[AI洞見]AI真的能了解人類語言嗎?
[AI洞見]AI真的能了解人類語言嗎?

2017年除了虛擬貨幣以外,科技業最熱門的話題應該就是AI。對於一般大眾而言,AI就好像是味精一樣,是種「謎」一樣的白粉末,甚麼東西只要撒在一點AI就可以揚味。故此,大家對於AI的想像也催化了Pepper和Sophia這種仿人類的產品。

而這種幻想在某種程度上已經造就過度的異想,甚至恐慌。許多人在看到Sophia這類實體機器人或是Alexa這類語音助理做出「仿人類的行為」,便開始相信這些機器擁有相當於人類的智慧,但事實上,光是能重複同樣的行為,並不代表機器代表有同樣的認知能力。

今天,先以自然語言為例,讓我們來討論一下目前的聊天機器人和對話式AI(Conversational AI)是否能了解人類的自然語言?

自然語言與對話AI短介

敝人過去曾發表過兩篇關於AI的相關文章,一篇是AI產業的部分歷史,另一篇則是針對AI觀念上做一些闢謠。在此關於整體AI的觀念就不冗述,讓我們將重點放在對話型AI上。

由於AI與其說是個產業領域,不如說是社會大眾對於系統功能一種非常模糊的期許,因此其實所謂AI產業的相關技術包山包海,從非常簡單的規則式系統,到資料搜尋彙整,到機器學習都有。事實上,做AI真的是隔行如隔山。

而自然語言身為AI的分支,其實自己就很複雜了。自然語言技術從詞性(Morphology)、句法(Syntax)、語義(Semantics)、主題(Topic)、對話(Dialog)、論述(Discourse)等不同層面,其實涉及的技術層面非常的廣。

而對話式AI,嚴格上來說是自然語言的應用面。要讓一台機器能夠了解人類的語言並且與其對話,通常至少會牽涉到至少上述三個以上的自然語言領域。

對話AI系統基本架構

大家在學習語言的時候應該都記得學習文法時的痛苦。由於語言還是有相當的規則性,最早的自然語言技術和對話AI幾乎都是以規則式系統(Rule-based Systems)或是文法式分析器(Grammar-based Parser)的概念去設計的。

然而,人類在使用語言的時候常常會用一些俚語、縮寫,也常常會犯些文法上的錯誤,因此完全使用規則式的理念去設計出的系統,常常在現實產業環境中會碰上瓶頸。

因此過去二十年來,有越來越多的對話系統在某種部分會採用機器學習的統計學方法去設計系統,這樣才能夠有效處理更多的雜音和錯誤。

也因為如此,句法(Syntax)技術在過去十年在對話AI中的使用頻率逐漸下降,而新的技術多半將語義(Semantics)跟句法混合,並且結合機器學習和規則式系統來設計。

舉例說明,十年以前的對話和自然語言系統,都還相當注重名詞、動詞等的辨識,其後才是針對句中詞彙的語義進行分析(比如說大象有四隻腳、阿姨是父親或母親的姊妹之類的)。前者仰賴規則式系統,後者除了規則還需要知識庫。

但是今天的對話系統,因為大家發現分析句法並沒有甚麼太明顯的幫助,現在都是直接用機器學習去對句子進行分類,然後再用規則去擷取詞彙。而用機器學習對句子做分類和辨識,現在都粗略地稱為「意向辨識」(Intent Classification)。

舉例說明,如果你的對話系統是客服系統,你可能會有很多像是「我的聯絡資料是09xx-xxx-xxx」之類的資料,而這類意向語句可能會被分類為「提供連絡電話」,而這意向語句中的「09xx-xxx-xxx」則可能被標記為知識欄位。而經過機器學習訓練出統計模型後,這對話系統每當碰到類似的語句就可以很快地辨別出使用者在提供聯絡電話,並且從中萃取出電話號碼,之後再執行相關的對話模型。

所以,現代很多的對話系統的基本架構就是:

AI語言.jpg
圖/ 蕭瑟寡人

其實相當簡單,接下來讓我們討論一下對話模型是什麼?

對話模型(Dialog Model)是什麼?

你可以想像如果你今天打客服申訴電話,流程大致上是:

「您好,請問我該如何協助您?」
我買的XXX壞掉了。
「請問是碰到甚麼樣的問題呢?」
XXX連不上網路。
「那我請我們工程師跟您聯絡,方便提供一下您的聯絡電話嗎?」
我的連絡電話是09xx-xxx-xxx
「好,那我會請我們下一位工程師打電話幫您除錯,真的很抱歉!您有甚麼其他問題需要解答的嗎?」

而用來管理這整個流程的模型就統稱為對話模型。

以上面的對話為例,一開始系統還沒有載入任何對話模型,但是發現使用者說「產品有問題」,此意向就開啟了類似「問題回報」的對話模型。而以上對話模型很簡單,回報問題就是紀錄問題,並且索取使用者的聯絡方式。而當系統問到「您有甚麼其他問題需要解答的嗎?」時,基本上已經結束了先前的對話模型,並且在尋找新的意向。

其實現在對話系統中所使用的對話模型都沒有很複雜,基本上可分為幾大類:

  1. 查詢對話模型(Query Dialog),其實Siri大部分的功能都是查詢對話。基本上就是將幾個不同的資料來源(如維基百科、Google)的資訊整合成答案,然後提供給使用者。比如說「現在幾點?」、「離我最近的日式餐廳在哪裡?」都是查詢對話。

  2. 圖形導向對話模型(Graph-based Dialog),圖形一詞是數學上圖論中的圖,這種對話模型其實粗略而言就是資訊科學中的FA(Finite Automata)。這類對話基本上就是一大樹狀圖,而每個路徑都只有有限的互動選項。比如說我們電話上常常碰到的那種「國語請選一、For English Please dial 2」那類基本上就是這類對話模型。

  3. 表單導向對話模型(Form-based Dialog),顧名思義,就是目的將一表單填完的對話。上面提到的對話模型案例其實可以算是表單對話模型,基本上就是將問卷從頭到尾做完、儲存資料後就自動退出。

  4. 計畫導向對話模型(Plan-based Dialog),其實這類對話模型算是表單和圖形對話模型的一個改進版。計畫導向對話模型中的計畫通常都有一些邏輯性的規則,比如說我需要使用者的電話、我需要使用者的姓名、使用者需要完成轉帳之類的,而這些規則不一定需要照順序來,甚至可以將多個意向合一(比如說將「我的名字叫做王大明,電話是09xx-xxx-xxx」自動拆成「提供姓名」、「提供連絡電話」兩個意向,並滿足計畫的兩個規則)。這種對話模型雖然比較彈性,但是工程上的複雜度卻高出許多。

目前來講不管是Siri、Google Assistant、Alexa還是Cortana,大部分的對話模型還是採用前三者,偶而會碰上最後一種。原因並不是技術上做不出更複雜更有彈性的對話模型,而是因為工程成本太高,不符合商業效益。市面上很多只會報一些最新消息的那種超級陽春聊天機器人就更不用說了。

所以基本上而言,許多語音助理和聊天機器人背後的對話系統基本上就是不斷地在尋找意向來開啟對話模型。一旦開啟對話模型,使用者可以透過特定的語句開關(如很多系統會使用「從頭開始」作為開關)終結對話模型,不然就是會繼續跟這對話模型互動,直到對話完成為止。

自然語言和對話AI的技術仍卡在幾個環節

其實沒有技術背景的朋友我相信看懂了以上的解釋,應該也可以看出目前自然語言科技和對話系統的諸多限制。這些其實不能光說是工程上的技術限制而已,而是我們對於人類語言、人類心理學乃至腦神經科學的認知仍然相當有限,並不是再丟一些經費做研發馬上就能夠在幾年內突飛猛進。

而整體而言,自然語言和對話AI的技術仍卡在幾個環節,這都需要幾十年的科學研究和科技發展才能夠看到新一代的技術出爐。

**最根本的問題就是不同知識領域的歧異性。**光是了解金融、醫療領域的術語和對話方式就已經夠折騰人的了。目前為止,我們還沒有辦法去有效地將不同領域的知識和語言模型化、標準化,因此目前任何跨領域的對話系統都是不實用的。

更有趣的是,不管是在認知心理學還是教育心理學,我們都還沒有辦法去完整地形容人類的分類能力和學習能力。

而另一個很重要的環節就是我們所有的科學和工程上的研究都是將資訊和資料作為模型的基礎。

但事實上人類的認知和語言應用深深地受到情感(Affect)影響,而目前對於情感對人類認知能力的影響的研究也不過是最近十幾、二十年的事情。連科學都還沒走到,工程上當然更不可能有一可靠的解決方案。

短結

身為一位在AI相關產業從業人士,其實很多現在產業新聞中提到甚麼「AI讀心術可了解人類在想什麼」或是「機器人獲得沙國公民」從產業人士的角度看來,都是一些很莫名其妙的江湖玩藝。

其實很多很多AI上的技術都只是用統計學和一些規則去將重複性高的工作標準化罷了,事實上根本和取代人類的智慧有一大段距離,甚至八竿子打不著關係。

而敝人以為,AI最後發展會趨緩,因為很多技術的商用價值不夠高,在高失業率低薪資的壓力下,AI技術和低階人力工作會達到一個平衡點,AI不可能會無止盡地發展。

而科學上的AI研究,多數都是沒有甚麼商業價值的,有待過學術界的朋友都知道這部分的進步需要很長很長的一段時間。大家在講的甚麼強AI,基本上在幾十年甚至百年內都還是天方夜譚 。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #人工智慧 #Pepper
往下滑看下一篇文章
從人才培育到跨域創新!法國皇家推「AI for Pets 創新徵件計畫」,為寵物照護開創新可能
從人才培育到跨域創新!法國皇家推「AI for Pets 創新徵件計畫」,為寵物照護開創新可能

AI 不只能改變人類的生活,更能為毛孩帶來哪些變革?自 1968 年創立以來,寵物健康營養領導品牌法國皇家(Royal Canin)便致力於以科學與數據為基礎,依據貓犬的品種、年齡與健康狀況,提供符合個別需求的精準營養方案。如今,隨著毛孩高齡化,以及疾病照護、流浪動物收容等需求日益多元,法國皇家也開始思考,如何運用 AI 將長年累積的「精準營養」理念延伸至更全面的「精準照護」。

為此,法國皇家推出「2026 法國皇家 AI for Pets 創新徵件計畫」,成為台灣首度以「AI 寵物照護」為主題的公開徵件活動。活動祭出總奬金 100 萬元,預計選出 10 名獲獎隊伍,希望串聯台灣科技人才與寵物照護生態系,運用 AI 協助獸醫師、收容單位與飼主解決實際難題,讓科技成為改善寵物生活的助力。

#0 法國皇家
圖/ 法國皇家

從主管賦能到適才適所,法國皇家的人才培育哲學

「我們期待透過競賽為寵物產業注入創新動能,也為台灣科技人才創造展現實力的舞台,」法國皇家香港台灣總經理張堇琪一語道出舉辦本次活動的原因。

她觀察,台灣科技人才具備深厚實力;而面對當前貓犬高齡化與收容長照的挑戰,寵物健康領域正處於科技轉型的關鍵時刻,也還存在許多尚未被滿足的需求,希望透過競賽串聯科技人才與第一線的真實照護痛點,讓科技轉化為實質的守護力量,也為跨領域人才開闢一條投入毛孩經濟的快速通道。

#2 法國皇家
法國皇家香港台灣總經理張堇琪
圖/ 數位時代拍攝

事實上,法國皇家對人才價值的重視,不只展現在對外部科技人才的支持,更早已落實於內部人才培育制度。「我們極為重視直屬主管的培育,因為我們相信,每位同仁都值得擁有一位好主管。」張堇琪指出,這正是法國皇家所強調的「Great Line Manager」理念。

為了落實這項理念,法國皇家發展出一套融合企業文化的訓練系統,搭配一對一專業教練輔導,協助新任主管逐步掌握帶領團隊的方法與技巧;此外,集團也建立跨國交流機制,例如總經理社群(GM Community),讓不同市場的領導者分享經驗、相互學習。透過多元方式持續精進主管的領導與管理能力,讓他們更懂得如何帶領團隊、營造良好的職場氛圍,進而提升同仁的工作投入度與整體組織生產力。

除了主管賦能,法國皇家亦同樣重視基層同仁的培育,並強調「從個人出發」的精神。例如,定期提撥學習基金,讓同仁可以自主選擇有助於職涯與個人成長的課程,全方位支持同仁成為更好的自己。又如,引進霍根測評系統(Hogan Assessments),透過科學化評估工具,協助同仁深入了解自身的能力與人格特質,與主管共同規劃適合的成長路徑,也讓主管能精準調配團隊分工、達成適才適所目標,讓每位夥伴的潛力都能獲得充分發揮。

互惠精神走出企業內部,為第一線獸醫人才注入更多專業能量

這些做法背後,反映的是法國皇家母集團瑪氏(Mars) 所強調的互惠(Mutuality)原則。企業投資人才,不只是為了追求營運績效,更希望每位同仁都能在工作與生活中持續成長。而這份互惠精神,也從企業內部延伸至整個寵物照護產業。

「要讓寵物獲得好的照顧,首先也要照顧好那些照顧寵物的人。」張堇琪強調,獸醫師與獸醫助理是守護毛孩健康的第一線基石,唯有提供足夠的專業資源與支持,才能讓他們更有能力照顧好每一隻寵物。

因此,法國皇家長期投入獸醫專業人才培育,尤其著重傳統獸醫養成教育中,比重相對有限的營養學知識。例如,與台大獸醫學系合作,安排授課教授赴法國總部與營養專家交流、提供前沿的寵物營養研究數據、指派具獸醫師資格的同仁協助課堂教學、媒合獸醫系學生至動物醫院實習,累積臨床經驗等。

值得注意的是,法國皇家對獸醫人才的培育並不局限於營養專業,更延伸至醫病溝通技巧,協助獸醫團隊以淺顯易懂的方式向飼主解釋複雜病情,不僅能有效提升衛教溝通效率,也能建立更堅實的醫病信任關係。

不只追求商業價值!AI for Pets 四大主題探索寵物照護新解方

從內部人才培育到獸醫專業賦能,法國皇家一直相當重視人才的價值。延續這份理念,張堇琪也希望透過 AI for Pets 創新徵件計畫,為這座科技島上有想法、有技術的人才搭建發揮所長的舞台。為此,法國皇家攜手工業技術研究院、台灣人工智慧協會及臺大創意創業中心,串聯產學研資源,讓更多具潛力的創新構想被看見,也為科技人才開啟探索寵物產業應用的新機會。

而要讓科技人才的創意能夠回應第一線的照護痛點,首先必須找對問題。法國皇家從貓犬生命歷程出發,歸納出就醫、日常、收容到相遇四大照護場景,並轉化為「獸醫照護」、「預防保健」、「流浪動物福利」與「負責任的飼主」四大徵件主題,引導參賽者從診間、家庭或收容場域等不同角度切入,探索 AI 在寵物照護上的應用可能。

令人好奇的是,相較於企業通常優先考量具有商業價值的應用,「流浪動物福利」未必能為法國皇家帶來直接營收,為什麼會被列為這次競賽的重要主題?「因為我們對寵物福祉的關注,並不局限於具有商業價值的市場需求,」張堇琪回答,流浪動物往往缺乏足夠的照護資源,第一線動保團體與志工也需要更多支持。因此,法國皇家希望藉由這次競賽,讓科技創新的成果也能惠及那些最需要幫助的毛孩與動保工作者,落實「為寵物創造更美好的世界」的品牌使命。

對張堇琪而言,這場計畫的價值不只在於選出優秀作品,更希望讓參賽者看見自身技術能為寵物產業帶來的貢獻,從中建立信心,持續探索更多應用落地的可能。這也呼應瑪氏集團所重視的「互惠」原則:科技人才得以發揮所長,寵物產業也能獲得新的解決方案,也讓社會共享創新成果。

「我們歡迎所有想透過科技改善寵物生活的人來參加,就算不具備寵物產業背景也沒關係,專業知識可以由我們來補足,更重要的是解決問題的能力,以及對毛孩的用心。」張堇琪強調,法國皇家期待透過這次競賽,催生更多能實際落地的創新解方,讓跨領域創新的力量持續為寵物照護帶來新的可能。


🏆 徵件資訊

∙ 總獎金:100 萬元(冠軍最高 40 萬元)
∙ 參賽資格:年滿 18 歲,不限學生、業界人士或新創團隊(1–5 人組隊參加)
∙ 徵件截止:即日起至 2027/1/6(三)17:00 止
∙ 早鳥限定:於早鳥期限前完成報名,並於初賽截止前完成提案繳交且通過資格審核,法國皇家將捐贈 20 公斤飼料予社團法人台灣同伴動物扶助協會(犬山居),每位正式隊員還可獲得專屬早鳥禮一份!
∙ 競賽官網與報名簡章

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓