马克·斯隆，Scout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，是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的？

我第一次接触人工智能是在攻读学士学位期间，在GCHQ的自然语言处理研究团队中度过的间隔年。我亲眼见到了机器学习对现实世界问题的影响和它带来的不同。

这在我的脑海中触发了一个开关，关于如何使用计算机解决问题：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处理数据并描述你想要产生的结果，从而创建一个程序。意味着你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，这比写一个程序来解决每个问题更有影响力。

我当时正在学习数学中的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，并在申请UCL信息检索博士学位之前完成了语音处理的论文。

您在David Silver的指导下研究了网络搜索中的强化学习。您可以讨论一些研究内容吗？

我的博士学位的主题是将强化学习应用于信息检索中的学习排序问题，这是一个我帮助创造的领域，称为动态信息检索。我由Jun Wang教授和David Silver教授指导，他们都是基于代理的强化学习的专家。

我们的研究探讨了搜索引擎如何从用户行为中学习，以便随着时间的推移自主地改进搜索结果。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以确定它们是否有效。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正深入研究围棋问题，他帮助我确定了这个特定问题的强化学习设置的状态和价值函数。

您从与David Silver合作中学到了哪些创业经验？

UCL的研究往往具有创业性质。David此前曾与Demis Hassabis联合创立Elixir Studios，然后加入DeepMind从事Alpha Go项目。我们媒体未来研究小组的其他成员也创立了多家初创公司：Jun创立了Mediagamma(将RL应用于在线广告支出)，Simon Chan创立了prediction.io(被SalesForce收购)，Jagadeesh Gorla创立了Jaggu（电子商务推荐服务）。我们的团队经常讨论我们的研究可能带来的商业影响，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。是什么启发您推出Scout的？

这个想法自然地从我的博士研究中演变而来。我完成博士学位后直接加入了Entrepreneur First，在那里我开始思考如何将我的研究成果转化为产品。

在此之前，我在微软研究院完成了一个实习，在那里我将我的研究应用于Bing。在那时，我从研究中学到的主要内容是，信息查找可以基于在线用户行为来预测。但是我对仅能通过改进自动建议来在搜索引擎中显示这些预测感到沮丧。所以我开始思考如何使用这些预测来改善用户的整个在线体验，而不仅仅是搜索体验。

这种思考方式让我和我的新联合创始人在Entrepreneur First上创建了一个浏览器插件，观察用户行为，预测用户可能需要的信息，并为他们检索信息。经过几年的实验和原型开发，这最终演变成一个聊天机器人界面，浏览器通过聊天与您讨论您在线的活动，并尝试帮助您。

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，但我们在Firefox和Safari上也有工作原型，甚至还有一个移动应用程序。

Scout的购物助手功能听起来可以让用户节省时间和金钱。假设有人正在Amazon上研究一个产品，Scout的后端会发生什么，并且Scout如何与用户交互？

这个想法是，一旦您安装了Scout，您就可以像往常一样使用网络。当您购物时，您可能会访问Amazon查看产品。在这一点上，Scout会识别出您正在Amazon上购物，以及您正在查看的产品，并会说“您好”。它会作为一个聊天小部件出现在网页上，类似于Intercom的工作方式，除了Scout可以出现在任何网页上。您可以在我的网站上看到它的样子。

因为您正在购物，Scout会开始建议它可以帮助您的方式。它会问您是否要查看在线评论、其他价格、产品的YouTube视频等。您可以通过按按钮与Scout交互，聊天机器人会根据您想要它做什么来量身定制体验。每当Scout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上与您分享媒体一样。随着时间的推移，您最终会与浏览器就您在线的活动进行对话，浏览器会在此过程中帮助您。

网页处理发生在浏览器本身内。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用户对话。我们使用机器学习来识别我们可以在线上帮助的任务以及我们应该如何提供帮助。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。然而，我从经营人工智能初创公司中学到的最重要的经验之一是保持流程的简单性，并尝试只使用机器学习来优化现有的流程。因此，我们现在有一个复杂的规则引擎，用于随着时间的推移处理任务，可以通过强化学习来管理，一旦我们需要扩展。

Scout如何帮助活动规划？

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、阅读评论并提交购买/参加请求。

最大的区别在于，时间和位置现在很重要。例如，如果您在Ticketmaster上查看演唱会门票，Scout可以识别场馆的地址，并建议为您找到到达场馆的方向，或者找到Uber的价格，或者建议您什么时候离开。如果您将Scout连接到您的日历，那么Scout可以检查您是否在活动时间有空，并将其添加到您的日历中。

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。

对话触发器将用于Scout启动通信。一些触发器的例子是什么？

默认情况下，Scout不会打扰您，除非它遇到一个触发器，表明您可能需要帮助。有几种类型的触发器：

• 访问特定的网站。
• 访问特定类型的网站（例如新闻、购物等）。
• 访问包含特定类型信息的网站（例如地址、视频等）。
• 单击网页上的链接或按钮。
• 通过单击按钮与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Scout决定在不打扰用户的情况下与用户交互的真正有用的困难吗？

我们非常重视用户参与，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使用Scout的频率之间的良好比例。然而，找到这个平衡是很困难的，我们总是尝试改进。

由于该产品的侵入性质，获得正确的界面和用户体验至关重要。我们花了很多时间尝试完全不同的界面和用户交互方法。这项工作使我们得到了当前的聊天机器人式界面，我们发现它在提供帮助方面提供了最大的灵活性，并且具有用户熟悉性和最小的用户交互努力。

您能提供Scout可以帮助最终用户的其他场景吗？

我们目前的重点是市场测试Scout的特定应用。购物和活动规划已经被提及，但我们也正在探索Scout如何帮助学者（找到研究论文、作者详细信息和参考网络），甚至吉他手（找到吉他乐谱、在线播放音乐和视频以及帮助调音吉他）。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可以在任何网站上工作，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。

您是否还有其他关于Scout的信息想要分享？

如果您想了解浏览器可以与您交谈的样子，可以在Scout的博客上阅读更多信息。

感谢您对设计统一类型聊天机器人的迷人见解。我们很高兴地关注这个项目。请访问马克·斯隆的网站以了解更多信息。