从发展历史看，为何聊天机器人会变得如此火

目前，聊天机器人是科技领域的一个热门话题。它刚好处于我们沟通交流方式转折的中心地带，在微软和 Facebook 这样的主流科技公司中，它也是策略与方向的中心。微软的 CEO Satya Nadella 说：“聊天机器人就是我们的 APP。”

为什么聊天机器人这么受欢迎？

聊天机器人变得十分受欢迎，部分原因在于人工智能的复兴以及它在工业领域的应用，但也有部分原因在于我们不知满足的对按需服务的渴望，还有我们从邮件、电话转向短消息应用的习惯。一个最近的研究显示，在客户关系方面，美国消费者中 44％的人倾向于使用聊天机器人而不是人类客服，61％的被试说，他们至少每个月和聊天机器人对话一次。这是因为聊天机器人符合当下的消费者需求，它们能不分昼夜地立刻回复消费者的问题。

大品牌和科技公司已经认识到这个消费者需求方面的转变，他们现在依靠这些机器收发员和智能助手为消费者提供更好的体验。尤其是从去年 Facebook 开始向第三方机器人开放它的 Messenger 平台后，情况更是如此。

所以，随着智能助手和聊天机器人大规模的增长，与流行的信仰和媒体炒作的虚假繁荣不同，智能助手和聊天机器人的确变得没什么新奇的了。我们已经在自然语言处理社区拥有这些技术 50 多年了，智能助手和聊天机器人是自然语言处理核心使命的绝好实例，也就是说，我们给计算机编程，让它能理解人类如何沟通交流。

在这篇文章里，我们要展示三种不同的聊天机器人，让你和它们互动，并理解它们如何进步。我将给出关于每个聊天机器人工作原理的一些技术性说明，以便你了解自然语言处理如何工作。

聊天机器人

我们在这篇文章里讨论三种聊天机器人：

1. ELIZA，它诞生于 1966 年，它是自然语言处理社区中最早的已知的聊天机器人；

2. ALICE，它诞生于 20 世纪 90 年代末，正是它启发了电影《她》（Her）；

3. Neuralconvo，它是诞生于 2016 年的深度学习聊天机器人，它能从电影脚本中学习如何讲话。

要知道，我们这里提到的三种机器人都是用来“聊天”的机器人，而不是“面向任务的”机器人。面向任务的机器人是为特定用途而创造的，比如检查某个物品是否有库存，或者订购披萨等。而聊天机器人的功能就只是模拟一个真人，让你能和它聊天。通过了解这些聊天机器人的进步，你将会看到自然语言处理社区是如何使用不同的方法，来复制人类沟通交流的。

ELIZA，一个心理治疗机器人

ELIZA 的第一个版本是在 1996 年由约瑟夫·魏泽鲍姆（Joseph Weizenbaum）完成的，他是麻省理工学院的教授，一个聪明的怪人，同时也被视为人工智能的创立者之一。ELIZA 模仿的是一个心理治疗师，魏泽鲍姆的同事们都信任它，并愿意向它透露非常个人化的信息，即使他们知道这是一个计算机程序。魏泽鲍姆震惊于他的同事们，因为他们如此相信 ELIZA 能帮助他们，即使知道它是计算机程序也相信，所以魏泽鲍姆在他的余生中一直倡导人工智能的社会责任。

但是 ELIZA 能模拟心理治疗师，是因为它非常聪明地用问句重复了你的话，并回复给你，就像是真正的心理治疗师会做的那样。这个聪明的策略意味着，ELIZA 能回答一个它并不理解的问题，回答的方式就是用一个相对简单的方法改写用户的输入，让它变成一个问句，这样用户就能继续保持在对话中了。

像所有的算法一样，聊天机器人需要规则来告诉它如何把一条输入改写成一条输出。对一个聊天机器人来说，输入就是你提供的文本，输出就是它返回给你作为回答的文本。仔细看看 ELIZA 给你的回答，你可以看出两个粗略的规则：

• 在句法层面上，它会转换人称代词（将“我的”变成“你的”，反之亦然）；
• 要模仿语义上的理解，比如它假装了解你输入的句子的意思，它就要被编程为能识别出某些特定的关键词，并且回复出之前被设定好的合适的句子。举个例子，如果你输入了“我想要……”，它就会回答“如果你……那对你来说意味着什么呢？”

你可以去试试并找出 ELIZA 的局限，问它问题，并思考为什么它做出那些回答。记住：它可是 20 世纪 60 年代的产物，那时候消费者技术的顶峰就是彩色电视机而已。

这是一个完全依靠自然语言处理来建构聊天机器人的路径：机器人通过上面所说的那些规则来理解人类语言，也就是将语法规则编进计算机里。这种方法让人印象深刻，但如果你想通过自然语言处理的方法让 ELIZA 更像人类，你就必须要添加更多的语法规则，但语法是复杂且自相矛盾的，你很快会发现这样行不通。这种方法和机器学习的路径形成了鲜明对照，在用机器学习构建聊天机器人的路径中，算法将会基于它在其他对话中得出的观察结果，来猜测正确的回答。你将会在最后的聊天机器人 Neuralconvo 中看到这一点，但是首先，我们先来看看 ALICE。

ALICE，电影《她》中的明星

从 20 世纪 60 年代快进到 90 年代，你就遇到了 ALICE，第一个人们熟知的能在线交流的聊天机器人。导演斯派克·琼斯（Spike Jonze）说他在 21 世纪初得知了 ALICE 并与它聊天，这第一次让他产生了 2013 年电影《她》中的想法，这是一部讲述人和人工智能坠入爱河的故事，这个人工智能就是他的操作系统。

但就像 ELIZA 一样，ALICE 也是一个根据规则建构起来的计算机程序，接收输入并产出输出。事实上，ALICE 在以下三个方面优于 ELIZA：

• 它以一种被称为人工智能标记语言（AIML）的编程语言编写，这种语言类似于 XML，它允许 ALICE 在更为抽象的层面上做出回应；
• 它拥有成千上万种可能的回应；
• 它会存储之前与用户的对话，并将对话存储在数据库中。

ALICE 是一个开源的机器人，任何人都可以下载并修改或改进它。它最初由理查德·华莱士（Richard Wallace）写成，随后有 500 多名志愿者为这个机器人做出了贡献，他们为 ALICE 创造出了 10 万多条 AIML，让它在对话中重现。

所以，和 ELIZA 相比，ALICE 的进步让它能有更多的回应方式来适应用户输入的文本，这使得 ALICE 能够模仿一个普通人，而不是专门模仿心理治疗师。问题在于，它的缺点现在更为明显了，它没有开放式的陈述和问题，对你的输入缺少回应。

所以，虽然 ALICE 和 ELIZA 相比更为先进，但它的输出依然是由人写成的，算法只是来挑选什么样的输出更适合某一输入。从根本上说，人们写出了回答，也写出了用来挑选什么回答合适的算法，这都是为了模仿一场真是的对话。

改进聊天机器人的表现和智能是一个很流行的研究领域，目前，很多改进聊天机器人的兴趣点都围绕在深度学习方面。把深度学习应用到聊天机器人上，似乎可以大规模提升机器人更像人类地和人互动的能力。ELIZA 和 ALICE 重新组织的文本都是由人类写出的，而一个深度学习机器人，在分析人类言语的基础上，能够从无到有地创造它自己的文本。

Neuralconvo，一个深度学习机器人

Neuralconvo 是在 2016 年由 Julien Chaumond 和 Clément Delangue 使用深度学习训练创造出来的现代聊天机器人，他们二人还是 Huggingface 的联合创始人。深度学习是一种训练计算机学习数据中模型的方法，它使用的是深度神经网络。深度学习在计算机科学方面取得了巨大突破，特别是在人工智能和自然语言处理方面。把深度学习应用到聊天机器人中，它就能让程序去挑选回应，甚至让程序生成全新的文本。

Neuralconvo 能自己生成文本是因为它通过读取上千部电影脚本来“学习”，并识别出文本中的模型。当 Neuralconvo 读一个句子的时候，它能识别出你语句中的模型，然后到它受训练的语句中寻找类似的模型，然后生成一句新的句子返回给你，它认为，如果这个句子在某电影脚本中是某段谈话的一部分，那这个句子也就可以接上你说的话。基本上来说，它就是以它看过的电影为基础，尽量表现得很酷。

ELIZA 和 Neuralconvo 之间最根本的区别就是：ELIZA 是被编程来用特定的回答回复你输入文本中特定的关键词的，而 Neuralconvo 则是在它看过的电影脚本的基础上进行可能性的猜测。所以，没有任何规则让 Neuralconvo 对某一问题给出特定的回答，它的回答是充满无限可能性的。鉴于 Neuralconvo 是通过电影脚本接受训练的，所以它的回复也是相当戏剧性的。

这背后发生作用的具体模型是基于序列到序列的架构，这种架构最先被应用于生成 Quoc Viet Le 和 Oriol Vinyals 的对话。这种架构由两部分组成：第一部分将你的句子编码成一个向量，它基本上就是文本的代码；当所有输入的文本都被这样编码之后，第二部分就会解码这个向量，并通过预测最有可能再次出现的单词逐字逐句地生产出回答。

Neuralconvo 并非要愚弄你，让你在任何时候都认为它是一个人类，因为它只是一个在电影脚本中受训的演示机器人。但你想象一下，如果它能够使用特定上下文的数据来接受训练，比如你自己的短信或者 WhatsApp 短消息，这样一个机器人将会是多么高效啊！这就是聊天机器人的前景，但你要记住，它们仍然是将文本视为输入，使用规则，再将不同的文本作为输出返回给你的算法。

这就是我们从 20 世纪 60 年代至今的聊天机器人之旅。

查看英文原文： An Interactive History of Chatbots

感谢杜小芳对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。