让我们从聊天机械人可以做什么开始。CNN聊天机械人可以帮助用户检索新闻。你告诉CNN机械人你感兴趣的内容，无论是夏季奥运会还是美国总统大选，它都会很乐意挑选新闻报导。迪士尼不断运用机械人发布它的电影，例如Zootopia bot，让你发现和解决犯罪。您可以与小猪小猪机械人交谈，以更多地了解她！Hyatt酒店的机械人可以与您讨论您的预订状态，入住时间，可用设施和价格。Hello Jarvis bot是个人助理，Healthtap回答有关医疗事故的问题（yikes！）。聊天机械人可以聊天气（雨衣），股票市场（金融机器人），购物斯特龙），旅行（皮划艇）和几乎任何在阳光底下的事情。你甚至可以使用Chatbot进行随机聊天来创建故事或消磨时间。
这只是冰山一角。上面的例子只是一个使用Facebook的聊天机械人中的少数例子。随着Facebook上已经有成千上万的机械人，每天都会增加分数，新的使用者正在增加这项功能。
今天可用的机械人数量证明了企业看到了庞大的潜力。
这一切是如何开始的？
一些最早的Chatbot软件是ELIZA和SmarterChild。伊丽莎与治疗师一起编写了聊天反应，询问用户对它们所说的话的感受。展示了通过信风接口数据库资料的可能性。克里斯梅西纳被认为对Chatbot繁荣做出了巨大贡献。他目前是Uber的开发者经验领导者。他的价值主张很简单：在所有平台上都可以使用Uber，这样用户就可以根据自己的选择预定一辆汽车。尽管Chatbot的故事似乎已经开始了，但Chatbot的故事从ELIZA开始，到Siri和Cortana等现代会话界面已经有了很长的路要走
什么是一个好的机械人？
就像名称所示，机械人与人聊天。大多数人都可以通过信息与其他人聊天。因此，最好的机械人就是那种表现得最像人类的机械人。一个普遍接受的机械人基准测试是图灵测试，其中有3名玩家。第一个玩家与另外两个玩家对话，其中一个是人类，另一个是聊天机械人。在5分钟内，第一个玩家必须在他们之间做出选择，并说出哪个是人类，哪个是机械人。Alan Turing声称，一个好的聊天机械人有七成的时间像人类的赞许。
还在等什么
Messenger服务开始看起来像下一代UI，取代了应用程序和网站，企业正在响应。为了巩固其在信息环境中的地位，Facebook最近斥资220亿美元收购了WhatsApp。花费了大量的金钱，我们可以认为Facebook的在这个行业看到了巨大的潜力。
据业务内幕情报报导，近几年排名前四。的消息应用程式已经成为前四大社交媒体平台，并且已经成为智能手机用户中最受欢迎的两款应用程式。随着我们向前发展，社交媒体和信息服务采用之间的差距将继续增长。
由于人们在通讯应用程式中花费了很多时间，因此这些应用程式被视为广告的最佳媒体，并且最近也被广泛用于开展业务并提供客户支援。 聊天机器人的时代已经真正到来了！
聊天机器人背后的科学
A Chatbot is a computer program that behaves like a human, that is a classic definition of artificial intelligence. That classic definition is actually an oversimplification as there are a couple of AI technologies at the heart of the chatbot:
自然语言处理（NLP）
虽然自然语言处理涵盖了大量主题，但我们可以通过类比一个人学习一门新语言来最好地理解它。刚刚接触某种语言的人可以在阅读或听到单词时理解他们所知道的单词的含义。同样，聊天机器人只能理解输入到其词典中的单词。虽然将整个英语词典输入聊天机器人程序非常容易，但告诉它如何将不同的单词组合成句子则要困难得多。让机器学习语法更加困难（并不是说人类学习语法很容易！）。与人类不同，机器人如果没有被编程，就无法理解单词的不同上下文用法。自然语言处理是计算机程序理解常见书面和口头语言的能力的名称。程序对句子的理解越好，它可以为用户提供的回复质量就越高。
如今 NLP 最好的例子之一就是它在 Google 搜索中的应用。在谷歌中输入类似“西雅图的天气怎么样”的内容，谷歌将在页面顶部的漂亮卡片中提供天气信息。输入“西雅图下雨的可能性有多大”，它会给你相同的结果。这是自然语言处理实践的一个很好的例子。 Google bot 的 NLP 编程已经足够成熟，可以理解，尽管问题和措辞略有不同，但这两种情况都要求它提取同一组信息。
为了实现良好的 NLP，聊天机器人会手动输入常见问题和答案的所有可想到的变体。然后编写算法来帮助机器人适应同义词，并为模糊匹配留下范围，因为人们通常会以多种方式提出相同的问题。
机器学习（ML）
机器学习是计算机无需任何硬编码即可自行学习的能力。值得一提的是，当今市场上的绝大多数聊天机器人可能都没有使用机器学习。大多数都使用基于检索的模型，其中可能的问题和答案被硬编码成类似流程图的结构。因此，当今的大多数聊天机器人并没有真正学习使用机器学习来回答问题，而是仍在学习在 NLP 的帮助下更好地理解问题。对于使用 IBM Watson 或 Google Assistant 等机器学习的聊天机器人来说，不同之处在于它们有更多的数据可供处理和训练。今天和不久的将来开发的一些聊天机器人将使用一种称为“监督学习”的过程进行机器学习。
简而言之，机器人针对不同问题给出的答案通常由人类操作员根据准确性进行评级，然后反馈给机器人。因此，机器人不断学习问题的正确和错误答案，并不断改进其答案。它将正确的答案存储在内存中并拒绝错误的答案。
机器学习可能是聊天机器人最重要的方面，如果没有机器学习，机器人将保持最初的聪明或愚蠢，直到手动更改其代码。
情感分析
尽管机器学习对于聊天机器人随着时间的推移扩展其响应词典至关重要，并且 NLP 有助于理解用户输入的问题和陈述，但这两者不足以让聊天机器人在对话中获得完整的上下文理解。
对于任何在客户服务领域工作过一段时间的人来说，你对客户的回应方式在很大程度上取决于他们当时的情绪状态。我们生活在一个消费者可以通过公共渠道轻松向公司表达不满的时代，因此了解客户何时过热并提供额外的让步对于成功管理客户关系至关重要。
NLP 获取一个句子并将其分解为编码元素以使聊天机器人能够理解内容，而情感分析则试图在情感尺度上对一个句子或一系列句子的上下文进行从完全积极到完全消极的评估。当用户添加这句话时，每个人都会听到贵公司为我提供的服务类型，这在 NLP 中没有任何影响。然而，情绪分析会将陈述与之前的对话结合起来，并决定是用谢谢回应还是进入损害控制模式。
测试
测试是任何应用程序开发的基石，对于后应用程序时代也是如此。无论您打算在哪里使用聊天机器人，在任何聊天机器人在其实时版本中启动之前都必须进行测试。如果意图有足够的现有消息与提供给意图的示例数据相匹配，并且如果您不需要记住提供给机器人的过去数据，那么没有机器学习的聊天机器人中的意图可以很好地完成这项工作。但很可能，您的目标将需要一些机器学习，因为人类输入可能会以您可能无意的方式出现，拼写错误和数据，如果机器人在对话早期没有记住这些数据，如果人类用户需要背诵过去的数据，很可能会破坏对话的流程。这将使他们陷入一个对话循环，如果不强制用户改变对话主题，就很难摆脱这个循环。
在您对当前意图感到满意后，测试包括 3 个主要方法，它们是：
- 训练
- 置信度调整
- 对话式测试
要真正使用聊天机器人来实现目标，您可以：
当然，您可以自己构建，或雇用其他人为您做。但每种方法都有优点和缺点。如果您自己构建它，您制作的 NLP 或您使用的第三方 NLP 将需要测试模块来允许您训练机器人。如果您聘请了第三方为您构建聊天机器人，请事先询问他们的测试方法包括哪些内容。任何真正的聊天机器人机构或合同开发人员都会告诉您有关示例数据意图和机器学习置信度的机器人培训信息。
