https://v.qq.com/x/page/i0555fncy09.html
什么是对话机器人？Bot：自动化的完成某项任务，并以自然语言的方式进行沟通的机器人。
Chatbot：以自然语言为对话目的的机器人。
聊天机器人概念的出现非常早，甚至早过人工智能。1966年诞生了第一个对话机器人ELIZA，它是一个模拟的心理咨询师，标志着对话集成的开端。
在1970年有一个名为SHRDLU的对话机器人，它把对话限定在一个封闭域中，能够理解人们说的话并做出响应，在沟通的时候效果更好。
1988年出现了Jabberwacky，也是基于模式匹配，Jabberwacky中增加了娱乐性，它的回答会很幽默，人们在和它对话的过程中会感到很愉快。
1995年的时候出现了A.L.I.C.E，从技术角度来说，A.L.I.C.E.基于模式匹配创建了一套人工智能标记语言的引擎，它使人工智能变得更加规范化。
2001年，SmarterChild带来了新的变革。SmarterChild把聊天机器人搬到了互联网上，最多时候的用户数达到了三千万，影响扩大了很多。
2006年，Watson在一个问答型的综艺节目上打败了真人，因为它的知识库整理得非常好，所以准确率已经超过了人类。
2010年，苹果发布了siri。Siri是一个语音个人助理，给聊天机器人带来了新的应用场景。
到2016年，facebook发布了messager platform。2016年可以算是人工智能元年，facebook认为机会到了，所以它发布了一个平台，https://www.3tt.net/?mod=artinfo&aid=1003让大家可以在平台上去开发机器人。在发布第一个月时就拥有了上万个bot运行在该平台上。
理想很丰满
从1966年至今，有这么多的科学家前仆后继地让机器人用自然语言和人类进行对话，是因为有着丰满的理想，希望机器人能够拥有人类的智能。而人工智能的一个定义是，可以通过图灵测试的智能就是人工智能。图灵测试本身就是一个对话机器人的测试。
现实很骨感
大概在2016年4月的时候，大家对于facebook发布的messager platform抱有极高的热情，很多人在这个平台上开发机器人。
但到了2017年2月，facebook发现这些机器人的效果非常差，里面的错误率高达70%。于是facebook收缩了这部分的投入。
那么我们现在做对话机器人是不是过早了？我觉得是，但也不是。“是”的原因就是现在的人工智能技术在自然语言理解上还处于早期阶段，这个时候要让一个算法能准确理解人类在说什么，还是有些难度；我说“不是”是因为现在由于对话的发展，人们已经习惯在对话平台上进行交互，只要选择合适的场景、算法和对话方式，我们还是可以做到不错的准确率。
对话机器人如何落地？算法与工程紧密结合
因为目前算法还不够成熟，所以做对话机器人的公司需要紧追工业界、学界任何一点可能的成绩，不断尝试各种新的优化。
这使得我们在算法框架的层面上处于一个非常不确定的状态。工程和算法紧密结合，所以工程需要给算法提供一个非常好的条件，让算法可以很容易地尝试不同方式。
开发域 vs.封闭域
在聊天机器人这个行业，我们解决的问题域大致有两种流派，一种是开放域，一种是封闭域。
开放域是不限定用户提什么问题，我们都要给出一个正确的解答。目前这个场景能做到的只有闲聊。
我们希望能够让机器人真正理解人类说的话并执行指令，在对话中还要向用户去个性化推荐产品，在现有的技术框架下就只能做封闭域。封闭域既可以做检索式的回复，也可以使用生成式的方式来做。
封闭域对话
封闭域对话需要清晰地定义出人类说的话有几种可能性，而机器要做的就是把这句话定义出是哪个领域、什么意图以及要完成这个意图需要知道哪些槽位信息，这些都是要预先定义的，工作量很大。
要想能够在比较低的成本下完成这件事，就需要规范数据结构，通过原始语料分析自动提取，再逐步增加意图。
让机器人主导对话
可以避免主题发散，用户的对话内容是可预期的。可以引导对话目标，避免无休止的调戏。
人性化的对话设计
对用户的回答做出针对性反馈，并优雅地打破沉默。出现异常的时候可以通过卖萌的方式来处理，需要对用户表达出正面的情绪，要得到用户的理解并给出可解决的方案。
善用对话的私密性
基于对话的CUI和基于图形的GUI非常显著的区别就是CUI是一对一的对话，更具有私密性。GUI特别适合展示广度，而CUI在对话场景下更适合展示深度。GUI的空间感更强，CUI则更具有时间感。由于它的私密性，还可以做很多个性化的操作，加强用户的参与感。
在对话过程中机器人需要记住用户曾经说过什么，对用户体验非常好，所以需要有一个长期记忆，可以在里面进行个性化推荐。
人机协作
当机器无法百分百接受人类说的话时，可以转接人工服务。同时在用户输入的时候提示可以输入哪些内容，这样用户输入的内容一定是在可理解的范围之内，大幅提高准确率。即使是在人工服务的时候，依然可以对回复提出建议。这个本身就是一个标注过程，告诉机器人它的回复是正反馈还是负反馈。
管理期望
有多少人工，就有多少智能。并不是所有事情都适合机器做，只把重复性、确定的事情交给机器。一定会有不准确的情况发生，我们只要在出现不准确的时候能够有一个好的解决方案，让用户仍然能把事情做完，那么不准确还是可以被接受的。数据是AI的粮食，没有数据就没有AI。强人工智能还是很遥远。
我们在实践的过程中发现，真正影响项目能否成功的因素，算法虽然很重要，但我前面所介绍的那些与算法并不是十分紧密相关。很多是产品的选择、场景的选择和对话的设计等方面，其实它们起到的作用并不亚于算法。