披薩，開始行動！

　　人們常說，是互聯(lián)網(wǎng)（成人）娛樂業(yè)促進了社交媒體的發(fā)展。那么，在未來幾年，我們是不是也可以說，是披薩加快了零售服務與支付技術的發(fā)展？這一點是很神奇的。披薩在物流體系中的進步從未遠離，并且還激發(fā)了創(chuàng)新技術的出現(xiàn)。達美樂比薩就是一個很有遠見的例子。它的虛擬語音助手能夠快速地幫你點餐。

　　虛擬助手并不能像人類一樣跳出思維的框架，處理用戶的咨詢意向。同時，實踐方面的局限性也很大，因為每個意圖都需要最多100個小時進行研發(fā)。

　　“目前我們做的是，讓我們的設計智能可以覆蓋到 200 到 1000 個咨詢意向，”Hanson 表示，“這會讓你獲得極大的利潤?！?/P>

　　當虛擬助手不知道該如何回答問題，或是客戶咨詢的問題已經(jīng)超過它已知的意圖范疇時，人工客服就登場了。這意味著，虛擬助手可以通過觀察人工客服進行學習。

　　Hanson 認為：“當我們研發(fā)出我們可以在代理處控制人機互動的人類輔助學習機制時，我們就要著手用設計智能自動學習這些事情?！?/P>

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

　　“經(jīng)過一段時間之后，在加強學習機制的作用下，下一次如果又有人問到了這個問題，我們的虛擬助手就會知道如何作答了。”Hanson說道。

　　蘋果 Siri 中使用了 Nuance 的這項技術來處理常規(guī)咨詢，同時進行相關操作。類似地， Viv Labs 也用它的 Dynamic Program Generation 軟件結(jié)合文本指令來識別意圖。然而 Viv 似乎并沒有 get 到點上。

　　來吧！所有的問題

　　隱藏在 Viv Labs 背后的男人叫 Dag Kittlaus，他曾打造了 Siri。今年五月，當 Kittlaus 炫耀 Viv 的同時，他對在不遠的未來，如何賣掉這項全新的移動技術是閃爍其詞的。但是，就在這個月，三星突然慫恿他讓Viv Labs獨立運作。他個人認為這樣的合作關系是為了“拓寬視野”，另外還可以為 Viv 帶來新的一波高潮。當然，當 Viv 的AI助手一有什么新東西出爐時，三星永遠是第一客戶。用口語化、自然化的語言來購買物品和服務當然非常有優(yōu)勢，但是大概所有珍視生命的人在買到 Note7 后，會問 Viv AI 助手的第一個問題都是：“離我最近在滅火器在哪里？”（PS：小編覺得，這絕對不是Note7被黑得最慘的一次。）

　　AI 技術會從我們的通訊類 App 中獲取我們?nèi)粘Ｙ徺I行為的數(shù)據(jù)，并且理解我們的購買需求，所以智能購物車才能夠預測我們將要買什么。但是，這個分析和推薦機制并不僅僅基于我們的的購買記錄。

　　在線時裝零售商 Zalando 旨在通過對用戶的品味的定位進行推薦，這里的難度其實非常大。因為這個算法不是要讓用戶購買類似的產(chǎn)品，而是要預測用戶或許會對哪些馬上要被吹捧起來的時尚單品感興趣，并且有意愿購買。

　　那么，Zalando 的虛擬助手 Zoolander 會如何在你買了一件只打算在復古派對上穿一次就壓箱底的山寨皮衣后，識別你真實的興趣點呢？顯然，協(xié)同過濾非常關鍵，這其中包括分析海量數(shù)據(jù)，然后通過你點擊和瀏覽過的商品來構(gòu)建用戶行為畫像。Zanlando 的宗旨是要用機器學習機制來識別那些已經(jīng)轉(zhuǎn)化為各種風格、樣式，甚至是顏色的象征著時尚的視覺符號。

　　對新用戶而言，基于內(nèi)容的過濾以及最初的冷推薦都要基于 Zanlando 產(chǎn)品數(shù)據(jù)庫。雖然你是否真的喜歡這個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尚單品，確實挺有趣的。