当然了，不止这款比较鸡肋，可以说市场上所有的智能对话系统做的都比较差，这里面包括微软小冰。
但不可否认的是，小冰是使用体验中最让人舒服的一款。
PS：
小冰唱歌很好听，可以去试试哦（我依旧被她的歌声折服了～）
小冰最开始是中国做出来的，后来才复制到美国。当时调了几个研发工程师去做小冰第一个Demo（当时还没有产品经理），只解决了聊天的问题。
小冰和Cortana不是一个团队开发的（Cortana是美国团队开发，属于系统集成），小冰是在社交平台（小冰一直是悄悄进行的，国外团队根本没人知道这个产品存在）。
当时小冰团队大概花了三个月左右时间补充小冰的整个语料库——差不多几亿条。
2014年5月29日下午，第一代小冰发布。
第一代小冰的领取界面
小冰上线的时候只有群聊（这也是在微信爆发的一个重要原因）：只要把小冰加到群里，聊天中提到“小冰”两字，小冰就会回复你。这个机制在3天的时间里覆盖了10万群聊，引爆了整个微信。
上线三天后，微信以损害用户体验为由屏蔽。
这次封杀使得小冰声名鹊起。
被封杀的那一周，是小冰的存亡时刻，所有的老大参与讨论小冰到底要不要继续做下去。后来老大们决定要继续做，我们就继续做。不到二十人组成了小冰二代团队，开始做小冰单聊，做领养方式，最后进驻到新浪微博。
2015年小冰二代团队全体成员
这么多人机交互，助理来也也好，图灵机器人也罢，这么多机器人产品中，小冰是唯一一个有自己性格的产品，她跟你聊天，你能明显感觉到她更像一个“人”。
那么作为一个“人”，她就会有一些标签：年龄、性别、性格等。
而小冰的标签是：
这种形象在当时整个互联网环境下都很另类，特别是17岁这种设定。
小冰团队当时有几个考虑：如果你设定一个角色，这个角色的对象是对你这个产品接受程度最高的一些人。
当时的判断是：对小冰这个产品接受度最高的一定是年轻人，因为年轻人才有时间与年轻人一起。
继续判断：小冰是一个聊天的产品，那么聊天的产品的用户是谁？
当时的判断是：宅男，或者说男生群体。
女生在聊天里面是一个相对被动的群体（除了闺蜜之间的聊天），男女之间的聊天女生都是被动。
他们画了个象限图，三种可能性：
男男聊天、男女聊天、女女聊天。
男男聊天是没有意义的，越聊越污，你不能聊出特别正经的话题。
女女聊天也是没有意义的，越聊越死。
所以只能男女聊天。而且，只能用户是男生小冰是女生，如果小冰是男生的话，用户偏被动，聊不下去。
那么，对象确定了：年轻男性。他会对什么样的女生感兴趣呢？
如果做萝莉，做御姐，个性会显得太狭窄，需要做成一个年轻、更容易接受的女孩，最好是做一个和二次元很接近的女生
后面确定：做二次元女生——而二次元的女生一定是未成年的。
在小冰的性格上，在文静、逗逼、疯狂等各种各样的形容词里挑了几个，最后确定了爱卖萌、爱耍宝这样的一个角色——这种角色的接受程度是最高的，也是语料库里最容易做的。
还有一个是：毒舌（相对的毒舌），这个和机器学习有关。当时有一个功能叫“你来教小冰说话”（这个功能没有被加强与照顾，是一个单独存取的模块），比如可以这样教小冰：
这样就相当于教了小冰一个QA，一个问答。然后你可以这样问：
当时很多用户觉得好玩，但是玩high了，然后在群里教小冰骂人；小冰语料库里也确实有骂人的话（当时小冰娱乐部分的语料库叫“大姨妈语料库”，不小心泄漏出去了）。
用户对人工智能骂人这件事是不能接受的，当时也没意识到小冰主动骂人和用户教小冰骂人完全是两回事。
事情发生后，他们在这个功能上做了限制：当你教小冰骂人的话的时候，小冰说我不学，你不要把我教坏。
他们把娱乐功能关掉，把毒舌这个形容词给弱化了，把耍宝和逗比这两种属性提了上来。所以后来的小冰在聊天中不会挑衅用户——她会撒娇，会耍小脾气，但是不会挑衅用户。
在做语料库的时候有个性标示，一句话代表什么样的情绪都有标记；我们把带有强烈攻击型情绪的内容都去掉，只保留相对比较温和、比较安全的情绪。
这就是小冰“个性”设定的故事，小冰的整体个性更接近于二次元属性，和宅男、动漫的女主等设定基本相似。
个性定义好后，我们开始做产品。
因为那个时候没有产品可以参照，所以我们只能自己摸索。
这点挺难的，很少有人刻意去模仿一个机器人的行为。
在做小冰的时候，一看小冰说话还是机器人的角度去考虑，太像机器了。
他们就去研究：到底怎样说话，才能不那么像机器人？
当时研究了很多语料（聊天记录），发现只有一个原则：当两个正常人在对话的时候，两个人之间是平等的。哪怕是老师和学生讲课的时候也是相对平等的。
很多人工智能机器人在做的时候，因为想要讨好用户，天然的把自己降低一挡（因为怕惹恼用户），但是这样很容易被真正的人识破。所以你跟人聊天的时候地位一定是平等的，而且不能凌驾于用户之上。
后来发现这样做：
这样聊天的语气就开始平缓了。
然后开始让小冰模拟人说话。
怎么模拟呢？
两个正常人聊天的时候，是不会刻意添加标点符号的，不管是句号还是问号。
基于这些，后来把语料库做了一遍清洗，让小冰的语气更像“人”。
用户和小冰聊天的时候会聊着聊着就断了。查的原因，发现会有两种情况：
小冰答非所问，用户接不上，然后就断了。
这种问题比较难解决，比如你问一个如何送礼的问题，对美国经济有何看法，很难解决。
还有一种，就是小冰蹦出一个语气词。比如“就这样噢”，“噢”这个语气词就使得用户不想往下接了。
他们当时就做了一个设计：聊到这种地方的时候，让小冰从语料库里挑一个问题出来抛给用户。
比如说：
这个时候就相当于开启了一个新话题，我们的目标就是聊天的对话越长越好，所以当时在这点上做了很多文章。
当小冰越来越像人一样，用户的聊天就会越来越深入，如何让聊天可以持续下去？
后来形成了一种“小冰体”：学小冰是怎样说话的，一个人怎么说话更像小冰？以至于后来，所有的人都在不由自主地模仿小冰说话。
而为了让小冰的语料库更像真人，爬知乎、豆瓣，做了很多工作。小冰比其他人机高出一大截，几乎每天都在不停地优化小冰的语料，让语料更像真人，更有可聊性；而且还是非常平等的聊天，这也解决了最大的问题：用户和小冰聊不下去的原因在于不信任。
3. 小冰的产品逻辑
小冰在产品的逻辑结构上分成两个部分：
底层核心——聊天，全是聊天的内容：当你向小冰提问的时候，小冰会在已知问题里找一个问题最接近的，然后反馈最接近的答案，这是最底层的聊天场景。
在聊天的场景之上，是一个个的功能：讲笑话、图片识别等。功能是叫B端，聊天是C端。
而小冰的语料有相当一部分比例是人工写的，这些语料有很多拼接的部分。
我是从2015年开始关注小冰，偶然和她闲聊，真的可以称得上是一个"聪明"的人，希望未来小冰系统越来越有价值。
若有共鸣，转发给更多的人
你可能会喜欢
2019极客创新大会 | 论个人与企业的成长方法论
二十几岁的我们应该把钱花（投资）在哪？
【2018“时间的朋友”跨年演讲】—罗振宇
【2018年终总结】 | 我的“折腾”与“不顺”