微軟人工智能首席科學家鄧力在此前接受CSDN的采訪時曾表示深度強化學習是A.I.Bots的關鍵技術，在這篇發(fā)表于venturebeat的文章中，他詳細解析了為什么需要A.I.Bots，A.I.Bots的實現(xiàn)，以及深度強化學習如何發(fā)揮作用。
　　在今年3月份，微軟CEOSatyaNadella談到了關于更普遍地使用人類語言與計算機設備交互的未來產業(yè)趨勢，他稱之為“對話即平臺（Conversationasa Platform）”。
　　同時，他還宣布了幾項Bot項目，其中包括微軟Bot架構（botframework）；四月份，F(xiàn)acebook發(fā)布了基于Bots的聊天機器人平臺MessengerPlatform；五月份，Google宣布嘗試開發(fā)AI驅動的Bots，并命名為GoogleAssistant。至此，Bots已被廣泛地視為一種新的用戶界面（UI），將從根本上改變人機交互的體驗。
　　Apps和Web模型存在的問題？
　　Apps平臺是由Apple公司多年前為智能手機開發(fā)的，隨后，Google推出了GooglePlayStore。應用平臺是基于一個統(tǒng)一的資源模型（模型中規(guī)定了手機滿足需求時所需的內存和處理速度），但缺點是大量的應用程序充斥著用戶的手機屏幕，盡管他們常使用的APPS不超過20個左右。
　　事實上，常用到的智能手機應用的總數(shù)目實際正在下降?？偟膩碚f，盡管數(shù)以百萬計的應用已被開發(fā)上架，但其中的大多數(shù)是從未被使用的。這無疑會導致設備資源和用戶時間（用于下載、安裝和管理Apps）大量的浪費。
　　Web模型在移動界面上表現(xiàn)更為糟糕。通過移動設備訪問web服務的使用量較低。這種較低的使用率源于一個事實：很多流行網(wǎng)站的設計和優(yōu)化是為了迎合非移動的PCs端，而PCs端通常都是典型的寬帶接入方式。
　　智能手機有限的帶寬和計算資源是許多Web服務的嚴重障礙。然而，大多數(shù)網(wǎng)站遵循傳統(tǒng)地以頁面為中心的信息配置范式，導致（非移動端）瀏覽器暗中模仿閱讀器，這對移動設備而言是次優(yōu)的。
　　結果：我們需要從頭開始重設設計手機用戶界面，以便于實現(xiàn)移動時代的全部潛力。
　　對話成為新興的移動用戶界面范式
　　幸運的是，在重新設計和部署中，一種新興的范式十分適合移動終端。這種新的對話（即平臺范式）使得移動用戶能夠發(fā)現(xiàn)、訪問、交互日常生活中息息相關的信息與服務，從而使得有用的信息和服務能夠自然地整合到對話流中（conversationstreams）。
　　這一對話UI范式將導致一個新的生態(tài)形成，新生的生態(tài)要比之前的Web和Apps的生態(tài)系統(tǒng)具有更大的規(guī)模優(yōu)勢。這之所以成為可能，是因為信息產業(yè)正在進入物理世界數(shù)字化以及連接這些鏈接到物理服務的新時代。這一物理的、交互的、以服務為中心的世界遠超之前靜態(tài)網(wǎng)絡信息配置時代。
　　消息（Messaging）是該新的對話范式的核心，包括一系列的短文本、音頻和視頻信息。由于兼具異步和近實時兩種特性，消息變成了一個加速器，驅動著數(shù)字對話的成長。用戶無需再額外花費進行交互預先計劃的時間成本，且仍保留近實時對話的能力。
　　Bots作為智能對話接口代理
　　在對話交互中，相比于以對話為中心的移動UI范式，更為重要的是所提供的各類型智能服務。我們既有像siri、GoogleNow、Cortana和Alexa這類的智能個人助理，又有可通過自動對話接口獲取獲取的個體Bot。
　　新興對話范式的最終模式：用戶無需再下載Apps，AIBots利用語音和自然語言處理能力監(jiān)控并相應消息UI，自動地將必要的服務資源（可能存在云端）提供給用戶。
　　由于最近機器學習和AI技術的巨大進步，AIbots的實現(xiàn)成為可能。這些進步使得我們能夠將越來越多所關心的事物自動化。過去幾年內深度學習的發(fā)展，尤其是過去一年半發(fā)展起來的深度強化學習（Deepreinforcementlearning，RL），高效地利用了不斷增長的數(shù)據(jù)和計算資源，促進了我們?yōu)槭澜绛h(huán)境和與我們生活相關的應用領域構建計算模型的能力。
　　在機器學習中，RL具有鮮明的特點。你需要從用戶處得到反饋，也必須給予用戶獎勵。就像在玩一盤暫時不知道最終獎品的國際象棋比賽。你知道與人工智能的交互會導致任務完成的結果。例如，你知道最終的目的是預定航班，但是Bot僅會說那些對于完成目標有幫助的事情，即使用戶可能無法理解bot正在努力追求的最終目標和獎勵。
　　這些進步使得自動語音和自然語言理解變得觸手可及，最終使得我們能夠解決對話理解和很多領域的對話問題?；谏疃葟娀瘜W習的A.I.Bots能夠理解所有領域的語義，還能夠擴展到今日尚無法涉足的領域。
　　A.I.Bots將采用迭代和反饋回路進行自我發(fā)展，并逐步趨近于完美。內置在A.I.Bots的RL組件中的環(huán)境模式能夠自動且精致地檢測、獲取、創(chuàng)造并積累新知識，使得我們可以開發(fā)更多的智能服務、積累更多的經(jīng)驗，尤其是預定、付款等行為導向型服務。
　　A.I.Bots的三種類型
　　一般來說，存在三種類型的A.I.Bots。第一類是搜索信息，因此它的目標是明確的；第二類同樣是搜索信息，但目標不是立即明確的。例如你可能問的是一個電影院的開放時間，這不是說你的目的只局限于答案，而是獲得答案是達到看電影這個最終目標的一個步驟。對于第一種類型，獎勵是明確定義的；對于第二種類型，獎勵同樣也是相當明確的（或者將會明確定義）。
　　當使用強大的深度強化學習技術進行構建時，以上兩種Bots都有自己的、定義較為直接的獎勵函數(shù)（強化學習的關鍵組件）。這兩類Bots均可用于完成搜索信息或者完成預定機票、酒店等特定任務。
　　第三類A.I.Bot是社交Bot，它們需要的指導最多，通常也被稱為聊天Bot或閑聊Bot。該類Bot的獎賞函數(shù)（用于深度強化學習算法）–簡單地稱為“情感智能”–不能被輕易地量化。例如，可以向其進行要求咨詢，或者是詢問一些今天做什么之類的含糊問題。
　　處理社交Bot十分復雜的獎勵函數(shù)需要擴展能力，為了給該擴展能力提供數(shù)學基礎，學術界以及從業(yè)者都需要深入調查。這里的目標是將常用的RL算法（例如用于AlphaGo的關鍵學習方法）擴展成更好的算法，以便利用信息理論上的和內在動機的獎勵。
　　在轉向其他類試圖完成任務的Bot對話之前，這類獎勵會抓取用戶在與Bot對話中獲取的情感滿意度。對于計算機科學家和電氣工程師而言，這是一片十分有前景的人工智能研究領域。