浅谈Chatbot的架构模型和响应机制

不知您是否已注意到：人工智能已经不再是少数科技公司的初级原型产品了。在许多服务类行业中，带有人工智能的聊天机器人(Chatbot)正在逐步取代人工客服，提供及时、周到、互动的服务。通过机器学习的相关技术，各类企业已将聊天机器人视为，最受欢迎的客户服务和业务流程的自动化工具之一。本文将向您简单介绍聊天机器人的基本架构模型和响应机制。

聊天机器人的不同架构类型

聊天机器人的架构模型通常是根据开发的核心目标所决定的。在普遍应用中，我们可以采用两种类型的响应方式，它们分别是：

1. 按照机器学习模型从头开始生成响应。
2. 使用启发式方法从预定义的响应库中选择适当的响应。

生成模型(Generative Models)

如下图所示(下文中出现的图像均源自pavel.surmenok)，此类模型可用于通过原生的方式，开发出相当的高级智能化机器人。不过，由于它在实现中需要复杂的算法，因此这种聊天机器人在实际高并发量的场景中很少被使用到。
同时，其生成的模型比较难以构建和开发。为了培训此类机器人，开发人员需要花费大量的时间和精力，包括提供数百万种示例。虽然我们可以让深度学习的相关模型参与到对话的应用场景中，但是仍然无法确保此类模型能够生成正确的响应结果。

基于检索的模型(Retrieval-Based Models)

如下图所示，此类聊天机器人架构模型相对于上述生成模型更易于构建，也更加可靠。虽然无法实现100%的准确响应，但是您可以通过它来获悉可能的响应类型