披薩，開(kāi)始行動(dòng)！

　　人們常說(shuō)，是互聯(lián)網(wǎng)（成人）娛樂(lè)業(yè)促進(jìn)了社交媒體的發(fā)展。那么，在未來(lái)幾年，我們是不是也可以說(shuō)，是披薩加快了零售服務(wù)與支付技術(shù)的發(fā)展？這一點(diǎn)是很神奇的。披薩在物流體系中的進(jìn)步從未遠(yuǎn)離，并且還激發(fā)了創(chuàng)新技術(shù)的出現(xiàn)。達(dá)美樂(lè)比薩就是一個(gè)很有遠(yuǎn)見(jiàn)的例子。它的虛擬語(yǔ)音助手能夠快速地幫你點(diǎn)餐。

　　虛擬助手并不能像人類(lèi)一樣跳出思維的框架，處理用戶的咨詢意向。同時(shí)，實(shí)踐方面的局限性也很大，因?yàn)槊總€(gè)意圖都需要最多100個(gè)小時(shí)進(jìn)行研發(fā)。

　　“目前我們做的是，讓我們的設(shè)計(jì)智能可以覆蓋到 200 到 1000 個(gè)咨詢意向，”Hanson 表示，“這會(huì)讓你獲得極大的利潤(rùn)?！?/P>

　　當(dāng)虛擬助手不知道該如何回答問(wèn)題，或是客戶咨詢的問(wèn)題已經(jīng)超過(guò)它已知的意圖范疇時(shí)，人工客服就登場(chǎng)了。這意味著，虛擬助手可以通過(guò)觀察人工客服進(jìn)行學(xué)習(xí)。

　　Hanson 認(rèn)為：“當(dāng)我們研發(fā)出我們可以在代理處控制人機(jī)互動(dòng)的人類(lèi)輔助學(xué)習(xí)機(jī)制時(shí)，我們就要著手用設(shè)計(jì)智能自動(dòng)學(xué)習(xí)這些事情?！?/P>

　　為了處理詢問(wèn)頻率更低的長(zhǎng)尾問(wèn)題，他研發(fā)了一個(gè)所謂的人工輔助虛擬助手（Hava）。在Hava的幫助下，當(dāng)虛擬助手不知道該如何回答某些問(wèn)題的時(shí)候，它就會(huì)向隱藏的人工代理尋求幫助。這位人工代理在受理咨詢后，會(huì)把答案反饋給虛擬助手，然后再由虛擬助手將答案回復(fù)給用戶。

　　“經(jīng)過(guò)一段時(shí)間之后，在加強(qiáng)學(xué)習(xí)機(jī)制的作用下，下一次如果又有人問(wèn)到了這個(gè)問(wèn)題，我們的虛擬助手就會(huì)知道如何作答了?！盚anson說(shuō)道。

　　蘋(píng)果 Siri 中使用了 Nuance 的這項(xiàng)技術(shù)來(lái)處理常規(guī)咨詢，同時(shí)進(jìn)行相關(guān)操作。類(lèi)似地， Viv Labs 也用它的 Dynamic Program Generation 軟件結(jié)合文本指令來(lái)識(shí)別意圖。然而 Viv 似乎并沒(méi)有 get 到點(diǎn)上。

　　來(lái)吧！所有的問(wèn)題

　　隱藏在 Viv Labs 背后的男人叫 Dag Kittlaus，他曾打造了 Siri。今年五月，當(dāng) Kittlaus 炫耀 Viv 的同時(shí)，他對(duì)在不遠(yuǎn)的未來(lái)，如何賣(mài)掉這項(xiàng)全新的移動(dòng)技術(shù)是閃爍其詞的。但是，就在這個(gè)月，三星突然慫恿他讓Viv Labs獨(dú)立運(yùn)作。他個(gè)人認(rèn)為這樣的合作關(guān)系是為了“拓寬視野”，另外還可以為 Viv 帶來(lái)新的一波高潮。當(dāng)然，當(dāng) Viv 的AI助手一有什么新東西出爐時(shí)，三星永遠(yuǎn)是第一客戶。用口語(yǔ)化、自然化的語(yǔ)言來(lái)購(gòu)買(mǎi)物品和服務(wù)當(dāng)然非常有優(yōu)勢(shì)，但是大概所有珍視生命的人在買(mǎi)到 Note7 后，會(huì)問(wèn) Viv AI 助手的第一個(gè)問(wèn)題都是：“離我最近在滅火器在哪里？”（PS：小編覺(jué)得，這絕對(duì)不是Note7被黑得最慘的一次。）

　　AI 技術(shù)會(huì)從我們的通訊類(lèi) App 中獲取我們?nèi)粘Ｙ?gòu)買(mǎi)行為的數(shù)據(jù)，并且理解我們的購(gòu)買(mǎi)需求，所以智能購(gòu)物車(chē)才能夠預(yù)測(cè)我們將要買(mǎi)什么。但是，這個(gè)分析和推薦機(jī)制并不僅僅基于我們的的購(gòu)買(mǎi)記錄。

　　在線時(shí)裝零售商 Zalando 旨在通過(guò)對(duì)用戶的品味的定位進(jìn)行推薦，這里的難度其實(shí)非常大。因?yàn)檫@個(gè)算法不是要讓用戶購(gòu)買(mǎi)類(lèi)似的產(chǎn)品，而是要預(yù)測(cè)用戶或許會(huì)對(duì)哪些馬上要被吹捧起來(lái)的時(shí)尚單品感興趣，并且有意愿購(gòu)買(mǎi)。

　　那么，Zalando 的虛擬助手 Zoolander 會(huì)如何在你買(mǎi)了一件只打算在復(fù)古派對(duì)上穿一次就壓箱底的山寨皮衣后，識(shí)別你真實(shí)的興趣點(diǎn)呢？顯然，協(xié)同過(guò)濾非常關(guān)鍵，這其中包括分析海量數(shù)據(jù)，然后通過(guò)你點(diǎn)擊和瀏覽過(guò)的商品來(lái)構(gòu)建用戶行為畫(huà)像。Zanlando 的宗旨是要用機(jī)器學(xué)習(xí)機(jī)制來(lái)識(shí)別那些已經(jīng)轉(zhuǎn)化為各種風(fēng)格、樣式，甚至是顏色的象征著時(shí)尚的視覺(jué)符號(hào)。

　　對(duì)新用戶而言，基于內(nèi)容的過(guò)濾以及最初的冷推薦都要基于 Zanlando 產(chǎn)品數(shù)據(jù)庫(kù)。雖然你是否真的喜歡這個(gè)品牌是另外一碼事了，但是看著 Zanlando 絞盡腦汁要給你推薦的各種不同的時(shí)尚單品，確實(shí)挺有趣的。