做一个免揉面包」，这项体验会持续两天，一旦用户完成了第一个步骤，Quartzy 会在大概 12 小时后，用 Facebook Messenger 给你「叮」一个通知，提醒你完成后续的步骤。这是机器人独立三观的一个体现，当然希望以后这样的尝试会更加普及。
2. 从 鹦鹉学舌 到 乌鸦喝水
鹦鹉学舌 是借由人类语言的模仿行为，其类似于当前由数据驱动的机器人。 乌鸦喝水 则是一个完全的自主行为，其含括了感知、认知、推理、学习、和执行，这是聊天机器人朝想象力、创造力更高层次的进阶。目前，要真正实现聊天机器人的 乌鸦喝水 模式主要从两个方面努力：
一方面，让人工智能在自动学习中 更聪明 。 伊恩 古德费洛用两个神经网络，进行数字版的 猫鼠游戏 一个负责 造假 ，一个负责 验真 ，从而在对抗中不断提高。首先，依据 见过 的图片生成新图片，需要机器人总结规律、发挥想象力和创造力；其次，判别某张图片是否是真实事物，这需要它凭训练积累的 经验 。
另一方面，建立更加广博的知识图谱。知识图谱的建立需要从静态和动态两个方面出发，真正将目前聊天机器人聊天对话场景从垂直领域拓展到开放领域。同时，构建知识图谱的重点在于语义理解、知识表示、QA、智能对话和用户建模。
3. 学会更快更多元的赚钱
聊天机器人作为一个虚拟助理，其最终目的是为了简便工作方式或者直接盈利。目前的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，如小i机器人就衍生出了全渠道跨领域智能客服机器人、智能呼叫中心解决方案、智能营销解决方案、智能语音交互解决方案等多个发展方向。就当下来看，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，聊天机器人盈利方式的开发还远远不够。作为人工智能类产品的重要代表，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。
这显然不是聊天机器人自己的任务，也是整个行业的工作。
