自从 Facebook 四月份宣布了机器人（ Bot ）开发框架和发布平台后，媒体们就开始过度夸大它的影响。Bot 作为人机交互的一个新的（或再度回归的）范例已经诞生了，我们也可以观察到现在有成百上千家公司、数以亿计的融资和成千上万的 Bot 涌向我们的浏览器和通信应用。
上面是 VB Profiles 提供的 Bot 产业版图（VB Profiles 是由 Venture Beat 和 Spoke Intelligence 合办的）
Bot 的定义及范畴
通信应用程序（现在流行的 Bot 发布方式）
Bot 研发框架和工具（包括基础的 Bot 平台，如微软的和 Facebook 的，或者像 Assist 平台上更专业的构建器）
具备如自然语言或语音的特定领域专业技能的人工智能工具
分析工具（ Bot 工具和追踪）
发现（早期 Bot 商店）
如支付或证券类的共享服务
在一些像生产效率和客服等关键领域中，成百上千的 Bot 正在赢得真正的青睐
Amir Shevat 是 Slack 中开发技术推广部的领导，我倾向于支持他对于空间的定义。他说，「 Bot 是拥有一个通讯产品的数字化用户。不像大多数用户，它们是被软件而不是被人类驱动的，而且它们通过对话，将一个产品或服务应用于一个给定的通讯产品。」
但是那些重要的——因此是有价值的，并且有机会在市场上坚持走下去的—— Bot 只是和它们与顾客交流而提供的服务一样有用。从字面上来说，通讯是现在地球上最常见的数字化行为，若想成为 Bot 产业霸主，只有尽可能地以最快速度发行 Bot 才有意义。但是那些垃圾 Bot 不能坚持太久，同样地，为垃圾 Bot 提供服务的工具也不会长久。
将来还会产生许多围绕有用或相关对话产品设计的持续而健康的争论。不像比喻中那种黑客花上一个周末就能写出来的垃圾 Bot 工具，大多数性能良好的 Bot 还没有出现。造一个好的 Bot 特别困难，主要是因为它必须能调用一个相关且有用也足够好的服务。这需要一个好主意、一个好团队，并在大多数情况下需要资本来加速实现它。
因此，这个产业非常需要一系列的标准和实践，好在优秀的 Bot 制造商们承担起了这一责任。但是就像「生命的意义等于 42 （ meaning-of-life-42 ）」谜题一样，在我们写出脚本之前，什么是值得提出并理解的重要问题呢？
Bot 应该更像人类么？什么时候呢？既然没有单一的英语口语或书面语，那设计对话式 UI 的图谱应该长什么样子呢（每天有高达 15% 的谷歌搜索是全新的）？针对以文本为基础的产品，我们应该怎样解决国际化和记忆问题呢？GUI（图像用户界面）和 CUI（对话用户界面）之间的平衡点在哪里呢？我们怎样才能最有效地整合对话呢？也许最重要的问题是，什么时候一个对话类应用才应该成为第一个也是唯一一个正确的方法去创造一些东西，而不是一个笨重的「给我在亚马逊买点东西」的 Bot 错误？
现在有成千上万的 Bot ，但没有什么值得借鉴的经验
Facebook，Telegram，Kik 和一些像 Chatfuel 的 Bot 创作工具喜欢报道这些数万个在他们平台上创造出来的机器人。但是他们没有告诉我们哪些 Bot 是好的，哪些是人类用起来很麻烦的，哪些是能解决真正需求的。硅谷的不确定性很高。
但是对于在这个范例情境下真正完成的工作来说，这是个不公平的评价。开发移动电子竞技游戏《战争游戏》的 MZ 建立起了一个可以运行整个新西兰交通运输生态系统的 Bot 平台。MZ 的 CEO Gabe Leydon 说，「你将不只是在这个平台上运行运输系统，Pizza Bot 是个非常好的个人助理，可以和我的数据进行交互。未来的 Bot 将会和全部数据进行交互，并会基于所有正在发生的事情做出决定。」
还有创立 Kit 的 Michael Perry，Kit 是一个市场 Bot ，它可以制作并优化 Facebook 的广告，并代表小型企业将广告发送给消费者。Kit 最近已经被 Shopify 收购了。Perry 说，「在我们创造出 Kit 的那个时候， Bot 还不是一个很酷的东西，也并不是一个产业。我们创造 Bot 是因为我们意识到 Bot 就是我们发现的那些问题的解决方案。对于 Kit 来说，我们正在解决的问题是时间。我们愿意挑战所有人，在 Facebook 上创造或发布一个比 Kit 能做到的更快更好的广告。」
在这方面，现在仍还存在着挑战。就比如从技术支持的角度来说，我们应该从哪里开始来取得引起注意的初步进展呢？Slack 成立了一个 8000 万美元的基金去帮助解决这个问题。现在 Bot 可以帮助你定制旅行，管理开销，校对数据，并为消费者节省数百万美元支出。前几天，奥巴马拥有了一个 Bot ，奥巴马诶！
Bot 能让软件为我们工作，（除了 Bot ）没有其他的方法
Nir Eyal 是一个作家和创业家，他写了一篇非常出色的文章（「让显示面板去死吧，为什么对话可以重新发明软件。」）将这个概念一步一步地连接起来，你应该通读这篇文章。本质上来说，当一个人和软件产生交互时，在理解他正在寻找的东西和理解如何用这个工具去实现他的目的过程中，就会产生一定程度的认知负荷。虽然我们从来不大声说出来，但我们一直在玩儿自问自答的游戏：哪些是重要的？我接下来应该做什么？应该怎么做呢？
事实上，我们每天当中差不多有 20% 至 30% 的时间在寻找信息。这个产业对于这些问题的标准答案是利用下拉和显示面板。一些好的 Bot 的出现帮忙解决了这些问题。就像 Eyal 概述的那样，难道这不会成为使用谷歌分析（Google Analytics，世界上仅次于 Excel 的最常见的显示面板工具）的一个更有趣的方式么？
自然语言仍然存在大量挑战
从技术角度来说，「 Buffalo buffalo Buffalo buffalo buffalo buffalo Buffalo buffalo. 」是一个正确的句子。建造一个可以识别和解释无比复杂语言并理解它的软件是一个非常大的挑战。语言是一个持续进化的界面。Wut？I kno，srsly.
但它并不是无法破解的。纽约大学人工智能实验室的学生 Ross Goodwin，也是一名技术专家，他通过利用一些从网上找到的科幻小说剧本进行训练，创造出了一个 Bot （循环神经网络——用于文本识别的人工智能的一种）。这个 Bot 将自己命名为 Benjamin，并且根据由Thomas Middleditch 领衔主演的电视连续剧《硅谷》生成了一部未来主义科幻小说，并且这本小说赞爆了。虽然这本小说中有些部分感觉像 Mad Libs（疯狂填词）游戏，但是它更是一个比具体电影更具有语言自反性的实验( reflexive experiment on language )和创新。美联社已经在生产「自动化的见解（ automated insights ）」—— Bot 创造的体育故事和收益报表。
在「自动化的见解」和「机器制造的创新」两者之间到底还有多远的路要走呢？
