马克·斯隆，Scout 的联合创始人兼 CEO – 采访系列

马克·斯隆是 Scout 的联合创始人兼 CEO，Scout 是世界上第一个网络浏览器聊天机器人，一个用于在线完成任务的数字助手。Scout 根据您在线的活动，建议它可以为您做的有用的事情。

是什么最初吸引你进入人工智能领域？

我第一次接触人工智能是在读本科期间，在 GCHQ 的自然语言处理研究团队实习期间。我亲眼见证了机器学习对现实世界问题的影响和它带来的不同。

这让我对计算机的使用方式有了新的认识：软件工程教你如何创建程序来处理数据并产生结果，但机器学习让你能够使用数据来描述你想要产生的结果，从而创建一个程序。这种方式可以使用相同的框架来解决成千上万个不同的问题。对我来说，这比写一个个程序来解决每个问题更有影响力。

我当时正在学习优化问题和计算机科学，所以当我回到大学后，我专注于人工智能，并完成了关于语音处理的毕业论文，然后申请了 UCL 的信息检索博士学位。

您在 David Silver 的指导下研究了网络搜索中的强化学习。您能讨论一些这方面的研究吗？

我的博士研究是关于将强化学习应用于信息检索中的排序问题，这是一个我帮助创立的领域，称为 动态信息检索。我由 Jun Wang 教授和 David Silver 教授指导，他们都是代理强化学习的专家。

我们的研究探讨了如何让搜索引擎从用户行为中学习，以自动改进搜索结果。使用多臂带子方法，我们的系统会尝试不同的搜索排名，并收集点击行为来确定它们是否有效。它还可以随着时间的推移适应个别用户，并且在处理模糊搜索查询时特别有效。当时，David 正在深入研究围棋问题，并帮助我确定了这个问题的适当强化学习设置，包括状态和值函数。

您从与 David Silver 合作中学到了哪些创业经验？

UCL 的研究通常具有创业性质。David 之前曾与 Demis Hassabis 共同创立了 Elixir Studios，然后加入 DeepMind 工作于 Alpha Go。我们的媒体未来研究小组的其他成员也创立了多个创业公司：Jun 创建了 Mediagamma（将强化学习应用于在线广告支出），Simon Chan 创建了 prediction.io（被 Salesforce 收购），Jagadeesh Gorla 创建了 Jaggu（一个电子商务推荐服务）。我们经常讨论我们的研究对商业的潜在影响，我认为这可能是因为 UCL 位于伦敦，使其成为创业的自然起点。

您最近推出了 Scout，世界上第一个网络浏览器聊天机器人。Scout 的灵感来自哪里？

这个想法自然演变自我的博士研究。我完成博士学位后直接加入了 Entrepreneur First，并开始思考如何将我的研究成果转化为产品。

在此之前，我在微软研究院实习，应用我的研究成果于 Bing。我当时学到的主要内容是，信息查找可以基于在线用户行为预测。但我对此感到沮丧的是，唯一真正的方法是通过改进自动建议来在搜索引擎中显示这些预测。所以我开始思考如何使用这些预测来改进用户的整个在线体验，而不仅仅是搜索体验。

这就是我和我的联合创始人在 Entrepreneur First 上开始创建一个浏览器插件的想法，观察用户行为，预测用户可能需要的信息，并为他们检索这些信息。经过几年的实验和原型开发，这最终演变成了一个聊天机器人界面，浏览器可以通过它与用户讨论他们在线的活动，并尝试帮助他们完成任务。

Scout 将与哪些网络浏览器兼容？

我们目前专注于 Chrome，因为它是最流行的网络浏览器，并且具有成熟的插件架构，但我们也在 Firefox 和 Safari 上有原型，并且还有移动应用程序。

Scout 的购物助手功能听起来可以为用户节省时间和金钱。假设有人正在 Amazon (AMZN ) 上研究一款产品，Scout 在后台会发生什么，并且如何与用户交互？

这个想法是，一旦你安装了 Scout，你就可以像平常一样使用网络。当你购物时，你可能会访问 Amazon 查看产品。Scout 会识别出你正在 Amazon 购物，并且会显示产品信息。它会以聊天窗口的形式弹出，类似于 Intercom 的工作方式，除了 Scout 可以在任何网页上出现。你可以在我的网站上看到它的样子。

因为你正在购物，Scout 会开始建议它可以如何帮助你。它会问你是否要查看在线评论、其他价格、YouTube 视频等。你可以通过按按钮与聊天机器人交互，聊天机器人会根据你的需求量身定制体验。每当它找到信息（如 YouTube 视频）时，它会将其嵌入聊天线程中，就像朋友在 WhatsApp 中与你分享媒体一样。随着时间的推移，你最终会与浏览器就你在线的活动进行对话，浏览器会在你需要时帮助你。

网页处理发生在浏览器本身。我们的后端只看到聊天线程，这意味着隐私影响最小。

我们有一个定制的架构，用于理解在线浏览行为和管理与用户的对话。我们使用机器学习来识别我们可以在线上帮助用户的任务以及我们应该如何帮助他们。最初，我们使用强化学习来适应用户的偏好随着时间的推移。但是我从运行人工智能创业公司中学到的最重要的一课是，保持过程的简单性，并尝试只使用机器学习来优化现有的过程。因此，我们现在有一个复杂的规则引擎，用于处理任务，并且可以在我们需要扩展时由强化学习管理。

Scout 还可以如何帮助用户规划活动？

我们意识到，活动规划（和旅行预订）与在线购物并没有太大的区别。你仍然在查看产品，阅读评论并提交订单。因此，我们为购物构建的很多内容也适用于这里。

最大的区别在于时间和位置现在很重要。例如，如果你在 Ticketmaster 上查看演唱会门票，Scout 可以识别场馆的地址，并建议找到从你当前位置到场馆的方向，或者找到 Uber 的价格，或者建议你什么时候离开。如果你将 Scout 连接到你的日历，Scout 可以检查你是否在活动时间有空，并将其添加到你的日历中。

在未来，我们预见 Scout 用户将能够通过该平台与朋友讨论他们在线的活动，例如活动规划、购物、工作等。

Scout 将使用什么触发器来启动与用户的对话？

Scout 默认不会打扰你，除非它遇到一个触发器，表明你可能需要帮助。有几种类型的触发器：

• 访问特定网站。
• 访问某种类型的网站（例如新闻、购物等）。
• 访问包含某种类型信息的网站（例如地址、视频等）。
• 在网页上点击链接或按钮。
• 通过按按钮与 Scout 交互。
• Scout 检索某些类型的媒体，例如视频、音乐、推文等。

我们计划允许用户微调他们希望 Scout 响应的触发器类型，并最终自动学习他们的偏好。

您能讨论一下确保 Scout 在决定与用户交互时真正有帮助而不令人烦躁的困难吗？

我们非常重视用户参与度，并尝试衡量交互是否导致了积极或消极的结果。我们尝试保持 Scout 尝试启动对话的频率和被使用的频率之间的良好比例。然而，这是一个很难把握的平衡，我们总是试图改进。

由于该产品的侵入性，界面和用户体验的设计至关重要。我们花了很多时间尝试完全不同的界面和用户交互方法。这些工作使我们得到了目前的聊天机器人界面，我们发现它在帮助我们提供的帮助方面给了我们最大的灵活性，结合了用户的熟悉度和最小的用户交互努力。

Scout 还可以通过其他什么方式帮助最终用户？

我们目前专注于市场测试 Scout 的特定应用。购物和活动规划已经被提及，但我们也在探索 Scout 如何帮助学者（找到研究论文、作者详细信息和引用网络），甚至吉他手（找到吉他谱、音乐和视频，帮助调音吉他）。我们还花了一些时间探索专业场景，例如在线招聘、财务分析和法律。

最终，Scout 可能能够在任何网站上工作，并在任何场景中提供帮助，这使得该技术非常令人兴奋，但也使其难以开始。

您还想分享关于 Scout 的其他信息吗？

如果您想了解浏览器如何与您交谈，可以在 Scout 的博客上阅读更多信息。

感谢您对设计一种聊天机器人类型的精彩见解。我们很高兴能够跟进这个项目。请访问 Marc Sloan 的网站以了解更多信息。