作为一位程序员，我希望机器能做的事情就不要让人去做，我相信分享能促进创造，不断的创造让人更加的有智慧，让世界更美好。
我希望自己的工作内容是创新的，那些重复的、枯燥无味的流程是自动的，让我更有效率的工作。那要怎样才能实现这个目标呢？
人的本质是社会关系的总和，科学技术是人体器官的延伸。
— 马克思
我们可以将这句话分两部分进行理解。
1 人的本质是社会关系的总和
1967年，一位早期计算机科学家做了一篇《组织是如何进行发明创造的？》文章，在这片文章中，阐述了后来被称为“康威定律”的理论：
Organizations which design systems are constrained to produce systems which are copies of the communication structures of these organizations.
它阐明的道理是：任何软件公司生产的软件，都是该公司内部程序员沟通方式的映射。这个结论的依据是程序员之间的沟通方式决定软件接口定义。
这就是很多成功的公司在项目开始时，首先要大家“搞好关系”。这也可以说明，为什么成功的人，一般不是才华横溢，而是最能以亲切和蔼的态度给人以好感的人。
微信之父张小龙曾回答过“微信是什么”这个问题，他说一千个用户有一千个微信，在他自己眼里，微信就是一个输入/输出系统，里面有两张表：用户表和消息表。
2 科学技术是人体器官的延伸
Gmail作为全世界最优秀的邮箱，一直长期给用户使用“测试版本”，它不断尝试提供智能服务，提高用户处理右键的效率。
2015年，Gmail推出了智能回复功能，它能够自动生成回复消息，用户只需要点一下，就完成邮件的回复，目前可以处理全部邮件的10%。
所以，作为一个技术型创业者，不应该从产品入手，而应该从释放人的自由和活力入手。
智能回复使用了三层逻辑：
- 判断这个邮件是否可以使用智能回复 – 使用深度学习技术
- 查询出几项具有不同意向的候选回复方案 – 使用知识图谱技术
- 将候选方案进行打分 – 使用深度学习技术
所以，Gmail成功的解决了如何整理历史知识，如何查询备选回复，如何给备选方案打分。那么这种技术就很有前途了。
传统的软件都是以同样的输入对应确定的输出为基础，可是深度学习是处理不确定的输入，给出一个按概率分布的输出。下面是一个深度神经网络的示意图：
重新思考聊天机器人
互联网时代，人们使用什么方式进行沟通？
社交网络，即时通信工具。
最高效的处理繁杂的、重复的、信息爆照后的数据？
以深度学习为代表的人工智能技术。
所以，作为一个程序员，我觉得做好聊天机器人产品，是我能想到的，最好的工作。
从2011年开始，我工作于IBM中国研发实验室，从事业务流程云产品的研发，从2016年开始进入对话系统产品的开发，带着企业怎样实现智能对话应用的困惑。
业务流程引擎
业务流程引擎是面向企业内部工作流编排、部署、执行及监控的中间件。在创业企业或小型企业，因为流程少或还没有规范化，流程服务往往是以代码开发的形式实现，也或者上线业务流程引擎的成本高。
大中型企业，随着业务增长，组织的扩张，都会采购LDAP系统、CRM系统、ERP系统、OA系统和CMS系统等等，像电商厂家更会建立全渠道平台，采购大量软件。业务流程引擎就是跨软件系统的实现流程服务的软件。
它的目标是通过规范化的定义抽象业务流程，让业务专家可以学习简单的技术知识，就可以开发出企业应用。常见的场景包括客服中的工单，工单在不同人员之间流转就是流程。IBM在业务流程引擎开发上有有着40多年的历史。
2014年，在IBM美国Raleigh-Durham实验室开发下一代业务流程云服务
聊天机器人
聊天机器人也有着很长时间的发展历史，第一个以电脑软件的形式出现的聊天机器人也有50多年历史了，乔布斯去世前主导的最后一个收购就是开发Siri的公司。
从过去两年的发展结果看，个人助手是个鸡肋，不管是搭载在什么载体上。现在很多的聊天项目，可以冠以很好的情怀，但现实很残酷，商业上不成功，还是在实验室里做比较好，包括闲聊，已经被炒作的太厉害了，有哗众取众之嫌。
能在商业上取得成功的聊天机器人一定是基于规则的人工脚本实现的，机器学习算法起到辅助作用，就像现在的小i机器人和Siri选择的方式一样。
实现企业对话应用
将聊天机器人和业务流程融合，是实现企业服务的高度智能化和自动化的一种合理方式。但是这个产品该怎么实现，是以业务人员为中心，还是以开发人员为中心？
带着种种疑问，在不断的研究和尝试中，我摸索着自己的答案：利用机器学习技术辅助企业业务人员撰写聊天机器人脚本，生成聊天机器人对话逻辑导图。这种对话服务将以各种各样的应用的形式出现，在Chatopera，我们称之为企业对话应用。
与此同时，2017年Gartner发布了企业应用AI的路线图，我是非常认可Gartner的对2019年聊天机器人发展的预测的：
到2019年，在客服岗位上，超过10%的招聘是面向撰写聊天机器人脚本的。
Gartner主要主要观点是：
- 在有专门撰写聊天脚本的工作人员后，聊天机器人可以形成良好定义的决策树，它的返回比客服人员给出的答案更好。决策树可以套在业务流程引擎里。
- 最适合撰写脚本的人是既熟悉业务又清楚访客怎样和聊天机器人互动的人。
- 程序员并不是书写客服对话脚本的最佳人选。
我认为，企业将会拥抱一个新的岗位：聊天机器人脚本撰写者，我们也需要一个更简洁的名字。呼叫中心的工作者是这个岗位最好人选。他们熟悉访客的哪些词语面向的是哪些问题，在弄清楚答案之前，需要访客先回答哪些问题，他们更清楚应该如何处理异常，比如何时应该转为人工服务。
随着聊天机器人的应用，那些重复的、简单的问题将统统由机器人解答，人工坐席将处理复杂的问题或长流程的工单 - 一些“棘手”的客户。
而客服是一个场景，企业对话应用有着更广大的空间。带着这样的兴奋，我找到了愿意一起合作的小伙伴，投身这项富有挑战同时也非常有意义的事业中：实现企业对话应用解决方案。
目前，企业对话应用解决方案包含三个产品：
Chatopera产品线
1 多轮对话编辑器
多轮对话设计器是以自然语言为输入，定义聊天机器人逻辑思维的工具。它可以很方便的通过Chatopera支持的脚本语法描述复杂的对话逻辑，并且通过函数的形式集成企业的其它服务。企业的业务人员可以很容易的学习脚本语法，制作满足企业业务需求的聊天机器人。
2 智能问答引擎
智能问答引擎是运行多轮对话的环境，并且包含知识库，机器人属性设置，知识库和多轮对话使用情况等信息，是企业对话应用运行时环境。 智能问答引擎带有可视化的管理控制台，企业可以很方便的管理对话应用。
3 智能客服系统
智能对话引擎可以应用于不通场景，比如客服、个人助手和机器人助教。针对目前智能客服的需求，我们为没有客服应答系统的客服提供全渠道智能客服系统。全渠道智能客服系统是客服应答系统和智能问答引擎的集成。
对我们来说，做用户喜爱的产品就意味着，用户能从我们的产品中感受到热情，效率和尽善尽美，选择我们就是选择成功。
Chatopera创始团队。右起：王海良，向宇，张凯，
尹立志：创业者背后的造梦人