对话式人工智能被视为一种卓越的解决方案，可在用户需要时以最符合其意愿的方式提供所需信息。然而，即便如此，对话式人工智能系统仍然不乏一些普遍存在的瑕疵。
下面是我多年来整理的一些小技巧，可以帮助您提升对话式系统的性能：
1、精简提问
对话式人工智能系统的目标是获得完成任务所需的信息，这些信息可以来自上下文或用户提问。
然而，系统提出的每个问题都可能导致对话失败。因此，我们的目标是最小化提问次数，或者使问题更加简单。
以汽车保险为例，用户想要查询刚刚提交的索赔状态。我们只需要求用户提供理赔的11位数字ID，而无需复杂的问题或解释。这样的设计更符合用户需求，同时减少对话失败的风险。
2、技术人员可能会问太多问题
在技术驱动的方法中，通常首先考虑的是所需的"理赔详细信息 API"。开发人员甚至可能会提到已经存在一个API，可以利用保单ID来获取详细信息。这是极好的！我们只需要用户提供1保单ID，就能获得所需信息。这种设计与目前通行的技术方法截然相反。
尽管这对于开发人员而言相对容易，但对用户来说可能会构成一定的挑战。用户必须精确输入11位数字的ID。在语音环境下，即使用户知道这11个数字，要正确捕捉它们也可能具有一定挑战性。
3、通过更友好的设计，使问题更易于解答
为了让用户更轻松地输入索赔ID，我们可以降低要求的数字数量，例如仅要求输入最后四位数字，而不是全部的11位数字。尽管后端仍然需要完整的索赔ID，但这种设计可以显著降低用户提问的难度。在输入或说出少数数字时，出现错误的可能性较小。
“提出更简单的问题”有多种方式：
- 提出不同的问题：对于索赔情况，这可能包括询问索赔的日期。对于很多使用场景而言，索赔ID或日期对于每个用户都是唯一的。
- 使用照片识别：一些移动应用程序可以从照片中识别并提取所需的信息。
然而，提出更简单问题的办法仍然存在一定的限制，因为您仍然在提问。例如，在汽车索赔的情况下，我们期望来电者能够获取有关索赔的详细信息，但这一过程可能会对用户构成挑战。那么，我们是否可以进一步简化事情呢？
**4、**做出合理的假设（并可能确认）
让我们进行一种不同的思考方式，将话题从技术角度转向用户视角。我们应该将用户置于首要位置，理解他们为什么要致电咨询汽车索赔事宜。可能是因为他们刚刚经历了一次车祸，正在追踪他们所提交的索赔。
尽管用户可能有多项索赔，但他们可能会电话咨询关于最近一项索赔的信息。这样的情况下，我们需要进行合理的假设，并有必要确认这些假设，以便更好地满足用户的需求。
上图展示了一种能够减轻用户负担的方法。现在，用户无需将索赔信息主动提供，而是可以接收系统提供的信息。这一改进不仅降低了用户的交互负担，还能够满足后端数据检索的需求。用户确认信息要比主动提供信息更为便捷。此外，这种方式也使得对话式人工智能系统看上去更具智能性，提高了用户对系统的信任感。
然而，这种模式需要额外的上下文信息，以确保信息不会被泄露给恶意的第三方。例如，在索赔搜索的示例中，系统通过识别来电者的身份（可能将传入电话号码与索赔政策绑定）来推动这一过程。
虽然并非总是可以跳过问题而仅仅做出合理的假设，但这是构建更高效对话式人工智能系统的强大技术之一。接下来，让我们探讨如何改进您需要提问的问题的方法。
5、提供明确的选择
在前述部分，我们讨论了通过减少问题的方式来提高人工智能系统的效能。然而，有时候，删除问题并不是可行的选择，问题仍然需要被提出。在这种情况下，一种有力的方法是提供明确的选择，即要求用户从一个明确的列表中作出选择。让我们来想象一下，假如我们要求用户在苹果和橙子之间进行选择。虽然这听起来相对简单，但我们如何确保用户成功地做出了一个选择呢？
选择题的实施可能比您想象的更具挑战性。让我们一同研究一些潜在的陷阱。
6、谨防“是/否”混淆
我们需要谨防“是/否”混淆。用户对于如何回答选择性问题并不总是明确的。例如，当您问用户“您是想要苹果还是橙子？”时，他们可能会回答“是！”这种情况下，我们需要重新构思问题以使用户更加明确：
- “请选择苹果或橙子。”
- “您想要哪种水果——苹果还是橙子？”
这些问题的重新表述可能看似技术上相同，但在实际对话中的效果可能截然不同，因此选择适用于对话媒体的对话副本是确保对话人工智能系统最佳性能的关键。
7、按钮简化了操作流程
有些用户不太愿意输入或语音回答问题。在聊天场景中，通过点击按钮可能比键入回答更为便捷。而在语音场景中，用户通常具备按下键盘上按钮的能力——例如，按下“1”表示选择第一个选项，按下“2”表示选择第二个选项，以此类推。在评估用户对于问题“请选择苹果或橙子”的回应时，我们可以接受“苹果”或“1”作为等同的答案。这种方式能够更加顺畅地完成操作。
按钮虽然可能不会给人带来“高科技”的感觉，但如果正确使用，它们可以提高用户的操作效率。
对于用户在选择过程中犯下的小错误，我们应该具备一定的弹性。当要求用户做出选择时，无论是用户还是人工智能系统，都有可能出现误操作。例如，在聊天界面中，用户可能会将“apple”拼写成“appel”。此时，人工智能不应该简单地回应“我不明白”，而应该合理地假设用户意图选择苹果，从而提供正确的响应。这种容错性能提高了用户体验的友好程度。
在语音应用程序中，如果您的选项包含领域专业术语，那么您可能需要进行自定义模型的训练，以确保能够准确地识别这些选择选项。您已经了解用户可能会做出什么样的反应，无论您提供的是什么选择，都必须确保您的语音服务可以精确地将其转录。对于这个水果选择的示例，务必在自定义模型的训练中包含一些“苹果”和“橙子”的条目，以保证准确性。
即使您已经训练了自定义模型，仍然可能会遇到转录错误的情况。您的语音服务有时可能会将“apple”错误地转录为“appeal”或“hackle”等。在这种情况下，您可以考虑将这些潜在的错误转录情况添加到您的Watson Assistant实施方案中，以进一步提高识别准确性。
选择性问题在对话式人工智能系统中是常见的。通过应用这些技巧，您可以确保您的选择性问题更加高效。
8、提供清晰的选择
在前面的内容中，我们曾经讨论过精确用词如何提高人工智能的效能，因为更准确的对话文本能够产生更出色的用户响应。更精细的对话文本不仅能够改善用户的体验，还有助于提升用户满意度并加速任务的完成。这一系列效果共同促进了更为顺畅的用户体验。
9、言之有物
在对话中，每个字都会增加用户的负担。在文字聊天中，他们需要阅读；在语音对话中，他们需要聆听（并等待）言辞。因此，审查对话以排除不必要的文本至关重要。以下是一些示例：
- “请仔细聆听，因为我们的菜单选项最近发生了变化。” 这条消息最后一次有用是什么时候呢？如果您每年只打一次电话，您几乎不太可能记得这些选项。如果您每天都在通话，您只需听一次。这句话在绝大多数情况下都没有实际用途，它也是我最讨厌的 IVR（交互式语音响应）之一。
- “您的电话对我们很重要。” 这不是您应该告诉用户的，而是您应该通过行动来展示的。真正尊重用户意味着行动胜于言辞。
- “（如何进行的详细解释）”。如果您需要提供冗长的解释，以便用户能够“按照您的方式进行”，那么也许需要考虑技术上的改进，以减少对解释的依赖。这可以让对话更加流畅而高效。
10、准确使用标点符号
对话式人工智能系统使用文本到语音引擎与用户进行对话，而这些引擎会依赖标点符号的线索来确定在句子中添加重音和停顿的位置。
我还记得一件巧妙的T恤上写着“我们吃饭吧，奶奶”，其中的粗体逗号引发了标语：“标点符号拯救生命”。实际上，标点符号也许不能拯救您的人工智能系统的“生命”，但它们确实可以使您的对话文本听起来更加流畅。
在检查对话中的标点符号时，请确保：
- 所有句子都以句号结束。
- 复合句使用逗号进行分隔。
- 在选择列表中，包括“牛津逗号”（即在“请选择 A、B或 C”中的最后一个逗号）。
此外，您甚至可以考虑使用自动化功能，以便在虚拟助手中为所有对话创建音频文件。
总结
本文探讨了多种提升对话式人工智能的技术方法。在开发新的对话式人工智能系统或改进现有系统时，请考虑采用这些技术。无论是新系统还是已存在的系统，持续的改进和迭代都对人工智能系统的性能产生积极影响。这些实践已经被证明可以显著提升对话式人工智能系统的效能。
