聊天機器人：平穩(wěn)發(fā)展、金融成為應用規(guī)模最大領域
聊天機器人主要有兩種，即：任務式機器人和閑聊式機器人。
任務式機器人主要目標是幫助用戶解決帶有特定需求的問題，而閑聊式機器人主要目的是陪用戶閑聊，打發(fā)時間。
聊天機器人：檢索式與生成式的內在邏輯
任務式機器人主要目標是幫助用戶解決帶有特定需求的問題，而閑聊式機器人主要目的是陪用戶閑聊，打發(fā)時間。
當前聊天機器人主要有兩種實現(xiàn)方式：（1）檢索式；（2）生成式。
01.基于檢索的chatbot：
檢索式的方法依賴文本匹配技術，在諸多候選回復中，選擇匹配分數最高的作為回復。
對語料檢索匹配
這種檢索在客服問答領域非常常見，只要用戶給到一個query命中知識庫哪個問題，就將其與語料庫中的對話進行匹配，篩選出用戶可能喜歡最優(yōu)解。
考慮上下文進行評分
經過上一輪檢索匹配，篩選出幾個候選response，需要將上下文考慮進去，從而使得對話看起來比較智能。
由此看出：基于檢索的bot核心思想是從語料庫中尋找最適合的匹配回答，而bot的效果就會被相似計算的特征設計以及語料庫的豐富度影響。
02.基于生成的chatbot：
對于閑聊bot來講，生成模型更像是類似機器翻譯的“編碼-解碼”的生成模式，編碼器讀取對話歷史，解碼器直接生成相應回復。
考慮上下文
每一次模型編碼都要考慮前序編碼結果，每次解碼生成的語句才能考慮了上下文的信息。
考慮情感化
有了情感化的chatbot才更像一個聊天的人而不是bot。這是提高用戶感受的重要因素。
考慮知識/主題
通過查詢數據庫、通過槽位追問得到信息來作為條件限制解碼器的輸出。
加入強化學習DM
由于傳統(tǒng)機器人對話缺乏情感化元素，chat場景與task一樣需要策略管理系統(tǒng)。
由此看出：機器翻譯的結果比較肯定，具有客觀性。而在對話任務上，生成式的輸出結果有一定的多樣性，類似我們做的閱讀理解題目。所以，評估生成式對話的結果是否準確，往往也是一件費時且不易判斷的事情。
生成式的聊天機器人：檢索式與生成式的內在邏輯
總體上說，生成式的聊天機器人確實還存在一些問題，例如不可控性，語料成本昂貴，缺乏工業(yè)實用性等。但是，優(yōu)點也很明顯，例如可玩性， 生成多樣性，發(fā)展趨勢性等。
在目前主流的實際項目應用中，聊天機器人的作用更多地還是增加一些趣味性，彌補任務型或事實問答型機器人的乏味性。也許，有一天，當自然語言理解的能力足夠強大時，生成式機器人會逐漸替代任務型和事實型機器人的工作。
說了那么多理論知識，也該看點有趣的事情了。
遠傳生成式聊天機器人基于閑聊對話算法生成模型基于GPT2模型，訓練語料50萬以上，響應時間不超過300ms，并發(fā)承載200TPS。
