聊天机器人

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

来源:维基百科
简介

对话机器人是指能够使用自然语言进行智能对话的软件系统。通常运行在特定的软件平台上,如PC平台或者移动终端设备平台,而类人的硬件机械体则不是必需的承载设备。如微信中的“小黄鸡”和微软的“小冰”,都是聊天机器人的代表

构建对话机器人根据技术方案可以分为以下三类:

  1. 基于规则的对话机器人:实现算法上包括字符匹配查找,正则表达式等。
  2. 基于检索的对话机器人:
  3. 基于生成模型的对话机器人:包括基于循环神经网络的对话机器人和基于seq2seq的对话机器人等。[描述来源:喻俨,莫瑜.深度学习原理与Tensorflow实践(M)]

从应用场景的角度来看,可以分为在线客服、娱乐、教育、个人助理和智能问答五个种类。其中,小黄鸡和小冰都可以归为娱乐类,Siri属于个人助理类。

[描述来源:张伟男,刘挺.聊天机器人技术的研究进展[J]中国人工智能学会通讯:2016.6.1(17-21),URL:http://www.yunzhan365.com/70717679.html]

2.发展历史

描述

聊天机器人的发展历史可以总结如下:

1996年,第一个聊天机器人:Eliza被发明出来,在这之后的近20年里,提出了几种不同的聊天机器人,如A.L.I.C.E,而2010年提出的Siri成为了家喻户晓的聊天机器人。随后,2012年,google提出了Google Now;2015年,Alexa cortana也被提出。2016年提出了Allo Tay。在此之后,更多的聊天机器人被提出并应用到生活的各个领域。

[图片来源:机器之心,URL:https://www.jiqizhixin.com/articles/2017-08-29]

主要事件

A

B

C

1

年份

事件

相关论文/Reference

2

1950

图灵在《Mind》上发表的文章,提出“机器能思考吗”的问题,并提出能够通过图灵测试是人工智能的终极目标,这被视为是聊天机器人的开端

Machinery C. Computing machinery and intelligence-AM Turing[J]. Mind, 1950, 59(236): 433.

3

1966

麻省理工学院(MIT)的约瑟夫·魏泽鲍姆(Joseph Weizenbaum)开发了第一个对话机器人ELIZA,用于在临床治疗中模仿心理医生

Weizenbaum J. ELIZA—a computer program for the study of natural language communication between man and machine[J]. Communications of the ACM, 1966, 9(1): 36-45.

4

1988

Robert Wilensky等人开发了名为UNIX Consultant的聊天机器人系统

Wilensky R, Chin D N, Luria M, et al. The Berkeley UNIX consultant project[J]. Computational Linguistics, 1988, 14(4): 35-84.

5

1990

Hugh G. Loebner设立了人工智能年度比赛Loebner Prize,旨在推动聊天机器人系统的发展

http://www.loebner.net/Prizef/loebner-prize.html

6

1995

ALICE(Artificial Linguistic Internet Computer Entity)聊天机器人被开发并多次问鼎Loebner Prize

http://www.alicebot.org/

7

2001-2012

Smarterchild, Siri, Watson, Google Now被陆续提出

(1)Cunningham I, Pache S L, White C. Customer service messaging, such as on mobile devices: U.S. Patent 7,356,345[P]. 2008-4-8.(2) Zhuang X, Ghoshal A, Rosti A V, et al. Improving DNN Bluetooth Narrowband Acoustic Models by Cross-bandwidth and Cross-lingual Initialization[J]. Proc. Interspeech 2017, 2017: 2148-2152.(3)

8

2014

华为研发工程师发表论文提出了一种3级结构的短消息对话系统

Ji Z, Lu Z, Li H. An information retrieval approach to short text conversation[J]. arXiv preprint arXiv:1408.6988, 2014.

发展分析

瓶颈

当前,聊天机器人的研究存在的挑战包括:对话上下文建模、对话过程中的知识表示、对话策略学习、聊天机器人智能程度的评价等。

  1. 对话上下文建模:聊天是一个有特定背景的连续交互过程,在这一过程中经常出现上下文省略和指代的情况。一句话的意义有时要结合对话上下文或者相关的背景才能确定,而现有的自然语言理解主要基于上下文无关假设,因此对话上下文的建模成为聊天机器人系统的主要挑战之一。
  2. 对话过程中的知识表示:知识表示一直就是人工智能领域的重要课题,也是聊天机器人提供信息服务的基础。聊天机器人相关的领域任务可能有复杂的组成,牵涉很多的因素,只有了解这些因素的关系和相关的含义,才能与用户做到真正意义上的交流。
  3. 对话策略学习:对话策略涉及很多方面,其中最主要的是对话的主导方式。对话主导方式可以分为用户主导、系统主导和混合主导三种方式。在当前的对话管理研究中,系统应答的目标是自然、友好、积极,在不会发生问题的情况下,让用户尽可能自主,实现对话的混合主导。

[描述来源:张伟男,刘挺.聊天机器人技术的研究进展[J]中国人工智能学会通讯:2016.6.1(17-21)]

未来发展方向

未来的发展方向可以总结为以下三点:

  1. 端到端:得益于深度学习技术的发展,已有学者开始着手研究端对端的对话系统[14],即利用统一的模型代替序列化地执行自然语言理解、对话管理和自然语言生成的步骤,从用户的原始输入直接生成系统回复。
  2. 从特定域到开放域:随着大数据时代的到来,一方面,使得开放域的聊天机器人系统得以获取丰富的对话数据用于训练,另一方面,在大数据上可以自动聚类或抽取对话行为等信息,避免繁杂的人工定义。
  3. 更加关注“情商”:如果说传统的聊天机器人关注的是“智商”,即聊天机器人的信息和知识获取能力的话,那么今后的聊天机器人研究则更加注重“情商”,即聊天机器人的个性化情感抚慰、心理疏导和精神陪护等能力。

[描述来源:张伟男,刘挺. 聊天机器人技术的研究进展[J]中国人工智能学会通讯:2016.6.1(17-21)]

Contributor: Yilin Pan

相关人物
James Allen
James Allen
Alex Attinger
Alex Attinger
约瑟夫·魏泽鲍姆
约瑟夫·魏泽鲍姆
艾伦图灵
艾伦图灵
英国数学家、逻辑学家,被称为计算机之父,人工智能之父。图灵对于人工智能的发展有诸多贡献,提出了一种用于判定机器是否具有智能的试验方法,即图灵试验。1931年图灵进入剑桥大学国王学院,毕业后到美国普林斯顿大学攻读博士学位。
简介
相关人物