最全回顾！ChatGPT的前世今生

SDI数字创新，专注Metaverse前沿洞察和专业服务。

要点

在不到 2 个月的时间里，人工智能 (AI) 程序 ChatGPT 已经成为一种现象级的轰动。ChatGPT（生成式预训练转换器）是使用一种称为从人类反馈中强化学习的技术开发的，用于训练语言模型，使其具有很强的对话性，本质上是聊天机器人的升级版本。

人工智能 (Al) 越来越多地将我们的日常生活与智能软件和硬件（或称为智能代理）的创建和分析相结合。智能代理可以完成最全回顾！ChatGPT的前世今生从简单劳动工作到复杂操作的各种任务。聊天机器人是 AI 系统的典型示例，也是智能人机交互 (HCI) 最基本和最广泛的示例之一。它是一种计算机程序，在通过文本或语音进行对话时会像智能实体一样做出响应，并通过自然语言处理 (NLP) 理解一种或多种人类语言。

Alan Turing 于 1950 年提出了图灵测试（“机器能思考吗？”），聊天机器人的想法正是在那个时候得到普及。第一个已知的聊天机器人是 1966 年开发的 Eliza，其目的是充当心理治疗师，以问题形式返回用户的话语。它使用简单的模式匹配和基于模板的响应机制。对 ELIZA 的改进是 1972 年开发的聊天机器人，其个性名为 PARRY。1995 年开发的聊天机器人 ALICE 在 2000 年、2001 年和 2004 年获得了年度图灵测试 Loebner 奖，是第一台获得“最人性化计算机”称号的计算机。ALICE 依赖于基于人工智能标记语言 (AIML) 的底层智能的简单模式匹配算法，这使得开发人员可以定义聊天机器人知识的构建块 。聊天机器人，如 2001 年的 SmarterChild，已开发并可通过信使应用程序使用。下一步发展则是创建虚拟个人助理，如苹果 Siri、微软 Cortana、亚马逊 Alexa、谷歌助手和 IBM 沃森。根据 Scopus所示，人们对聊天机器人的兴趣尤其是在 2016 年之后迅速增长，许多聊天机器人是为工业解决方案而开发的。

用户为什么使用聊天机器人？聊天机器人似乎有望为用户提供快速便捷的支持，专门回答他们的问题。聊天机器人用户最常见的动机被认为是生产力，而其他动机是娱乐、社交因素和接触新奇事物。客户服务成本的降低和一次处理许多用户的能力是聊天机器人在商业团体中变得如此流行的部分原因。

现有聊天机器人相关底层技术框架：

模式匹配是基于代表性的刺激-响应模块。输入一个句子（刺激），并创建与用户输入一致的输出（响应）。Eliza 和 ALICE 是第一批使用模式识别算法开发的聊天机器人。这种方法的缺点是响应是完全可预测的、重复的并且缺乏人性化。此外，没有存储过去的响应，这可能导致循环对话。

人工智能标记语言 (AIML)创建于 1995 年至 2000 年，它基于模式识别或模式匹配技术的概念。它适用于遵循刺激-响应方法的人与聊天机器人之间对话的自然语言建模。它是一种基于 XML 的标记语言。

潜在语义分析 (LSA)可以与 AIML 一起用于聊天机器人的开发。它用于发现单词之间的相似性作为向量表示。问候语和一般问题等基于模板的问题可以使用 AIML 来回答，而其他未回答的问题则使用 LSA 来回答。

Chatscript是 AIML 语言的继承者，是一个专家系统，由开源脚本语言和运行它的引擎组成。它由与主题关联的规则组成，找到与用户查询字符串匹配的最佳项目并在该主题中执行规则。

RiveScript是一种纯文本、基于行的脚本语言，用于开发聊天机器人和其他对话实体。它是开源的，具有适用于 Go、Java、JavaScript、Perl 和 Python的可用接口。

自然语言处理 (NLP) 是人工智能的一个领域，探索计算机对自然语言文本或语音的处理。大多数 NLP 技术都基于机器学习。

自然语言理解 (NLU)是任何 NLP 任务的核心。它是一种实现自然用户界面（例如聊天机器人）的技术。NLU 旨在从自然语言用户输入中提取上下文和含义，这些输入可能是非结构化的，并根据用户意图做出适当的响应。

当前的5种聊天机器人：

基于知识领域的分类考虑了聊天机器人可以访问的知识或训练它的数据量。开放域聊天机器人可以谈论一般话题并做出适当回应，而封闭域聊天机器人则专注于特定知识领域，可能无法回答其他问题。

基于所提供服务的分类考虑了聊天机器人与用户的情感接近度、发生的亲密互动的数量，并且还取决于聊天机器人正在执行的任务。人际聊天机器人位于通信领域，提供餐厅预订、航班预订和常见问题解答机器人等服务。内省聊天机器人存在于用户的个人领域内，例如 Messenger、Slack 和 WhatsApp 等聊天应用程序。他们是用户的伙伴，像人一样理解用户。

基于目标的分类考虑了聊天机器人旨在实现的主要目标。信息聊天机器人旨在为用户提供预先存储的信息或可从固定来源获得的信息，例如 FAQ 聊天机器人。基于聊天/会话的聊天机器人与用户交谈，就像另一个人一样，他们的目标是正确回应他们给出的句子。基于任务的聊天机器人执行特定任务，例如预订航班或帮助某人。这些聊天机器人在询问信息和理解用户输入的上下文中是智能的。餐厅预订机器人和FAQ 聊天机器人是基于任务的聊天机器人的示例。

基于规则的模型聊天机器人是大多数第一批聊天机器人构建的架构类型，就像许多在线聊天机器人一样。他们根据一组固定的预定义规则选择系统响应，基于识别输入文本的词汇形式而不创建任何新的文本答案。

与基于规则的模型略有不同的是基于检索的模型，它在使用 API 查询和分析可用资源时提供了更大的灵活性。基于检索的聊天机器人在将匹配方法应用于响应选择之前，会从索引中检索一些候选响应。

聊天机器人并不完全属于某一类别，而是这些类别以不同的比例存在于每个聊天机器人中。

  SDI近期直播，敬请关注！