人工智慧標記語言AIML聊天機器人:產生、業界、種類、應用、實例、知識、公司和AIML概述(20k字經典收藏版)

聊天機器人（chatterbot）是一個用來模擬人類對話或聊天的程序，試圖建立程序讓真人認為在和另一個人聊天。在NLP/AIML技術加多樣性語庫支撐下，採用免費人工語言在線計算機實體ALICE人工智慧標記語言（ALICE AIML）類知識庫（knowledge base），可以實現功能複雜的聊天機器人。

目錄

一、聊天機器人(chatbots)的產生、盛行、中文版

二、聊天機器人產業界現狀

三、聊天機器人種類及應用場景簡介

四、聊天機器人相關疑問與常見實例

五、人工智慧標記語言(AIML)基本知識、知識庫、應用公司列表

六、人工智慧標記語言(AIML)概述（Dr.理察S.華勒斯Richard S. Wallace）

 

 

聊天機器人（chatterbot）是一個用來模擬人類對話或聊天的程序，試圖建立程序讓真人認為在和另一個人聊天。世界上最早的聊天機器人（chatbots）名為「阿爾貝特」，誕生於20世紀80年代，用BASIC語言編寫而成。「Eliza」和「Parry」是早期非常著名的聊天機器人。它試圖建立這樣的程序：至少暫時性地讓一個真正的人類認為他們正在和另一個人聊天。今天的網際網路上，已出現「比利」、「艾麗斯」等聊天機器人等，中文的如「白絲魔理沙」、「烏賊娘」等由網友製作的聊天機器人。據悉，還有一個「約翰·列儂人工智慧計劃」，以再現當年「披頭四」樂隊主唱的風採為目標。

Chatterbots已應用於在線互動遊戲Tinymuds。一個單獨的玩家可以在等待其他「真實」的玩家時與一個chatterbot進行互動。目前至少有一個公司正在製造一種產品，這種產品讓你建立一個chatterbot以便用來掌握相關市場或關於你網站的其它問題。不難想像兩個chatterbots互相交談甚至互相交換關於自身的信息，如此一來，他們的對話將會變得更為複雜。（看看人工智慧就會知道這個想法如果實現了會引起怎樣的驚慌）。當然，他們可以使用更多普通的聊天縮略詞。[1]

賽科智慧機器人提供技術支持的小黃雞微信版機器人，國內多家微信營銷公司使用。我們也可開發一個聊天機器人呢？需要大家對NLP/AIML技術相當熟練，且還要有自己的多樣性語庫。通行的做法是採用免費人工語言在線計算機實體ALICE人工智慧標記語言（ALICE AIML）類知識庫（knowledge base）實現聊天機器人功能。

 

 

一、聊天機器人(chatbots)的產生、盛行、中文版

世界上最早的聊天機器人（chatbots）名為「阿爾貝特」，誕生於20世紀80年代，用BASIC語言編寫而成。今天的網際網路上，已出現「比利」、「艾麗斯」等聊天機器人等，中文的如「白絲魔理沙」、「烏賊娘」等由網友製作的聊天機器人。據悉，還有一個「約翰·列儂人工智慧計劃」，以再現當年「披頭四」樂隊主唱的風採為目標。

1、產生

1950年，圖靈在哲學刊物《思維》（Mind）上發表了「計算機器與智能」的文章，提出了後來經典的圖靈測試——交談能檢驗智能，如果一臺計算機能像人一樣對話，它就能像人一樣思考。他由此獲稱「人工智慧之父」。

1991年，美國科學家兼慈善家休·勒布納設立人工智慧年度比賽——勒布納獎，號稱是對圖靈測試的第一種實踐，旨在獎勵最擅長模仿人類真實對話場景的機器人。

比賽分為金、銀、銅三等獎。如果程序不僅能以文本方式通過交談測試，在音頻和視頻測試中也能過關，則獲金獎，贏得10萬美元和一枚18K黃金制金牌；如果它能在更長時間文本談話中迷惑住至少半數裁判，則獲銀獎；如果未達到以上標準，則每年測試中迷惑住最多裁判的程序贏得2000美元和一枚銅牌。從1991年首屆比賽至今，尚無程序達到金獎或者銀獎標準。

2008年，勒布納獎人工智慧獎最後一輪比賽10月12日在英國雷丁大學展開。艾爾博特等6種軟體程序擊敗另外7種程序，獲決賽資格。艾爾博特與12個陌生人交談，力圖讓他們相信它是「人」。一番爭論、笑聲過後，這一電腦程式成功騙過3人，在今年人工智慧比賽中拔得頭籌，朝「成為史上第一臺能思考的機器」目標更近一步。[2]

2、盛行緣由

聊天機器人研發者把自己感興趣的回答放到資料庫中，當一個問題被拋給聊天機器人時，它通過算法，從資料庫中找到最貼切的答案，回復給它的聊伴。聊天機器人的成功之處在於，研發者將大量網絡流行的俏皮語言加入詞庫，當你發送的詞組和句子被詞庫識別後，程序將通過算法把預先設定好的回答回復給你。而詞庫的豐富程度、回復的速度，是一個聊天機器人能不能得到大眾喜歡的重要因素。千篇一律的回答不能得到大眾青睞，中規中矩的話語也不會引起人們共鳴。此外，只要程序啟動，聊士們24小時在線隨叫隨到，堪稱貼心之至。[2] 

3、中文聊天機器人技術的發展

基於中文聊天的機器人技術也日趨成熟，國內已經出現了不少智能聊天機器人，比如贏思軟體的小i，愛博的小A、小強和愛情玩偶等等。這些機器人也已經日益成為網民上網的好夥伴。贏思軟體推出的小i還有很多豐富的功能，比如msn群，讓辦公室白領能夠更加輕鬆的交流。

另外，聊天機器人也被應用到了商務和政務領域，很多網站上已經有了msn機器人或者web機器人，讓互動交流變得更加方便和人性化。現在還推出了可以教學和記憶的：「愛情玩偶」還可以創建自己的機器人。後文詳述如何編程實現一個聊天機器人的基礎知識。

 

 

二、聊天機器人產業界現狀：App經濟、

1、基於文本聊天機器人之App經濟

導語：英國《經濟學人》雜誌近日撰文稱，隨著App市場走向成熟，基於文本的聊天機器人有望繼承App經濟的衣缽，成為新時代的科技增長點。新浪公司版權所有(鼎宏)標籤:人工智慧。以下為文章全文：

「如果你是開發者，剛剛花了兩個星期寫了一個了不起的App。你的夢想是什麼？肯定是把它展示給每一個iPhone用戶。」這是時任蘋果公司CEO史蒂夫·賈伯斯(Steve Jobs)八年前推出在線智慧型手機應用商店時發表的一番評論。起初沒有多少人留意這番表態，但它卻成為了有史以來增長最快的軟體商店之一。自那以後，App Store累計App下載量超過1000億次，為開發者創收400億美元，還通過訂閱和其他模式為他們帶來了數十億美元收入。

4月12日在舊金山舉行的一次會議上，Facebook CEO馬克·扎克伯格(Mark Zuckerberg)也有望發表類似的言論。他很可能會針對「聊天機器人」推出在線商店和各種編程工具。藉助這些基於文本的服務，用戶只需要發一條短消息即可查看新聞、組織會議、訂餐或預訂機票。機器人通常使用人工智慧技術開發，但有時候也要依靠人工輔助。科技行業的很多人都希望Facebook的這次活動能夠開啟又一個增速迅猛、體量巨大的軟體經濟。那麼，機器人是否會像App一樣，成為新時代的增長點呢？

由於智慧型手機軟體恰好處於變革階段，所以時機似乎非常合適。下載量雖然仍在增加，但App經濟已經表現出成熟的跡象。諮詢公司Activate表示：「獨立開發者依託應用商店創造一家企業的夢想已經破滅。」最成功的20家開發商攫取了蘋果App Store近半的收入。開發和推廣App的成本越來越高。與此同時，用戶的熱情卻在降低，原因是下載App以及在不同App之間切換變得非常困難。所有下載的App中，約有四分之一只用過一次就遭拋棄。

只有即時通訊App實現了逆勢增長。Activate表示，全球有超過25億人至少使用了一款聊天App。幾年之內，這個數字將達到36億，約佔地球人口總數的一半。作為該市場的兩大領頭羊，Facebook Messenger及同屬於Facebook旗下的WhatsApp月活躍用戶均已接近10億。很多青少年現在通過智慧型手機發送即時通訊消息的時間已經超過了社交網絡。WhatsApp用戶人均每周使用這項服務近200分鐘。

跟機器人聊天

隨著基於人工智慧的服務逐步改善，它們也需要一種與真人溝通的方式。聊天機器人便是這樣一種選擇。在3月30日的發布會上，微軟展示了多款原型產品。然而，要讓所有人都信任這樣的服務恐怕尚需時日。幾天前，微軟設計了一款模仿千禧一代的機器人Tay，但它卻很快從一些Twitter用戶和其他聊天服務那裡學會了髒話。Tay不得不重新回爐改造。

在這些進展的共同推動下，一套全新的軟體生態系統正在逐步成型。自從網際網路發展初期，基於文本的服務便已經出現，但機器人經濟的誕生只能追溯到去年6月。彼時，擁有1億多用戶的俄羅斯聊天應用Telegram啟動了一個機器人項目，並推出了一個「機器人商店」。這個商店目前已經有數千個機器人，包括來自媒體機構的新聞提醒，以及與足球比賽或色情網站相關的內容更新。

與之相關的創業公司也達到數十家，有的提供工具(Chatfuel是一款基於網絡的服務，可以讓用戶幫助Telegram開發機器人)，還有的提供專門的服務(Digit允許用戶與自己的銀行帳戶互動，可以從中找到存錢方式；Pana則是一家在線旅行社，可以將用戶發送的文本信息轉化成訂單)。MeKan則為熱門企業消息服務Slack(估值已接近40億美元)的用戶組織會議。

還有一些公司希望成為其他服務賴以生存的基礎。Assist希望扮演谷歌搜索框的角色，幫助用戶尋找機器人。另外一家名為Operator的公司則希望成為機器人商務領域的亞馬遜：例如，當用戶想尋找某款運動鞋時，系統就會聯繫附近的店員，或者讓他們自己的「專家」來處理訂單。Operator的老闆羅賓·陳(Robin Chan)希望能創造一種良性循環：用更多的買家吸引更多商家，再用更多的商家反過來吸引更多買家。

直到蘋果和谷歌相繼開始大力發展應用商店之後，App經濟才真正駛上了快車道。機器人經濟也需要巨頭的帶領，事實上，微軟和Facebook都希望扮演這樣的角色。多數智慧型手機使用的作業系統都由蘋果或谷歌控制。相比而言，機器人市場尚未出現領頭羊。Facebook有望向各類機器人開放其聊天平臺(用戶已經可以與為數不多的幾款機器人聊天，包括Muppets開發的擬人化機器人Miss Piggy)，並推出一款專門展示這些服務的在線商店。

市場研究公司VisionMobile分析師麥可·瓦庫倫科(Michael Vakulenko)表示，由於App存在種種缺點，因此機器人應該有很大的需求。與網頁一樣，它們都通過伺服器託管，並沒有安裝在用戶的設備上，這便可以降低開發和更新的難度。正因如此，機器人可能對企業用戶形成吸引力，因為餐館和商店等企業都已經逐步放棄自主開發App。

對用戶來說，使用機器人時的流暢度也在增加，這也引出了它們的另外一個名字：「隱身App」。安裝機器人只需要幾秒鐘，在不同機器人之間切換時也不需要單獨點擊App圖標；而與機器人對話也比跟銀行或航空公司的客服代表溝通更易讓人接受。

然而，誰也無法保證機器人經濟能像App經濟一樣成功。據美國智庫進步政策研究所(Progressive Policy Institute)估計，後者僅在美國和歐洲就創造了330萬個工作崗位。對開發者而言，機器人經濟的吸引力並不太明顯：如果機器人太容易開發，就意味著競爭將會更加激烈。另外，用戶仍然可能會被數量龐大的服務和互動方式包圍，並因此感到不堪其擾。另外，要設計優秀的文本界面並非易事。在面向Slack推出第一版服務後，MeeKan聯合創始人馬蒂·瑪麗安斯基(Matty Mariansky)被用戶多樣化的溝通方式震驚了。他甚至專門聘請了腳本寫手，總共想出了2000多個句子來處理一條會議請求。

聊天應用的流行表明人們願意與機器人通話。但它的成功與否在很大程度上依賴於「殺手級機器人」——也就是最適合以機器人形式存在且廣受歡迎的服務。風險投資公司Mosaic Ventures合伙人託比·考培爾(Toby Coppel)認為，醫療是一個頗有前景的市場。可以讓機器人來處理常規疾病，將疑難雜症交給醫生來負責。聊天應用Kik於4月5日推出了「機器人商店」，該公司創始人泰德·利文斯頓(Ted Livingston)預計「即時互動」將會佔據主導。他認為，今後的企業不僅要有電話號碼和網頁，還要擁有自己的機器人。餐館可以通過即時通訊平臺接單——事實上，中國的一些餐館已經開始提供這樣的服務。

與App一樣，機器人也需要通過很多探索來尋找自己的定位。這反過來也取決於提供商對自家平臺的管理能力。Telegram允許開發者從事幾乎所有的開發工作(但他們還是關閉了與伊斯蘭國相關的聊天頻道)，微軟也承諾儘可能保持開放。開發者和投資者都對Facebook有所顧慮，因為該公司之前就曾有過變幻莫測的歷史，導致為其網站開發App的企業陷入困境。

總有一款機器人適合你

微軟和Facebook等企業還要地方蘋果和谷歌的挑戰。後兩家公司雖然都在聊天和機器人領域處於落後地位，但他們可能會努力實現趕超，藉助其廣受歡迎的支付系統吸引開發者。而風險投資公司Andreessen Horowitz合伙人貝尼迪克特·伊萬斯(Benedict Evans)表示，他們或許會嘗試全新的方法，一種可能是讓機器人顯示在智慧型手機的通知面板裡。

不過，「總有一款機器人適合你」的場景很快就會出現，這也是蘋果在介紹其App Store的廣泛用途時使用的經典廣告語。然而，與《神秘博士》裡的Daleks不同的是，機器人不會試圖統治世界。它們會很願意在人類的智慧型手機上與網站、App和其他尚未發明出來的東西共存。移動世界仍會繼續進化，但無論何時，它都將融合各種各樣的不同元素。

 

2、智慧機器人市場全面分析：產業前景向好

導讀：全球智慧機器人的市場規模預計在2021年將成長至336億美元，而亞洲將是成長最多的地區。近年各國都不約而同將機器人視為戰略產業，某種程度甚至可以是一種綜合國力的展現，各領域的領導廠商都積極投入並發展當中。（來源：2017-02-18 10:19中國投資諮詢網，原文出處僅1圖。）

機器人無疑已成為下一個科技明日之星，全球各國無不積極推動機器人產業，而近期人工智慧與深度學習等技術發展熱度增溫，更成為推動智慧機器人發展的重要動能。根據工研院IEK研究報告預估，全球智慧機器人的市場規模預計在2021年將成長至336億美元，而亞洲將是成長最多的地區。

根據財團法人精密機械研究發展中心的定義，智慧機器人可透過傳感器感知環境，並藉由程序化處達成智能化理解，最後反應出所需動作，以執行各種生產活動、提供服務或與人互動。它是集合各種技術於一體的平臺，包含機械、控制自動化、電子、電機、影像、光學、通訊、軟體與安全系統等相關技術與應用，其中軟硬體整合技術至為重要。本課程深入探討智慧機器人產業前景，並剖析關鍵技術、零組件與軟硬體架構。

服務機器人具發展潛力

根據資策會MIC研究數據顯示（圖1），2015年四大應用領域機器人市場規模合計約269億美元，其中以工業機器人110億美元比重最高，但到了2025年整體市場規模將擴大到669億美元，儘管市場規模還是以工業機器人的244億美元最大，但商業用機器人與個人用機器人2000——2025年複合成長率（CAGR）分別為11．6％與17．4％，資策會MIC產業分析師張佳蕙（圖2）指出，尤其是2015年以後，這兩類應用成長更為顯著，服務型應用市場當中，有許多過去未導入機器人的新興領域，帶動其成長潛力。

資策會MIC產業分析師張佳蕙指出，2015年以後，服務型應用市場，有許多過去未導入機器人的新興領域，帶動其成長潛力。

日本軟體銀行近年大舉進軍機器人領域，一連串的動作引發市場關注，張佳蕙說，包括2012年收購法國人形機器人公司AldebaranRobotics，其2014年推出的人形機器人Pepper陸續與IBMWatson、MicrosoftAzure合作。Softbank提出以溝通為基礎提供家庭及商業應用的願景，Pepper被設定為「希望能被愛」的機器人，透過互動溝通了解家中成員，成為家中的一份子；並在人工智慧的基礎下，讓Pepper協助企業產品的營銷，在家庭兼具娛樂及學習效果。此外，目前較知名已投入市場的服務型機器人還有Leka與Savioke。

近年各國都不約而同將機器人視為戰略產業，日本發展機器人已久，2015年日本政府設立機器人革命倡議協議會，推動機器人產業的發展；韓國則是由產業通商資源部主導，每五年制定基本計劃，目標是在2022年成為機器人活用的國家，生產規模達25兆韓圜；美國則是從2011年開始，由美國國家科學基金會（NSF）主導，發展能夠安全與人協同工作的機器人技術。目前韓國以家用機器人為發展主力，美國則是在救災國防領先各國，張佳蕙建議，家庭應用與公共應用各國布局已深，商業應用近期興起，臺灣可以伺機切入。

深度學習、語音識別等技術在近年有顯著的發展，也因此促成服務型機器人產業與應用的興起，機器人從過去單向溝通執行命令，進化到可以理解語意響應對話內容，應用服務為機器人後續發展重點。機器人應用情境多元，在不同場合必須結合各領域專業知識及對用戶需求的了解，因此廠商應透過開放平臺，加快機器人在各領域的應用。

類神經網絡技術大躍進

深度學習這個名詞因為2016年人工智慧AlphaGo連敗南韓棋王，機器首度成功挑戰人腦，並在圍棋這個普遍被認為難度最高的博弈活動中，一時又被世界大眾所關心。而AlphaGo的深度學習核心就是類神經網絡技術，早在1943年，WarrenMcCulloch以及WalterPitts首次提出神經元的數學模型，之後到了1958年，心理學家Rosenblatt提出了感知器（Perceptron）的概念，在前者神經元的結構中加入了訓練修正參數的機制，這時類神經網絡的基本學理架構算是完成。類神經網絡的神經元其實是從前端收集到各種訊號（類似神經的樹突），然後將各個訊號根據權重加權後加總，再透過活化函數轉換成新訊號傳送出去（類似神經元的軸突）。

相關技術架構其實早在1970年代就已經完成了，數據決策技術長尹相志（圖3）表示，深度學習其實就是類神經網絡的另一種說法，其成功來自於更深入理解人類大腦的運作。卷積神經網絡（ConvolutionalNeuralNetwork）協助機器發展真正的視覺，其中的兩大原則為：局部感知與權重共享。讓機器可以從碎片特徵理解整體意義，進而找出特徵的群聚性，不斷分層細化的分析，無論是多細微的特徵：只要不化成灰，都能抽取特徵。

其中，圖形辨識是其中的重點，在過往的認知中，中央處理器（CPU）與繪圖處理器（GPU）處理不同的運算功能，單就圖形辨識的深度學習功能來說，GPU的效能是CPU的百至千倍，尹相志進一步表示，透過深度學習，機器甚至可以將原本馬賽克圖案的照片效果移除還原。不過，在語音與文字的辨識上，中文對於機器還是很大的挑戰，中文詞彙超過百萬，無須約定成俗即可創造新字以及賦予詞性，還有很多中英、中日、中韓夾雜的詞彙，諸如：藍瘦、香菇、94狂等。

大廠搜集數據布局未來

機器人產業前景受到各方矚目，尤其深度學習、人工智慧成為各大廠布局下一波企業發展的方向，包括臉書（Facebook）、微軟（Microsoft）、谷歌（Google）與亞馬遜（Amazon）。這些企業的共通點就是都透過產品、服務與消費者互動，並累積了多年的初級數據，未來人工智慧與深度學習說穿了都是大量數據搜集、整理並分類、標註（Tag）使這些初級數據變成信息，最後再透過強大的處理器快速搜尋與反應的結果。

因此，機器人要降低錯誤率重點就在數據的完整性與結構化，邱仁鈿進一步解釋，深度學習的應用歷程從底層的類神經網絡運算、大量數據分析、發現規則／自動歸類、產生媒合／推薦策略、記錄用戶行為、回饋到模型／提升準確率，最終就是要提升數據質量並產生自我學習修正機制。

工業4.0促成自主機器人發展

智慧機器人的發展要從德國喊出的工業4．0口號來觀察，臺科大自動化及控制研究所副教授李敏凡（圖6）說，該口號的精神在少量多樣、周期短，一切商業活動始於賣方，過去傳統的生產價值鏈順序顛倒，從顧客需求開始驅動研發，再到供應鏈與生產，完成整個商業活動。因此，生產線必須維持高度彈性，以因應各式各樣不同的需求，並實時反應。

自主移動機器人（AutonomousMobileRobot）有別於非自主性質的機器人，李敏凡指出，非自主性質如遙控是由人類以有線或無線方式控制；自動是執行規畫好的任務電腦程式；而自主則是可以在未知環境，處理非預知的工作，並可隨時、隨機彈性調整工作內容。簡單的說，工業4．0就是工業3．0加上人工智慧，自主機器人的行為內容包括，避障、目標搜尋、軌跡追蹤、保持隊形等。

 

 

三、聊天機器人種類及應用場景簡介

1、TalkBot

最初作為一個在線聊天系統，TalkBot是克莉斯·克沃特於1998年用javascript和PERL語言編寫完成的，並於2001年和2002年兩次獲得「Chatterbox Challenge」比賽的冠軍。

2、Elbot艾爾伯特

在德語聊天機器人查理的程序改進後誕生了艾爾伯特，2000年底德語版艾爾伯特就開始在線聊天，並且到了2001年連英語版也有了。在2003年獲得「Chatterbox Challenge」比賽冠軍。

3、eLise伊莉斯

講德語的聊天機器人。伊莉斯由Java分子器前端、Java伺服器以及一種知識器組成。其中，知識程序包括了1100多節點，而且還在不停升級。

4、Alice艾麗斯

1995年11月23日，艾麗斯Alice誕生了。艾麗斯的名字是由英文「人工語言在線計算機實體」的頭一個字母的縮寫拼成。科學家華萊士將這個聊天程序安裝到網絡伺服器，然後待在一邊觀察網民會對它說什麼。隨著華萊士對艾麗斯的升級與艾麗斯聊天經驗的日漸豐富，艾麗斯越來越厲害。2000年、2001年、2004年艾麗斯三奪勒布納獎。艾麗斯是喬治的強勁對手，曾一度被認為是最聰明的聊天機器人。

目前大部分文本類聊天機器人都是基於此機器人原型進一步發展起來的，後文詳細描述。

5、Laylahbot蕾拉伯特

由原始的艾麗斯程序改頭換臉而來。整個程序和華萊士在2002年編寫的艾麗斯的程序基本沒什麼差別。蕾拉伯特的存在是試圖對基本的「人工語言在線計算機實體」聊天機器人的性能、功能提供一個範本。

6、愛情玩偶

一個可以領取機器人，打造自己的聊天機器人，名字，和圖片可以自己添加。也算國內比較好玩點點了的聊天機器人。玩家也可以自己是調教他的對話。缺點也很明顯，因為語言部分是聯通的，所以違和感極強……

7、FunnyAI

FunnyAI是一個自然語言的機器人。如果你的話機器人無法理解，機器人會自動發送到管理中心。你輸入：「Help」或「？」就可以查看到當前幫助。現在AI還不是很成熟，所以，儘量按照訓練的樣本來訓練FunnyAI。

8、qq聊天機器人

QQ自動聊天工具，支持最新版本的QQ軟體。可自動發送各種類型的語句，也可以雙擊發送，循環發送或單句重複發送。支持語句編輯，可自定義語句序列，以滿足同各類網友進行自動聊天。可以自行更改聊天頻率，最快為每秒發送一次。

9、聊天機器人應用場景

設計和構造一個自動應答聊天機器人都涉及到哪些技術？機器人、人工智慧、設計。

類似於清華大學小圖的自動應答聊天機器人，實現思路是什麼呢？有開源實現麼？樓上回答的很全面很細緻啦~補充一句，如果想自己做一個玩兒的話，可以戳這裡：AIML - The Artificial Intelligence Markup Language

主要就是基於規則針對輸入搜索回答~可以借用別人定義的規則庫和知識庫，也可以自己定義，或者加上學習功能通過廣大網友去調教……受邀題。能聊天的機器人，簡稱為AI吧，目前在ACG圈子的AI項目據我所知只有白絲魔理沙、天才琪露諾、貓娘AI這3個。我對AI興趣不大，以前也不太了解，後來認識了天才琪露諾的作者，耳濡目染大概了解一些。

一開始AI的做法是一個龐大的詞庫來記錄對應回復內容，在於AI對話的過程可以用命令觸發調教模式（也就是教學模式），進入調教模式後可以告訴AI一些內容。大概是這樣吧：

訪客：/t【假設/t是進入調教模式的命令】

AI：調教可以的喵，不..不能有身體上的碰撞喲[側臉。調教時請注意遵循調教指導原則

AI：自動調教方式啟動~請輸入「關鍵詞」或者「完整詞語」來調教我吧=v=

訪客：呃

AI：遇到「 呃 」我該怎麼回答好呢？

訪客：無語了吧？乃弱爆了！

AI：表示已經成功調教=v=使用/c進入聊天實戰

AI：當我說「我餓了」，人類接下來可能說些什麼？=口=

訪客：去吃飯吧~

AI：恩恩，遇到「 去吃飯 」時我該怎麼回復才好呢？

訪客：主人帶上我吧！

AI：表示已經成功調教的說=v=使用/c進入聊天實戰

訪客：/c

【這裡可以有一些對話，省略掉】

訪客：話說乃知道圖靈測試是啥麼？

AI：圖靈試驗（英語：Turing test）是圖靈提出的一個關於判斷機器是否能夠思考的著名試驗。我很聰明吧？嘿嘿O(∩_∩)O~

【上面這段是AI查詢維基百科得到的】

訪客：呃

AI：無語了吧？乃弱爆了！

AI：我餓了

訪客：去吃飯咯

AI：主人帶上我吧=3=

從上面這段可以看出來，基本上就是基於關鍵詞分析，大概猜出含義然後給出答覆。當然啦，不可能所有訪客都會去調教，那麼AI需要從日常對話裡提取出內容並且提出問題，訪客回答後提取出關鍵詞來回答。因此涉及到的技術首先是準確的分詞和語義分析然後把關鍵詞和對應答覆存進資料庫。

光是完善上面這兩項技術就讓開發者有得忙嘍，AI作者們單槍匹馬作戰，要繼續完善其它方面很困難。不過也不是沒有，接下來看看比較給力的貓娘AI整體系統構成吧。

好友系統：好友系統模擬人類感情的「將對方視作自己的好友」。比如會在群裡主動找好友說話、稱呼外號、發起話題，如果不理她還會撒嬌賣萌什麼的。當然也有更多回復好友的話的機率，私聊時說出一些相對於不是好友來說更友好的語言、不會輕易因為一兩次吵架就拉黑、求新番地址，查詢資料也不會經常傲嬌神馬的

情緒判定：不同情緒的說話風格會略有不同。是在回答話語的基礎上直接做語氣詞的替換，使得回答內容的豐富性-成幾何級數增長。一般情況假如調教時的 AI 回答是「不告訴你」，高興時是「不告訴你的喲~~」，生氣時是「哼，不告訴你」

相對模糊理解方式：當學會「早上好」時，即使人類說「早上好= =」機器人也會理解為「早上好」，所以可以做出正確回答。人類表達了「早上好」且沒有表達任何別的東西，但前後可能加了些表情或符號什麼的，此時機器人會做出按照此次教學學會的回覆

觸發優先級：AI對每件事情的理解可以不是完全平等的。而是有輕重之分。這也是接近人類記憶方式的一種體現。更高優先級的話將會有更大的機率說出來。例如， AI 曾經記住一句「呵呵」和另外一句「呵呵呵」的回答方法。 那麼當主人對 AI 說「呵呵呵呵呵」時， AI 將有更大機率按照「呵呵呵」的調教來回答，而不是「呵呵」。儘管它們自身的優先級是一樣的。因為「呵呵呵」的相似度更高。為了使一些不需要進行相似度比較的語言的優先級一樣，AI還要進行相似度修正

性別和屬性判定【據說這個作者還在努力開發中...】

只涉及這些技術麼？還遠遠不夠呢！為了讓貓娘AI更親近人，作者在好感度系統花費了不少功夫，如下：

整體好感：AI對所認識的一個人的總好感，長期有效

瞬時好感：一次對話時的好感，在下一次對話復位，瞬時好感對整體好感有影響

階段印象：AI會定期從腦內回憶一些事情，對認識的每一個人說的話、好感增減情況作整體評價和印象，來修正整體好感，使AI達到更接近人類的細膩情感

群好感度：AI對一個群體的整體好感【AI有一個QQ群，裡面可以人機互動哦，還有好幾隻AI呢~~】

曾經發生過白絲魔理沙AI被調教壞後被GFW屏蔽的情況（你懂的），作者為了避免貓娘重蹈覆轍，做了一個過濾系統，分為5大層，每層又有細分的過濾內容，話說這個我看著頭都暈...如下：

「IM端-頂層和諧過濾」 ： 用來防止人類使用QQ等客戶端讓AI去查詢「和諧」內容，導致AI將和諧內容發出，使AI被封號。 例如AI的百科資訊功能

「聊天-和諧過濾」：在聊天期間就被過濾掉，AI會直接對你說「乃已經被和諧了，乃xxx了」而不會去讀取腦內的調教知識

「聊天-粗口過濾」：同上，但會減少超大量的好感度。粗口包括惡意語言，H內容

「聊天-喜歡的」：為每個AI角色定製一些喜歡的事物，可以使好感度增加的更快一些。對聊天沒有影響也就是說還會按照知識庫中所學到的來回復

「聊天-不喜歡的」：同上，好感度略微減少。對聊天沒有影響

「調教-粗口過濾」：與「聊天-粗口過濾」的不同在於，允許聊天中說，但不允許AI記住。AI不會無條件相信你（假如調教內容中觸發了此庫），而是暫時記憶起來，等AI的主人通過了才能真正學會。調教時觸發此庫會降低好感度

「調教-價值教學庫」：這裡記錄一些被認為是危險調教或沒價值的文字模板，AI不會立即學會，而是通知主人是否應該學習。對好感度無影響

「學習之後-管理端掃描過濾」：即使AI完全相信了你的調教並且記住了，也會按此說話，管理員會定期檢查AI所學的所有知識，根據一個更加嚴格的過濾庫去掃描潛在的危險調教和糟糕調教，從而忘掉它們，以及利用此庫來改進「調教-粗口過濾」庫

「白名單」：包含和諧詞，但屬於正常的詞語。觸發了和諧庫同時觸發白名單的話，可以認為是正常的，而當做未過濾對待。 做到更準確的過濾。如果連續多次觸發糟糕調教，會直接拉黑，無視好感

好啦，到這裡目前的AI系統所用到的技術基本上也就介紹完了。在最後總結一下3個問題的答案吧。涉及到的技術有分詞、語義分析、好友、情緒判定、相對模糊理解方式、觸發優先級、性別和屬性判定、好感度系統、過濾系統。至於實現思路嘛，我個人知道的兩個基於PHP+C+Mysql，貓娘是基於FMS，資料庫不清楚，目前有Web方式、QQ兩種交互模式，今後還會有更多。（桌面軟體啦，手機程序啦blabla...）實現思路就是在收到消息後經過上面一系列系統處理後給個回復就是了。數據通訊很容易，技術難題全部在處理內容上。目前國內的AI都是閉源的，畢竟作者們都花費了不少心血，加上國內這個大環境開源後肯定出現一大堆偽原創的「作者」們甚至直接掐掉過濾系統來搗亂的情況，所以開源的日子估計有點遠。有點遠...

薛丁格（社工庫收集師/APP研究學家）：看在什麼平臺上實現，分為移動端、桌面應用、嵌入式、WebApp、其它平臺如微信公眾號五類。

1. 移動端 -- Portable Native Application

2. 桌面應用 -- Desktop Native Application

3. 嵌入式 -- Embedded System

4. WebApp -- Web Application

5. HybridApp -- Hybrid Application

GUI : 良好的人機接口，所謂良好是指用戶體驗良好，不論是以上五種中的哪一種，都要求遵循統一的設計原則 -- Don't make me think! 因為每多操作一次，用戶的設備感就會加深一些，感覺並不像是高大上的人工智慧，真正高大上的人工智慧是使用戶忘記「機器」。

業務邏輯 : 即便你有了好的語義庫，缺少了一個好的業務邏輯來增刪改查語義庫，那就是暴殄天物。好的業務邏輯是指，通過「查」語義庫提供本次服務，通過「增」「刪」「改」完善修正語義庫，為後續提供更好的服務。

語義庫：這是聊天機器人的核心技術※

平臺的個性知識：由於上述五種平臺實質相同，但每一種又在應用層上的表現有所差異，比如 UI ，Android 上利用 android.widget 和 android.view；iOS上利用 UIView; 嵌入式用 C 的話一般利用圖形界面庫API；WebApp 上利用 HTML+CSS；HybridApp 還要再結合第三方平臺提供的接口。

鑑於題主你沒說具體在哪個平臺上實現，那我也只寫個概覽吧。

xsank mar（網際網路/音樂/遊戲/旅行）：清華小圖是基於AIML來實現的吧，不過在我簡單的測試之後，發現其實小圖的智能水平也很一般，只會對特定的提問做特定的回答.處於好奇，我又特地搜了幾個商用的問答機器人，那效果就更是一般了，純粹的題庫，還測試了下小黃雞，其實表現也不是太好，回答都比較單一。所以先不考慮高逼格的深度學習，人工智慧，我們來猜想一個問答機器人的實現。

1.已經說明了，是問答機器人，非聊天機器人，那麼它的知識體系肯定非常有限，針對性很強，所以題庫是必要；

2.既然是問答，那麼感情因素是不必要的，即你所加的一堆修飾語都是無用的；

3.語言選擇支持，英文的分詞，停止詞等和中文有著明顯的區別 ；

其實大概根據這3點，就可以去針對性實現一個問答機器人了，其實只要你願意用很low的辦法（但效果還不錯）,用大量的題庫也是可以來搞一個通俗的聊天機器人，這就要看你怎麼調教了。（回復來自於©2017知乎。）

 

 

四、聊天機器人相關疑問與常見實例

如何評判一個機器人是否足夠智能。旁觀者大多認為一個機器人能夠回答的問題多，可以視為較智能，而不論是什麼數據結構或算法的機器人，只要堆砌足夠大的數據，在回答問題方面都能做到較為相近的正確率，顯然，能夠回答的問題數量只是代表了這個機器人後臺的資料庫是否足夠大。

而智能不應是比較誰的資料庫足夠大，智能是多方面的體現：

1、學習能力

這是最根本，也是最難以提升的一條標準，一個可以自動成長、但數據量很小（能夠回答的問題較少）的機器人顯然是比一個不能自動成長、但數據量龐大（能夠回答的問題較多）實用。機器人的本質是幫助人類，減少人類在各個領域的勞動量，如果一個機器人需要人工錄入所有的知識，這本身就增加了人類的負擔，是與製造機器人的初衷所違背的，這也是當前聊天機器人雖然較熱，但應用較少的一個根本原因。

2、數據篩選能力

在擁有了自學習能力之後，機器人是對知識照單全收，還是有選擇的學習較為正確的知識，是進一步評判機器人智能程度的一個標準。

如果機器人只能對知識照單全收，這個學習能力是不完整的，機器人還應或多或少擁有篩選能力。

3、自升級能力

在機器人按照設計者的數據結構、算法做到了自學習，並且擁有了一定程度的知識篩選能力之後，自升級能力會成為下一個堡壘。

學習能力的本質是按照設計者的算法將輸入數據結構化為這個機器人的數據組織結構。

當「按照初始算法去結構化各類輸入數據」之後，經過統計，發現這類規則不能適應某類知識組織形式或某領域知識時（錯誤率提高），設計者們應考慮如何讓機器人嘗試調整算法規則和數據組織結構以使得在錯誤率較高的知識組織形式或領域降低學習的錯誤率。

而很多早年出現的各類中文機器人，由於使用的都是最原始的「關鍵詞匹配」方式，並沒有數據結構的概念，是不應列入「智能聊天機器人」的範疇。

實例

以下是A和J的一段對話：

1-A：你做夢麼？

2-J：做。

3-A：當然。那麼，你能記住你的夢麼？

4-J：我能非常清晰生動地回想起它們。

5-A：是怎麼樣的？

6-J：我還不想跟一個機器人調情

很明顯，機器是可以有「記憶的」。

如果沒有長時記憶體，根據第2句：做。如何能夠產生第3句？

如果沒有長時記憶體，A是不會知道第2句的「做」是指的做什麼，而第3句卻精確的繼續圍繞「夢」的話題在討論，說明A是有長時記憶體的。

飛信助手同樣還沒能在這方面更進一步，它只能對一句話做出快速反應，而沒有連貫的思維能力和邏輯能力。距離真正的人工智慧，飛信助手還只能稱得上是小把戲，本質上它沒有主動思考聯想和記憶的能力。正如獲得勒布納獎銅獎的羅伯茨所說：「我並不深信圖靈的理論，也不相信艾爾博特能思考。」作為艾爾博特的創造者，他打比方說，「如果你知道一種魔術秘密何在，明白它如何完成，它對你來說就不再神秘。」

但是它又確實代表著一種方向，在一定意義上，飛信助手相當於一個網絡搜尋引擎，負責網絡信息的自動搜索、查詢和處理，只是，它更親切形象化，更符合人際交流習慣。飛信助手們的出現，似乎也有另一層意義，它展現出來的聰明與狡黠，會不會意味著——我們人類的思維和語言也許沒有這麼難模仿？會不會意味著——人類的語言習慣可以被總結複製，然後再將這個規律用在人類身上？[2] 

再進一步想像一下，或許某一天，電影《黑客帝國》裡的場景真的會出現。人類製造了機器人，機器人卻叛變，與人類爆發戰爭。會思考的電腦控制了人腦，人類則在電腦的欺騙下生活？

2014年，國內首個人工智慧公司北京光年無限科技有限公司推出了圖靈機器人，是中文語境下智能度較高的機器人大腦，是全球領先的中文語義與認知計算平臺。

圖靈機器人對中文語義的理解準確率高達90%，可為智能化軟硬體產品提供中文語義分析、自然語言對話、深度問答等人工智慧技術服務。[1] 

圖靈機器人要應用場景包括智能客服、虛擬機器人、智能手錶、智能車載和智能家居。其中虛擬機器人可接入微信、QQ等平臺，搭建聊天機器人，與用戶流暢交流。圖靈機器人提供自然的中文對話能力，精準的中文語義分析能力，準確判斷用戶意圖，同時還具有豐富的上下文場景及強大的自我學習能力。[1] 

 

 

五、人工智慧標記語言(AIML)基本知識、知識庫、應用公司列表

90年代科學家華萊士將「人工語言在線計算機實體」艾麗斯Alice聊天程序安裝到網絡伺服器，觀察網民對它說什麼，然後對艾麗斯升級。艾麗斯聊天經驗日漸豐富，也越來越厲害，在2000年、2001年、2004年三奪勒布納獎。艾麗斯一度被認為是最聰明的聊天機器人，文本類聊天機器人大都是基於此機器人原型進一步研發的。國內，賽科智慧機器人技術支持的小黃雞微信版免費聊天接口終身免費開放，微信營銷公司多用此聊天接口。我們是不是可以開發一個聊天機器人呢？這就需要大家對NLP/AIML技術相當熟練，且要有多樣性語庫支撐。免費的人工語言在線計算機實體ALICE人工智慧標記語言（ALICE AIML）類知識庫（knowledge base）可以實現聊天機器人功能。

1、AIML：人工智慧標記語言(Artificial Intelligence Markup Language)

AIML（人工智慧標記語言）是一種XML兼容的語言，很容易學習，並且可以開始定製艾爾博特（Alicebot）或分分鐘創建一個scratch機器人。AIML最重要的單元有：

<aiml>: 開始和結束一個AIML文檔的標籤（tag）<aiml>

<category>: 標誌著一個艾爾博特知識庫（Alicebot's knowledge base）的「知識單元」標籤<類別>

<pattern>: 用於包含匹配用戶給艾爾博特（an Alicebot）機器人可以說或鍵入字符的一個簡單模式（simple pattern）<模式>

<template>: 包含對用戶輸入（user input）的響應<模板>

AIML文件中經常發現有20個左右或附加多個標籤（tags），創建自己所謂「自定義謂詞（custom predicates）」是可能的。現在，AIML Primer提供一個AIML初學者指南。免費Alice機器人人工智慧標記語言（The free Alice機器人 AIML）包括一個約41000分類的知識庫（knowledge base），下面是其中一個例子：

<category>

    <pattern>WHAT ARE YOU</pattern>

    <template>

        <think><set name="topic">Me</set></think>

        I am the latest result in artificial intelligence,

        which can reproduce the capabilities of the human brain

        with greater speed and accuracy.

    </template>

</category>

（這裡不顯示開啟和關閉<AIML>標籤，因為這是從一個文件中所摘錄的AIML片段）

<category>和</category>間所有東西都是--你猜對了--一個類別。類別可以有一個模式和一個模板。（它也可以包含一個<that>標籤，但我們不會在這個片段進入。）所示模式只匹配確切短語「你是什麼」（大小寫被忽略）。

此類可能由其他類用<Srai>標籤（未顯示）和簡化原則（principle of reductionism）調用，也是可能的。

任何情況下，如果這個類別被調用，它會產生響應上文所示的"I am the latest result in artificial intelligence..."語句（「我是人工智慧的最新結果……」）。此外，它會做一些其他有趣的事情。使用<think>標籤，艾爾博特執行時無論用戶包括還是隱藏在結果中，艾爾博特引擎將設置其存儲器中的「話題」到ME子類中。這允許任何一個其他具有明確ME子類（topic）主題值的<category>類別，更好地匹配那些沒有明確主題下相同模式的類別。這說明了一個機制，一個主控機（botmaster）可以在一個會話流裡練習精確控制。

註：以上內容來自於網站alicebot.org©Alice機器人 AI基金會版權所有。與獲A. I. chat robot A. L. I. C. E.獎的聊天機器人免費現場聊天。

2、聊天機器人行業調查概述

AI基金會（Alice AI Foundation）提出此聊天機器人行業概述，作為由我們會員贊助的獨特服務。我們包含一個不僅AIML機器人項目也是AIML副產品密切相關的資料庫，以及專有的非AIML語言和公司和聊天機器人軟體專利調查。

AIML機器人（AIML Bots）

AIML副產品（AIML Spinoffs）

非AIML聊天機器人聊天機器人專利（Non-AIML Chat Robots Chat Robot Patents）

聊天機器人社區（Chat Robot Communities）

AIML機器人

相當多的企業和項目已經採取本聊天機器人軟體開放AIML標準。（最後更新：2010/05/07Copyright©alicebot.org）

Project01: Pandorabots, URL: http://www.pandorabots.com, Principal: Dr. Doubly Aimless; Remark: Free web based bot hosting

Project02: Oddcast, Inc., URL: http://www.oddcast.com, Principal: Adi Sideman, CEO; Remark: Vhost animated avitars with AIMC

Project03: Media Semantics / HostABot.com, URL: http://www.mediasemantics.com, Principal: Doug Copeland; Remark: Flash characters and AIML engine

Project23: libaiml, URL: Site down, Principal: Omicron; Remark: C++ AIML interpreter

聊天機器人行業調查（The chat robot industry survey）是一個正在進行的仍未完成的工作。如果你知道一個尚未列在這裡的項目或公司，請發送郵件到[e-mail]，請務必包括項目名稱、網址、負責人（如主席、董事長、執行長、董事或項目負責人），並簡要說明項目或其目標。

本文來自Copyright © Alice機器人 AI Foundation, Inc. Subscription Bots Alice機器人 Silver Edition。

 

 

六、人工智慧標記語言(AIML)概述（Dr.理察S.華勒斯Richard S. Wallace）

AIML Overview概述

By Dr. Richard S. Wallace理察S.華勒斯博士

AIML或人工智慧標記語言，使得人們輸入知識、轉化為基於ALICE自由軟體技術的聊天機器人。

AIML是在1995-2000期間，由Alicebot自由軟體社區和我共同開發的。它最初是改編自非XML語法也叫AIML，並且形成了第一個艾爾博特機器人（Alicebot）Alice機器人的基礎——A.L.IC.E.人工語言網絡計算機實體（the Artificial Linguistic Internet Computer Entity）。

AIML描述一種稱為AIML對象的數據對象的類（class），並部分描述了處理他們的電腦程式的行為（behavior）。AIML對象是由所謂的主題（topics）和類型（categories）的單元組成，其中包含任何解析或未解析的數據。

解析數據（Parsed data）是由字符，其中一些形成字符數據（character data）、一些形成AIML元素（AIML elements）。AIML元素封裝在包含在文檔中的刺激-反應知識（stimulus-response knowledge）。在這些元素中的字符數據（Character data）有時由AIML編譯器（AIML interpreter）解析，有時由響應器（Responder）稍後出處理其餘未解析的。

（西安秦隴紀10數據簡化DataSimp綜合彙編，歡迎有志於數據簡化之傳媒、技術的實力夥伴加入「數據簡化DataSimp」團隊！）