人工智能（AI）是一个被广泛使用的术语，类似于“制造业”一词，它可以涵盖汽车、纸杯蛋糕或计算机的生产。将其作为笼统术语使用，掩盖了明确AI目的的重要性。目的会影响技术的选择、衡量方式以及应用的伦理。
从根本上讲，人工智能基于不同的元层面目的。正如伯纳德·马尔（Bernard Marr）在《福布斯》中所言，需要区分“复制或模仿人类思维的能力”（这种能力推动了大部分人工智能的发展）与更新的模型，后者“将人类推理作为模型，但并非最终目标”。由于人工智能的总体定义可能各不相同，其在应用层面的目的也随之不同。
据我分析，应用型对话式人工智能至少有八种目的类型。在每种类型中，都有一个主要意图，如下表所示：
目前，对话式人工智能最常见的目的是交易型。根据Statista 2017年的一份报告，公众主要将聊天机器人视为与其所选品牌进行更即时、个性化和简单互动的工具。这可能反映出，一些公司将其聊天机器人的交易目的隐藏在看似提供游戏、诊断或信息服务的界面之中，以掩盖游戏内销售、买一送一优惠或旅游优惠。更广泛地看，这更可能表明，用于交易目的的对话式人工智能更容易实施和变现。
不过，Statista的报告确实表明，聊天机器人在医疗保健、电信和金融等更复杂的领域越来越受欢迎，这些领域的目的是诊断或行为性的。这些对话式人工智能系统，尤其是在医疗等高风险领域的系统，开发和变现难度更大；它们可能是一场更长期的博弈。
审慎选择技术
对目的的明确认识会推动技术选择上的审慎决策。例如，在确定对话式人工智能系统如何训练、其自我学习的程度，以及是否有必要或可取地在循环中保留人工参与时，都需要考虑这一点。就此而言，关于什么是“纯粹”的对话式人工智能（神经网络和深度学习）与“简单”的人工智能（基于规则的系统）之争，只有结合目的才有意义。虽然混合系统可能会日益成为常态，但就目前的状况来看，带有人工参与的简单（更可预测的）人工智能与行为和诊断目的最为相关，而在目的为娱乐或社交时，则有可能承担更多风险。
话虽如此，微软的聊天机器人Tay表明，将一个自我学习的聊天机器人投放到公共领域是有危险的，因为它在数小时内就学会了仇恨言论。这提醒我们，当前所有的对话式人工智能都基于统计，而非信念体系。因此，一些人建议，将人工参与保留在循环中，是更好的技术选择。正如马丁·雷迪（Martin Reddy）所言：“[在]初始对话生成的循环中保留人工参与，实际上可能是一件好事，而不是我们必须力求消除的东西（……）自然语言生成解决方案必须允许由人类“创意总监”输入，以控制合成角色的语气、风格和个性。”
关键在于，这些观点强调，对话式人工智能系统是动态的。许多市售的聊天机器人构建工具本可以把这一点说得更清楚。人们普遍认为，先构建，再部署，然后调整。实际情况是，你需要基于对话日志和你认为相关的指标持续构建。我认为，这些指标需要由你所创建系统的目的来驱动。
从身体到益处
我对似乎已被应用于对话式人工智能的数字领域主流指标感到担忧。“多少人、多频繁、多长时间”的口号并不适用于许多目的，但它仍然主导着成功的衡量方式。或许是时候在指标讨论中减少一些销售导向，增加一些证据了。
尽管转化率和留存率是衡量数字工具参与度的有效指标，但它们需要结合目的来理解。例如，对于一个专注于健康福祉的工具而言，一个每天使用10次的用户是积极结果，还是分诊或指引系统的失败？或许，是时候将有意义的使用作为衡量对话式人工智能价值的更好指标了。
最近，我们与瑞典辅助技术制造商Permobil合作，为电动轮椅用户提供聚焦于诊断和行为改变的对话式人工智能，例如通过电动执行器辅助的运动来减少压疮。虽然大多数用户认为该系统很有帮助，但偏好的使用模式各不相同，且相对较少的人希望每天使用。结合数据（例如在轮椅上花费的时间以及用户的基础病症），对偏好使用模式的整合可以推动以用户为中心的对话式人工智能算法。系统对用户的个性化程度越高，在销售和客户留存方面的结果可能就越好。
在我看来，对话式人工智能领域的长期赢家，将是那些能够展示有意义的使用和有益成果，并且这些成果直接源于其系统目的的企业。除交易型对话式人工智能之外，与目的相关的成果是成功商业模式的最佳驱动力。
某些目的的结果比其他目的更容易追踪。Drift报告指出，24小时服务、即时响应以及对简单问题的解答，是客户服务领域聊天机器人的核心消费者成果。与用于诊断或行为目的的对话式人工智能成果相比，这些指标更容易追踪，后者通常需要更严谨的科学方法。
对对话式人工智能益处的研究投入，对于增强客户信心、促进这些工具的使用以及制定变现策略至关重要。自然语言理解在成果分析中扮演着有趣的角色。例如，在数字心理健康服务机构Big White Wall，仅凭用户提供的20个非连续词语，就能以较高的置信水平预测PHQ 9（一种用于筛查、诊断、监测和衡量抑郁严重程度的量表）得分和GAD 7（广泛性焦虑障碍自评问卷）得分。
由此推断，语言的变化（词语、语气、节奏）极有可能成为与目的相关的成果的有效常规衡量指标。我们可能不再需要正式的评估和成果测量，而只需借助敏感的工具来分析语言，这一设想令人兴奋。它也引发了一系列伦理问题，这些问题决定了对话式人工智能将在多大程度上获得信任并被采用。
没有伪装的智能
我们生活在一个技术进步对伦理实践提出挑战的时代，在对话式人工智能领域尤其如此。我认为，目的的明确性（体现在参与度和成果的衡量方式上）在很大程度上有助于确保伦理诚信的框架。在这方面，以下六项原则可能有助于塑造该框架：
1. 明确告知这是机器人
除非你要参加勒布纳奖（Loebner Prize），在该比赛中评委期望被欺骗，以为机器人是人类，否则将机器人呈现为人几乎没有正当理由。
这比坚持打击虚假新闻、以诚信对待客户，或能够应对有人告诉机器人他们打算（比如）自残等问题，是一个更为微妙的争论。这也关乎选择。例如，研究表明，一些人更喜欢与机器人交谈，以获得更好的客户服务，或因为他们在机器人面前能更加敞开心扉。
2. 目的透明
虽然对话式人工智能系统可能有不止一个目的，但不隐瞒其主要意图非常重要。如果一个对话式人工智能系统看似以提供信息为目的，实则暗藏销售意图，消费者就很难既相信所提供的信息，又愿意购买所提供的商品。
这些对于亚马逊Alexa等系统而言都是严肃的考量，其中亚马逊之选据称正是为此设计的。亚马逊表示，“亚马逊之选”可为评分高、定价合理且提供Prime配送的商品节省时间和精力。然而，尚不清楚这究竟是事实信息，还是存在其他标准在起作用，例如优先推荐亚马逊自有产品。
3. 以目的为导向进行衡量
如前所述，指标需要与目的相关，并对客户有意义。越来越多的公司和组织如果能够提供有效且独立的证据，证明其对话式人工智能系统在实现其目的方面确有所作为，将会比那些把可疑指标埋藏在营销辞令中的公司更受青睐。
4. 调整商业模式
在数字领域，一些商业模式助长了不良的伦理行为。例如，那些依赖浏览量驱动的广告收入，社交媒体巨头就刻意设计了无限下拉和点赞等令人上瘾的功能。无限滚动功能的发明者阿扎·拉斯金（Aza Raskin）将其描述为“行为可卡因”。他说：“在你手机的每一块屏幕背后，通常都有上千名工程师为了让它尽可能地令人上瘾而努力工作。”
技术变革的步伐很快，而商业化往往滞后，这可能导致意料之外的后果。例如，爱彼迎（Airbnb）如今不得不应对那些抬高价格、扰乱当地租赁社区的“空气管理”机构。对话式人工智能也存在同样的趋势和诱惑。作为人工智能行业，我们的职责是开发基于有意义的使用和以目的为导向的成果的商业模式。
5. 立即采取行动
在对话式人工智能这个充满活力且不可预测的领域，伦理问题并非总能预见。一旦问题出现，我们需要展现领导力，并践行“不造成伤害”的原则。例如，德国监管机构在其互动玩偶被用于远程监控后将其撤出市场时，制造商Genesis Toys无法被联系到以发表评论。据称，Cayla在负责任方面表现得比其制造者更好：当被问及“我能信任你吗？”时，她回答：“我不知道。”行业需要承担集体责任，并希望像“AI伙伴关系”（Partnership on AI）这样的倡议能够承担起这一角色。
6. 自我监管
缺乏自我监管不仅影响一个品牌，也会影响整个行业。去年，Facebook的研究人员自豪地展示了一个能够在谈判中进行欺骗的机器人。在Drift的聊天机器人报告中，如果聊天机器人只能通过Facebook使用，27%的消费者会因此而不愿使用。
总而言之，对话式人工智能在增强人类体验方面蕴含着巨大且令人振奋的潜力。然而，在我看来，该领域的长期赢家将是那些不将经济利益置于伦理实践之上的企业。最受欢迎的品牌将由目的先驱引领，他们在实践中保持透明，衡量有意义的成果，并基于公平而非虚假的前提实现变现。
