對話式人工智能被視為一種卓越的解決方案，可在用戶需要時以最符合其意愿的方式提供所需信息。然而，即便如此，對話式人工智能系統仍然不乏一些普遍存在的瑕疵。

下面是我多年來整理的一些小技巧，可以幫助您提升對話式系統的性能：

1、精簡提問

對話式人工智能系統的目標是獲得完成任務所需的信息，這些信息可以來自上下文或用戶提問。

然而，系統提出的每個問題都可能導致對話失敗。因此，我們的目標是最小化提問次數，或者使問題更加簡單。

以汽車保險為例，用戶想要查詢剛剛提交的索賠狀態。我們只需要求用戶提供理賠的11位數字ID，而無需復雜的問題或解釋。這樣的設計更符合用戶需求，同時減少對話失敗的風險。

2、技術人員可能會問太多問題

在技術驅動的方法中，通常首先考慮的是所需的"理賠詳細信息 API"。開發人員甚至可能會提到已經存在一個API，可以利用保單ID來獲取詳細信息。這是極好的！我們只需要用戶提供1保單ID，就能獲得所需信息。這種設計與目前通行的技術方法截然相反。

盡管這對于開發人員而言相對容易，但對用戶來說可能會構成一定的挑戰。用戶必須精確輸入11位數字的ID。在語音環境下，即使用戶知道這11個數字，要正確捕捉它們也可能具有一定挑戰性。

3、通過更友好的設計，使問題更易于解答

為了讓用戶更輕松地輸入索賠ID，我們可以降低要求的數字數量，例如僅要求輸入最后四位數字，而不是全部的11位數字。盡管后端仍然需要完整的索賠ID，但這種設計可以顯著降低用戶提問的難度。在輸入或說出少數數字時，出現錯誤的可能性較小。

“提出更簡單的問題”有多種方式：

1. 提出不同的問題：對于索賠情況，這可能包括詢問索賠的日期。對于很多使用場景而言，索賠ID或日期對于每個用戶都是唯一的。
2. 使用照片識別：一些移動應用程序可以從照片中識別并提取所需的信息。

然而，提出更簡單問題的辦法仍然存在一定的限制，因為您仍然在提問。例如，在汽車索賠的情況下，我們期望來電者能夠獲取有關索賠的詳細信息，但這一過程可能會對用戶構成挑戰。那么，我們是否可以進一步簡化事情呢？

**4、**做出合理的假設（并可能確認）

讓我們進行一種不同的思考方式，將話題從技術角度轉向用戶視角。我們應該將用戶置于首要位置，理解他們為什么要致電咨詢汽車索賠事宜?？赡苁且驗樗麄儎倓偨洑v了一次車禍，正在追蹤他們所提交的索賠。

盡管用戶可能有多項索賠，但他們可能會電話咨詢關于最近一項索賠的信息。這樣的情況下，我們需要進行合理的假設，并有必要確認這些假設，以便更好地滿足用戶的需求。

上圖展示了一種能夠減輕用戶負擔的方法。現在，用戶無需將索賠信息主動提供，而是可以接收系統提供的信息。這一改進不僅降低了用戶的交互負擔，還能夠滿足后端數據檢索的需求。用戶確認信息要比主動提供信息更為便捷。此外，這種方式也使得對話式人工智能系統看上去更具智能性，提高了用戶對系統的信任感。

然而，這種模式需要額外的上下文信息，以確保信息不會被泄露給惡意的第三方。例如，在索賠搜索的示例中，系統通過識別來電者的身份（可能將傳入電話號碼與索賠政策綁定）來推動這一過程。

雖然并非總是可以跳過問題而僅僅做出合理的假設，但這是構建更高效對話式人工智能系統的強大技術之一。接下來，讓我們探討如何改進您需要提問的問題的方法。

5、提供明確的選擇

在前述部分，我們討論了通過減少問題的方式來提高人工智能系統的效能。然而，有時候，刪除問題并不是可行的選擇，問題仍然需要被提出。在這種情況下，一種有力的方法是提供明確的選擇，即要求用戶從一個明確的列表中作出選擇。讓我們來想象一下，假如我們要求用戶在蘋果和橙子之間進行選擇。雖然這聽起來相對簡單，但我們如何確保用戶成功地做出了一個選擇呢？

選擇題的實施可能比您想象的更具挑戰性。讓我們一同研究一些潛在的陷阱。

6、謹防“是/否”混淆

我們需要謹防“是/否”混淆。用戶對于如何回答選擇性問題并不總是明確的。例如，當您問用戶“您是想要蘋果還是橙子？”時，他們可能會回答“是！”這種情況下，我們需要重新構思問題以使用戶更加明確：

• “請選擇蘋果或橙子。”
• “您想要哪種水果——蘋果還是橙子？”

這些問題的重新表述可能看似技術上相同，但在實際對話中的效果可能截然不同，因此選擇適用于對話媒體的對話副本是確保對話人工智能系統最佳性能的關鍵。

7、按鈕簡化了操作流程

有些用戶不太愿意輸入或語音回答問題。在聊天場景中，通過點擊按鈕可能比鍵入回答更為便捷。而在語音場景中，用戶通常具備按下鍵盤上按鈕的能力——例如，按下“1”表示選擇第一個選項，按下“2”表示選擇第二個選項，以此類推。在評估用戶對于問題“請選擇蘋果或橙子”的回應時，我們可以接受“蘋果”或“1”作為等同的答案。這種方式能夠更加順暢地完成操作。

按鈕雖然可能不會給人帶來“高科技”的感覺，但如果正確使用，它們可以提高用戶的操作效率。

對于用戶在選擇過程中犯下的小錯誤，我們應該具備一定的彈性。當要求用戶做出選擇時，無論是用戶還是人工智能系統，都有可能出現誤操作。例如，在聊天界面中，用戶可能會將“apple”拼寫成“appel”。此時，人工智能不應該簡單地回應“我不明白”，而應該合理地假設用戶意圖選擇蘋果，從而提供正確的響應。這種容錯性能提高了用戶體驗的友好程度。

在語音應用程序中，如果您的選項包含領域專業術語，那么您可能需要進行自定義模型的訓練，以確保能夠準確地識別這些選擇選項。您已經了解用戶可能會做出什么樣的反應，無論您提供的是什么選擇，都必須確保您的語音服務可以精確地將其轉錄。對于這個水果選擇的示例，務必在自定義模型的訓練中包含一些“蘋果”和“橙子”的條目，以保證準確性。

即使您已經訓練了自定義模型，仍然可能會遇到轉錄錯誤的情況。您的語音服務有時可能會將“apple”錯誤地轉錄為“appeal”或“hackle”等。在這種情況下，您可以考慮將這些潛在的錯誤轉錄情況添加到您的Watson Assistant實施方案中，以進一步提高識別準確性。

選擇性問題在對話式人工智能系統中是常見的。通過應用這些技巧，您可以確保您的選擇性問題更加高效。

8、提供清晰的選擇

在前面的內容中，我們曾經討論過精確用詞如何提高人工智能的效能，因為更準確的對話文本能夠產生更出色的用戶響應。更精細的對話文本不僅能夠改善用戶的體驗，還有助于提升用戶滿意度并加速任務的完成。這一系列效果共同促進了更為順暢的用戶體驗。

9、言之有物

在對話中，每個字都會增加用戶的負擔。在文字聊天中，他們需要閱讀；在語音對話中，他們需要聆聽（并等待）言辭。因此，審查對話以排除不必要的文本至關重要。以下是一些示例：

• “請仔細聆聽，因為我們的菜單選項最近發生了變化?！?這條消息最后一次有用是什么時候呢？如果您每年只打一次電話，您幾乎不太可能記得這些選項。如果您每天都在通話，您只需聽一次。這句話在絕大多數情況下都沒有實際用途，它也是我最討厭的 IVR（交互式語音響應）之一。
• “您的電話對我們很重要。” 這不是您應該告訴用戶的，而是您應該通過行動來展示的。真正尊重用戶意味著行動勝于言辭。
• “（如何進行的詳細解釋）”。如果您需要提供冗長的解釋，以便用戶能夠“按照您的方式進行”，那么也許需要考慮技術上的改進，以減少對解釋的依賴。這可以讓對話更加流暢而高效。

10、準確使用標點符號

對話式人工智能系統使用文本到語音引擎與用戶進行對話，而這些引擎會依賴標點符號的線索來確定在句子中添加重音和停頓的位置。

我還記得一件巧妙的T恤上寫著“我們吃飯吧，奶奶”，其中的粗體逗號引發了標語：“標點符號拯救生命”。實際上，標點符號也許不能拯救您的人工智能系統的“生命”，但它們確實可以使您的對話文本聽起來更加流暢。

在檢查對話中的標點符號時，請確保：

• 所有句子都以句號結束。
• 復合句使用逗號進行分隔。
• 在選擇列表中，包括“牛津逗號”（即在“請選擇 A、B或 C”中的最后一個逗號）。

此外，您甚至可以考慮使用自動化功能，以便在虛擬助手中為所有對話創建音頻文件。

總結

本文探討了多種提升對話式人工智能的技術方法。在開發新的對話式人工智能系統或改進現有系統時，請考慮采用這些技術。無論是新系統還是已存在的系統，持續的改進和迭代都對人工智能系統的性能產生積極影響。這些實踐已經被證明可以顯著提升對話式人工智能系統的效能。