带你读《实用Bot开发指南：基于Node.js与Bot框架设计并构建聊天机器人》之二：聊天机器人与自然语言理解

丰富的线上&线下活动，深入探索云世界

做任务，得社区积分和周边

最真实的开发者用云体验

让每位学生受益于普惠算力

让创作激发创新

资深技术专家手把手带教

遇见技术追梦人

技术交流，直击现场

海量开发者使用工具、手册，免费下载

极速、全面、稳定、安全的开源镜像

开发手册、白皮书、案例集等实战精华

为开发者定制的Chrome浏览器插件

NLP领域的开端可以追溯到艾伦·图灵（AlanTuring）时期，特别是图灵测试—一种确定机器是否能被认为具有人类智能的测试。在图灵测试中，测试者向两个被测试者提出一系列问题，被测试者对问题进行回复，其中一个被测试者是人，另一个是计算机。对于两个被测试者的回答，如果测试者无法判断哪个是人哪个是计算机，那么该计算机就通过了图灵测试。尽管目前有一些系统声称能够通过图灵测试，但最终都被认为并不成熟。另外，还有些批评者认为，让机器人做到使人类相信它是人类和理解人类的语言输入是截然不同的两件事。我们要通过图灵测试可能还需要好几年。自然语言处理领域最著名的成功案例之一是Eliza，Eliza在20世纪60年代中期由心理学家JosephWeizenbaum开发，它是一个能模拟和人进行对话的聊天机器人，虽然简单但让人感觉很智能。Eliza由一个脚本驱动，该脚本根据输入的关键字为输入计算出一个得分，依据得分的输入匹配一个输出，Eliza的机制与后文Bot框架中的识别器不同。在网上我们能找到用JavaScript实现的Eliza，如图2-1所示。除了Eliza，技术人员还开发过很多相似的系统，也都取得了不同水平的成功。

语义分析的任务是在自然语言输入中发现语言的含义。语义分析任务在聊天机器人中有很多具体的应用，包括：

如果我们打算在机器人开发中运用自然语言理解，则在评估解决方案时需要考虑几个功能。NLU中最简单的基本功能是识别自定义意图和实体的能力，此外以下功能在选择NLU时是必须考虑的：

目前，科技巨头公司将机器学习部署在云上作为服务提供给用户，机器人所需的基本功能都可以通过部署在云端的机器学习服务获得。从实际角度来看，这样做有很多好处：开发人员不必关心为某一问题（比如分类）选择最佳算法，不需要扩展实现，同时云还为开发者提供了有效的用户界面和功能升级，并且优化也是无缝的。如果开发者要创建机器人并需要提供分类和实体抽取功能，则使用基于云的服务是最佳选择。在撰写本书时，以下是一些部署在云端的自然语言理解系统：

下一章我们会对NLU做深入探索，届时我们将使用LUIS进行介绍。作为一个纯粹的NLU系统，LUIS具有显著的优势，特别是在Bot框架集成方面。虽然目前NLU领域的基准测试不多，但LUIS是市场上表现最好的NLU系统之一。

一些较大的公司也推出了自己的自然语言理解产品，比如IPsoft的Amelia和Nuance的Nina。商业产品通常经过多年开发，非常先进，一些公司专注于IT或过程自动化，一些公司专注于企业内部使用案例，一些公司专注于特定的垂直行业，一些公司则完全专注于围绕特定用例的预建NLU模型。此外，在某些产品中，我们可能需要通过专有语言编写和实现机器人。最后，企业所要做的决策是购买NLU服务还是自己构建NLU服务的两难选择。一些提供特定业务解决方案的公司在市场上已经存活了很久，但随着IBM、亚马逊、微软、谷歌和Facebook投入这一领域开发，财务支持较少的公司的发展可能会受阻。我认为会有更多提供特定业务解决方案的公司利用科技巨头提供的产品在专门的NLU和机器人解决方案方面进行创造和创新。

我们真正看到了人工智能在NLU领域的普及。多年前，机器人开发人员必须选择一个已经存在的NLU和一个机器学习库来创建一个像现在这样可以直接从云端获得服务并进行使用的系统。现在，创建一个集成了NLU、情感分析和指代消解的机器人非常容易。科技巨头正在挖掘这个空间，为他们的开发者提供工具，为他们自己的平台建立对话体验。这对于开发者而言是利好消息，因为这意味着竞争将继续推动该领域的创新。随着该领域研究的进展，分类、实体抽取和主动学习的改进将提高NLU系统的性能，机器人开发人员亦可从中获益。