深度學習屬於機器學習中的一環，所謂深度(Deep)是指多層式架構的模型，如各種神經網路(Neural Network)模型、強化學習(Reinforcement learning, RL)演算、自然語言處理(Natural Language Processing, NLP)等，以多層的神經層或try-and-error 的方式，並且以優化(Optimization)或反覆的方式求解。

這幾年NLP 的應用範圍相當廣泛，好比說聊天機器人(ChatBot)，幾乎每一家企業都有這方面需求，從售前支援(Pre-sale)、銷售(Sales)到售後服務(Post Services)等方面，用途十分多元，而支援系統功能的技術則涵蓋了NLP、NLU、NLG，既要能解析對話(NLP)、理解問題 (NLU)，又要能回答得體、幽默、周全(NLG)，技術範圍相當廣泛。

要開發一個功能完善的ChatBot，除了技術之外，更要有良好的規劃與設計作為基礎，當中有那些重要的「眉角」呢？現在就跟大家來一窺究竟。

ChatBot 類別

廣義來說，ChatBot 不一定要具備AI 的功能，只要能自動回應訊息，基本上就稱為ChatBot。通常一說到聊天機器人，大家直覺都會想到蘋果公司的Siri，它可以跟使用者天南地北的聊天，不管是天氣、金融、音樂、生活資訊都難不倒它，但是，對於一般中小企業而言，這樣的功能並不能帶來商機，他們需要更直接的支援功能，因此我們把ChatBot 分為以下類別：

  1. 不限話題的機器人：可以與人自由自在的閒聊，包括公開資訊的查詢與應答，比如溫度、股市、播放音樂等，也包含日常寒暄，不需要精準的答案，只要有趣味性、即時回覆。
  2. 任務型機器人：例如專家系統，具備特定領域的專業知識，服務範圍像是醫療、駕駛、航行、加密文件的解密等，著重在複雜的演算法或規則式(Rule based)的推理，需給予精準的答案，但不求即時的回覆。
  3. 常見問答集(Frequently Asked Questions, FAQ)：客服中心將長年累積的客戶疑問集結成知識庫，當客戶詢問時，可快速搜尋，找出相似的問題，並將對應的處理方式回覆給客戶，答覆除了要求正確性與話術之外，也講究內容是否淺顯易懂和詳實周延，避免重複而空泛的回答，引發客戶不耐與不滿。
  4. 資訊檢索：利用全文檢索的功能，搜尋關鍵字的相關資訊，比如Google 搜尋，不需要完全精準的資訊，也不要單一的答案，而是提供所有可能的答案，由使用者自行作進一步判斷。
  5. 資料庫應用：藉由SQL 指令來查詢、篩選或統計資料，例如，旅館訂房、餐廳訂位、航班查詢/訂位、報價等，這是最傳統的需求，但如果能結合NLP，讓輸出入介面更友善，例如語音輸入/輸出，可以引爆新一波的商機。

以上這五種類別的ChatBot 各有不同的訴求，功能設計方向也因而有所差異，所以，在開工之前，務必要先搞清楚老闆要的機器人是哪一種，免得到時候開發出來，老闆才跟你說「這不是我要的」，那就欲哭無淚了。

ChatBot 設計

上面談到的ChatBot 種類非常多元，如果就每一種應用都詳細介紹的話，應該可以再寫幾萬字了，所以此處僅針對共同的關鍵功能進行說明。

ChatBot 的規劃要點如下：

  1. 訂定目標：根據規劃的目標，選擇適合的ChatBot 類別，可以是多種類別的混合體。
  2. 收集應用案例(Use Case)：收集應用的各種狀況和場景，整理成案例，以航空機票的銷售來舉例，就包括了每日空位查詢、旅程推薦、訂票、付款、退換票等，分析每個案例的現況與導入ChatBot 後的場景與優點。
  3. 提供的內容：現在行銷是內容為王(Content is king)的時代，有內容的資訊才能吸引人潮並帶來錢潮，這就是大家常聽到的內容行銷(Content Marketing)。因此，要評估哪些資訊是有效的、又該如何生產、並以何種方式呈現(Video、Podcast、部落文等)。
  4. 挑選開發平台，有下列四種方式供選擇：

 套裝軟體：現在已有許多廠商提供某些行業別的解決方案，像是金融、保險等各行各業，技術也從傳統的IVR 順勢轉為ChatBot，提供更便利的使用介面。

 ChatBot 平台：許多大型系統廠商都有提供ChatBot 平台，他們利用獨有的NLP 技術以及大量的NER 資訊，整合各種社群軟體，使用者只要直接設定，就可以在雲端使用ChatBot 並享有相關的服務。廠商包括Google DialogFlow、微軟的QnA Maker。

 開發工具：許多廠商提供開發工具，方便工程師快速完成一個ChatBot，例如Microsoft Bot Framework、Wit.ai 等，可參閱「10 Best Chatbot Development Frameworks to Build Powerful Bots」[1]，另外Google、Amazon 智慧音箱也都有提供SDK。

 自行構建：可以利用套件加速開發，像是TextBlob、Gemsim、SpaCy、Transforms 等NLP 函數庫，或是Rasa、ChatterBot 等ChatBot Open Source。

  1. 佈署平台：可選擇雲端或本地端，雲端可享有全球服務、或以微服務的方式運作，以使用次數計費，可節省初期的高資本支出，因此，若ChatBot 不是資料庫交易類別的話，有越來越多企業採用雲端方案。
  2. 用戶偏好(Preference)與面貌(Profile)：考量要儲存哪些與業務相關的用戶資訊。

ChatBot 的術語定義

  1. 技能(Skill)：例如銀行的技能包含存提款、定存、換匯、基金購買、房貸等，每一個應用都稱為一種技能。
  2. 意圖(Intent)：技能中每一種對談的用意，例如，技能是旅館訂房，意圖則是有查詢某日是否有空的雙人房、訂房、換日期、退房、付款等。
  3. 實體(Entity)：關鍵的人事時地物，利用前面所提的「命名實體識別」(NER)找出實體，每一個意圖可指定必要的實體，例如，旅館訂房必須指定日期、房型、住房天數、身分證字號等。
  4. 例句(Utterance)：因為不同的人表達同一意圖會有各種不同表達方式，所以需要收集大量的例句，訓練ChatBot，例如「我要訂3/21 雙人房」、「明天雙人房一間」等。
  5. 行動(Action)：所需資訊均已收集完整後，即可作出回應(Response)與相關的動作，例如訂房，若已確定日期、房型、住房天數、身分證字號後，即可採取行動，為客人保留房間，並且回應客戶「訂房成功」。
  6. 開場白(Opening Message)：例如歡迎詞(Welcome)、問候語(Greeting)等，通常要有一些例句供隨機使用，避免一成不變，流於枯燥。

而對話設計有些注意事項如下：

  1. 對話管理：有兩種處理方式，有限狀態機(Finite-State Machine, FSM)和槽位填充(Slot Filling)。

 有限狀態機(FSM)：傳統的自動語音應答系統(IVR)大多採取這種方式，事先設計問題順序，確認每一個問題都得到適當的回答，才會進到下一狀態，如果中途出錯，就退回到前一狀態重來，銀行ATM 操作、電腦報修專線等也都是這種設計方式。

ATM 提款的有限狀態機(FSM)

 槽位填充(Slot Filling)：有限狀態機的缺點是必須按順序回答問題，並且每次只能回答一個資訊，而且要等到系統唸完問題才能回答，對嫻熟的使用者來說會很不耐，若能引進NLP 技術，就可以讓使用者用自然對談的方式提供資訊，例如「我要訂3/21 雙人房」，客戶說一句話，系統就能夠直接處理，若發現資訊有欠缺，系統再詢問欠缺的資訊即可，與真人客服對談一樣，不必像往常一樣，「國語請按1，台語請按2，客語請按3，英語請按4」，只是訂個房還要過五關斬六將。

  1. 整合社群媒體，譬如Line、Facebook Messager、Twitter 等，使用者不需額外安裝軟體，且不用教學，直接在對話群組加入官方帳號，即可開始與ChatBot對話。
  2. 人機整合：ChatBot 設計千萬不能原地打轉，重複問相同的問題，必須設定跳脫條件，一旦察覺對話不合理，就應停止或轉由客服人員處理，避免引起使用者不快，造成反效果，使用有限狀態機設計方式，常會發生這種錯誤，若狀態已重複兩次以上，就可能是bug。幾年前，微軟聊天機器人Tay，推出後不到24 小時，就因為學會罵人、講髒話，導致微軟緊急將她下架，就是一個血淋淋的案例。

除了技術層面之外，ChatBot 也稱為「Conversational AI」，因此對話的過程，需注意使用者的個資保護，包含像是對話檔案的存取權、對話中敏感資訊的保全，並且讓使用者清楚知道ChatBot 的能力與應用範圍。

要謹記，聊天機器人不能盲目建造，對症下藥才是王道。