但是理工男的腦洞一旦開起來也是無人可擋。比如被拉黑的焦雲皓百思不得解，最終痛定思痛，下決心對“聊天殺手”這樣的現象進行研究。接著，神奇的事情出現了：他開發出了一套基於AI技術的智能對話分析系統ConverNet。這個系統的功能定位也非常簡單粗暴：

拒做聊天殺手，友誼天長地久。

拒絕做聊天殺手：理工男是怎麽操作的？

ConverNet建立在深度學習神經網絡之上，通過對大量文字聊天數據進行分析，試圖從其中找到對話終結、聊不下去的原因。為了能夠給ConverNet找到足夠的學習數據，焦雲皓在導師的幫助下找到了兩個公開的海量數據庫：Reddit-Treads和Movie Dialogs。這兩個數據庫分別以討論組式的群聊內容和對白式的一對一聊天內容為主。在這些內容中，ConverNet著重針對兩種聊天終止場景進行分析。一種是單聊中的聊著聊著沒有話說，另一種則是群聊中某人發言之後出現冷場。

ConverNet的運行原理是對大量對話數據進行編碼，尋找到聊天中斷的“斷點”，再利用LSTM神經網絡單元對這些對話數據進行理解和特征提取，為那些被中斷的尬聊對話提取共同特征。最終實現對對話是否會因尬聊而中斷的概率預測。

在學習了一共接近20萬組對話之後，ConverNet已經基本掌握了一些“聊天殺手”的特征，在測試中實現了80%的預測準確率。通過ConverNet人們還把握了一些尬聊規律，比如在單聊場合中，大段發送長文字可能會終結聊天，但在群體討論時長文字反而會刺激群聊的積極性。

這套系統的首位受益人是焦雲皓的老爸。經過分析，他的老爸總是大段大段地發送消息，與其他人顯得格格不入；後來改發發表情包和短句子，結果聊天冷場的情況就少多了。

多場景應用：不止於讓聊天繼續

這個創意如果只停留在實驗室裏，充其量只能被看做是一場關於AI的人機交互的一種獵奇。我們需要看重的，更應該是它在現實應用場景中落地的可能。

既然是聊天系統，那麽其首要落地場景應該集中在社交軟件當中，如陌陌、探探等主打陌生社交的產品，用戶的主要訴求基本都是通過溝通拉近彼此的關系。

在這類產品中光把兩位用戶匹配到對話場景中僅僅是個開始，幫助用戶好好聊天才能更深入的滿足用戶訴求。在這時 ConverNet就可以發揮作用，在軟件中植入對話實時指導功能。當用戶編輯好要發送的內容的時候，系統可以自動根據聊天的場景給出具體的指導意見。

比如，當你輸入“發個自拍看看”這種典型尬聊語句的時候，軟件就會彈出“有百分之××的用戶在發送該句的時候對話終止，確定要發送嗎”的提示，然後給出獲取照片的可能性方式。在這個過程中，ConverNet既能在很大程度上保證聊天的繼續，也在一定程度上培養用戶自身的語言表達習慣。

此外，將ConverNet落地於PUA（Pick up Artist）群體也是一個不錯的選擇。既然有那麽多人願意掏錢學習如何與異×××流，何不如利用ConverNet這類分析系統對聊天內容的正反案例進行分析，尋找搭訕過程中成功與失敗的原因。甚至可以摸索出男女之間在不同的交往階段的語言使用風格，掌握不同性格的個體在各個階段的語言親密度。比如什麽時候可以說一些有吸引力的話，什麽時候又需要保持一定的距離。在AI的幫助下，有的放矢地進行交流。到故事的最後，ConverNet在手，妹子我有。

不光是PUA，一切需要溝通藝術的地方都可以讓AI發揮功效：銷售、公關、客服……對於一切不會說話、說話磕巴、說話招人煩的人類，都可以對其整體對話數據進行分析，再作具體的針對性補短。

當然，想做到這一地步，需要涉及復雜的人類情感，AI必須要學習更多的數據、掌握強力的算法才有可能實現。

如果這些能夠實現，便可以將ConverNet系統的運行邏輯遷移到智能家居場景當中，或許我們可以尋找到優化人機交互的新路徑。

利用智能音箱作為接口，對家用電器進行喚醒是當下智能家居領域的一個基本操作。但在更多層面上，這種交互是一種單向的命令式交互，家居產品智能被動性接受指令，無法實現反向的主動參與。在這種情況下，用戶跟智能家居就很難產生持續的交流意願。

智能音箱可以通過不斷地對用戶語料的抓取分析，將語言字數與情緒、語言速度與情緒、語調高低與情緒進行結合，著重搜集任務未完成時的對話中斷。然後，根據以上幾個方面進行特征分析提取，再進行自我改進，以取得更優質的人機交互體驗效果。

從夢想到現實：技術仍是亟待突破的壁壘

美好的東西總是令人向往，但前提是，這套ConverNet系統要解決以下幾個問題。

首先是學習樣本的數量不足。目前，ConverNet的數據學習數量只有二十萬條左右，而在社交平臺上，每天會有億萬組的對話產出。與之相比，二十萬條的數據學習量只是九牛一毛。這樣小範圍數據上的準確率是否真的有應用價值，其實是存有爭議的。

其次是對文本數據學習本身的局限。對於ConverNet來說，目前的模型完全是基於英語文字的學習。可在實際應用場景中，往往是文字+語音+表情包的綜合打法，漢語中還會出現同音字替代、顏文字等復雜的情況。這些細節的變化很有可能會造成模型整體訓練難度的增加。

最後還有隱私問題，想實現所謂的對用戶對話是否會造成聊天終結的預測，一個必備前提就是對用戶聊天內容進行分析。即使利用上端側AI計算和內容脫敏，也難免會讓用戶有種隱私被AI“視奸”的毛骨悚然之感。

實際上，要達到讓Convernet在日常中發揮實際作用的目的，除了解決以上幾個方面的問題，還要考慮到語言發生的環境、語氣問題等，並且通過多種算法的綜合運用來協調處理一句話裏包含的種種要素。從某種程度上來說，以前人類用AI是彌補智商，而現在更多的是彌補情商。這個技術難點，無疑需要較長的時間來克服。

而夢想到現實的距離，就是不斷克服技術壁壘的過程。人機交互的實質性飛越，或許可以從好好聊天開始。讓聊天繼續，也就存在了讓夢想繼續的可能 。

理工男的逆襲：做AI,不做聊天殺手