聊天机器人和大型语言模型 (LLM) 简介

MrRishuRR

聊天机器人是一种软件应用程序，旨在通过文本或语音交互（通常是在线交互）模仿人类对话。聊天机器人首次出现于 1966 年，当时麻省理工学院的一位名叫 Joseph Weizenbaum 的教授创建了ELIZA，这是一种早期的自然语言处理计算机程序，旨在探索人类与机器之间的通信。 1994 年，计算机科学家Michael Mauldin在发明了Verbot（一种适用于 Windows 和 Web 的聊天机器人程序和人工智能软件开发工具包）后，决定将此类程序称为“聊天机器人” 。 聊天机器人的演变 ELIZA 之后，聊天机器人继续发展，找到了不同的用途，从娱乐（与Jabberwacky）到医疗保健（与PARRY）。这一时期创建的聊天机器人旨在模仿不同情况下的人类互动。但在 1992 年，Creative Labs 构建了Dr Sbaitso，一个具有语音合成功能的聊天机器人。




这是机器学习首次集成到聊天机器人中，尽管它只能识别有限或预编程 WhatsApp 号码列表  的响应和命令。 下图显示了 Dr Sbaitso 界面。 斯拜措博士 另一种名为 ALICE（人工语言互联网计算机实体）的聊天机器人于 1995 年开发，这是一种利用启发式模式匹配进行对话的人类对话程序。 在此期间发布的所有聊天机器人都被称为“基于规则的聊天机器人”，因为它们都按照人类开发人员或对话设计者创建的一组预定义规则和模式进行操作以生成响应。这意味着这些聊天机器人由于依赖预定规则而灵活性有限。他们缺乏从用户消息中学习并生成新响应的能力。此类规则的示例包括： 如果用户询问产品定价，请回复有关定价计划的信息。 如果用户提到技术问题，请提供故障排除步骤。 如果用户表达谢意，请回复感谢消息。 2001 年，ActiveBuddy, Inc. 公开推出了一款名为 SmarterChild 的新聊天机器人。它是一个分布在全球即时通讯网络（AIM、MSN 和 Yahoo Messenger）的智能机器人，能够提供新闻、天气、体育、股票信息等信息，并且允许用户玩游戏以及访问 MIT 的Boris Katz的 START 自然语言问答系统。




它是革命性的，因为它展示了对话计算的力量，并且在很多方面可以说它是 Siri 的先驱。 聊天机器人的下一组显着发展出现在 2010 年代，部分原因是网络的发展和原始数据的可用性。在此期间，自然语言处理（NLP）取得了巨大进步，表示学习和深度神经网络式机器学习方法在 NLP 中得到广泛应用。 这一时期的一些成就包括： 深度学习和神经网络。循环神经网络(RNN)取得了重大发展，使其能够捕获复杂的语言模式、上下文关系和语义理解，从而显着提高聊天机器人的性能。 情感分析和情感理解。2010 年代，NLP 技术中添加了情感分析和情绪理解。聊天机器人还整合了这些功能，使它们能够识别用户的情绪和情绪，同时做出适当的响应。这一发展增强了聊天机器人提供同理心和个性化交互的能力。 命名实体识别和实体链接。当 Alan Ritter在社交媒体文本上的 NER突破性实验中使用基于常见 Freebase 实体类型的层次结构时，命名实体识别 (NER) 和实体链接的过程也变得更好。 情境理解和对话管理。