通讯AI：挑战重重，却未来可期

    科技公司意识到消息传递的力量和潜力，致力于填补该领域存在巨大空白。
    大约63％的人更喜欢在“dark social”（注：如果是从邮件或聊天软件里点进网页，是很难追踪得出来的，这就是所谓的dark social。）或封闭的私人信息环境中分享信息，比如Facebook Messenger和WhatsApp。然而，在这些平台上的体验仍然是痛苦迂回的。为了在对话中共享单个内容，用户通常必须离开他们的活动聊天，打开一个新窗口来定位和复制文件，然后重新进入之前的对话来粘贴和共享。
    因此，提供更智能的方式来共享消息上的内容是一个巨大的机会，无论这些内容是有趣的动画、预订餐位，还是导航。事实上，一旦人工智能成功应用于这一领域，我们可以看到一系列新功能在通讯信息上的出现：智能推荐附近的餐馆或商店、AR聊天、优化视频和音频信息、为即将到来的旅行或事件进行实时更新，以及其他更便捷的功能。
    与此同时，人工智能在信息领域的应用有可能推动整个AI市场向前发展，因为它可以作为实验和创新的温床，以解决人工智能目前面临的一些挑战。一旦人工智能在信息环境中充分发挥作用，也就是说，一旦它能够完全理解对话中所表达的内容，或者人们想要什么，那么这项技术就可以应用到许多领域，并为尚未存在的新行业打开大门。
    然而，在我们发现这个令人兴奋的新世界之前，必须首先面对一组独特的挑战，即如何将人工智能应用到全球数十亿的在线对话中。
    科技挑战
    这看起来很简单：建立一个完善的人工智能模型，对其进行培训，并将其应用到用户多年前使用的即时通讯应用程序上的日常对话中。毕竟，我们已经找到了如何利用人工智能来识别新的救命药物，制造自动驾驶汽车，并提出高度个性化的产品建议。但不管最近科技进步如何，信息传递仍然是人工智能最具挑战性的平台之一，因为它依赖于将人类和机器区分开来的最重要的区别：理解语言和交流中的上下文和语意。
    换句话说，人工智能的一般情况和智能消息传递所需的人工智能之间存在巨大的差距。面向消费者的人工智能已经从通常用于客户服务的（令人恼火的）聊天机器人发展了很长一段时间，聊天机器人常常带来更多的问题，而不是解决方案。然而，在消息传递中实现人工智能需要更加复杂和即时的技术能力，再加上语言的细微差别和内部运作的小误差，这是一个令人生畏的挑战。
    首先，为聊天而构建的人工智能模型不应该是关键字驱动的。相反，消息传递需要使用上下文人工智能，它更复杂，但更好地模仿了我们使用语言的方式。语言是创造性的和复杂的，会有暗讽、真诚等微妙情绪。虽然更容易训练人工智能生成一个基于特定的词或提示的事务响应，但消息需要AI理解上下文，体会到细微差别以及适应对话的展开来呈现对聊天双方都有用且相关的信息。
    除了理解语言是如何工作的外，语境人工智能还必须理解不同方言和人口特征下全球范围内的语言差异。例如，为了智能地传递正确的内容来传达喜悦，人工智能必须基于巴西、英国和日本表达这种情感的偏好进行训练，继而给出相应的建议。
    此外，专门为消息传递环境开发的AI模型必须以令人难以置信的速度接收、处理和传递信息。许多其他形式的人工智能，如数字助理和社交摘要，都设计有内置的缓冲区，允许信息在返回结果给用户之前有时间传送到服务器进行分析。
    然而，在消息传递中，对话需要即时进行，这意味着人工智能只有大约10毫秒的时间来收集和解释数据，然后使用这些信息无缝地做出正确的决策，无论是完成任务还是传递内容。这是一个紧迫但至关重要的转角，因为即使是最轻微的延迟或错误都可能破坏对话。挑战变成了开发能够在如此紧张的条件下工作，并为人们带来巨大成果的人工智能。
    隐私受益
    针对消息传递的人工智能面临的最后一个技术挑战是，它还必须安全执行。
    今天的用户在数据隐私方面有很高的标准和期望。如果人们对个人对话数据的管理方式缺乏信任，那么消息传递中使用的人工智能就不会成功。
    好消息是，按照设计，消息传递是人工智能最安全的用例之一。它需要人工智能即时大规模执行，这意味着人工智能没有足够的时间或能力，在一些设备上从聊天应用程序发送信息到另一个服务器，然后返回。相反，人工智能在设备上处理信息，因此对话数据永远不需要发送到其他地方向用户传递结果。
    因此，尽管设备上的人工智能更具挑战性，但它最终在数据隐私方面提供了主要优势。
    那我们离这些功能出现还有多久？
    我们已经在Gmail、iMessage和其他SMS提供商中看到了这种智能推荐技术的影子，从点击完成到推荐单词和表情符号。任何主流技术公司都在进行其在语言和自然语言理解上下文细微差别方面的研究，并对这项技术进行测试。因此，我们可以预计在未来12个月内，市场将迅速加速，我们应该会开始看到更多的技术在不同的应用程序中启用该功能。
    然而，我们还有大约两到三年的时间，直到这种技术的主流应用完全集成到消息传递环境中，然后我们会看到人工智能对语言上下文的近乎实时理解。到那时，我预计会有更多的初创公司利用这一机会盈利。在那之后，这种AI理解对市场的意义将是无限的。
    未来可期
    人工智能在消息传递方面的问题仍有待解决，因为成功的应用基本上结合了当前人工智能市场面临的最大挑战：它必须具有区域性和上下文智能，几乎是即时的，最重要的是安全。然而，尽管存在这些挑战，消息传递仍将推动人工智能市场向前发展，解决关键的技术问题，并确定未来很可能应用于整个行业的解决方案。
    一旦这项技术向消息传递市场交付了完全成熟的AI支持的更新，并且消费者开始体验运行良好的智能内容推荐，我们将会看到行业中新功能的爆炸式增长。