人工智能引擎

eggsoftw

之前我在本论坛发过一张关于人工智能项目的帖子，不过响应的人不多哦。

现在Beta 1a 出来了，经过测试以后，发现每秒钟平均可以匹配 4.7万个句子。我个人觉得这样的效率是比较低的。不知道各位的意见如何？由于没有同类对比，我不知道其他的每秒钟匹配多少个句子。

提高效率的方法是有的，但是不知道是否需要提高效率。还是这样就已经够了。希望大家给出意见。谢谢。迟点将会公开给大家使用

Artvine

請問Demo在哪？否則不敢提意見。個人覺得中文AIML難處不在技術，在於母本的圖靈測試。

小虾

哈哈，小兄弟还真不错，搞了个demo啊，先贺一个哈。
我谈谈我的看法啊，供你参考一下：
以自然对话进行的人机交互系统实现的难易取决于对其性能的要求，举例来说：
输入：你吃饭了吗
系统：吃了
这是最简单的系统，只要建立起用户输入和系统反应之间的映射关系，用最简单的字符串匹配就可以搞定。
下面我将从两个方面来阐述性能提高的过程也就是系统复杂性增加的过程。
（1）能够更加灵活的匹配用户输入
和“你吃饭了吗”具有相同语义的句子还可以说“饭，你吃了吗”，“你饭吃了吗”
和“你吃饭了吗”具有类似语义的句子还有”你吃早饭了吗“，”你吃午饭了吗“，”他吃午饭了吗“等等。
上面我通过句子的词序不同，谓语的宾语不同，以及谓语的主语不同，展现了同在”吃“这个语义的支配下，句子表现形式的多样化特点，其实质是个排列组合的问题，对于刚才我们描述的情况，可以匹配的句子的个数是：语序数×主语数×宾语数。这也就是一个规则的建立过程，对应三条规则：”A吃B了吗” “B，A吃了吗” “AB吃了吗” 其中A：吃的主体集合，B：吃的对象集合
在上面描述的基础上还可以做进一步的语义约束，比如牛和人都是A中的元素，草和早饭都是B中的元素，但是常识告诉我们人是不吃草的，那么上面建立的规则就陷入了不正确的困境，要解决这个问题可以将A进一步分为可以吃草的主体A1和不吃草的主体A2，B也可以做类似的划分。这个例子说明了进一步的语义约束导致了规则的增加。
顺着这个思路延伸下去，可以进一步增加语义约束，可以乐观的预计规则数目也进一步增加，但是当规则系统达到一定规模时，彼此之间发生冲突的可能性也大大增加，为了解决这个问题又要引入更进一步的机制，比如规则的有序化。
上面句子的匹配问题由简单到复杂的过程是：
同一语义对应多个句子－》具有语义约束－》具有更多的语义约束
所需技术的复杂程度也由简单到复杂：
规则系统－》扩大了规则系统－》规则系统的有序化
（2）更加丰富的反应模式
最简单的情况是只要回答“吃了”，“没吃”。
可以考虑加入时间属性，例如10点钟时，系统的更加人性化的回答是“都10点了，早吃过了”，“呵呵，你是说吃早饭还是，午饭啊”等等
再进一步加入感情因素：可以回答“你烦不烦啊，整天就知道吃”，或者“谢谢啊，早吃过了”。
可以这么设想，每增加一项属性，就需要增加一项内在的决策机制，以便选取最优的应答。实际上由于对话者当时状况，对话过程的上下文因素，这个决策过程同样是比较复杂的。

综上所述，我的观点是软件需求决定实现方案，特别是对于这类显得很神秘的“人工智能”，一定要明确所期待的性能。另外提醒一下就是要对这样的对话系统的难度有充分的估计，如果是兴趣的话，那没有问题，它给你提供了一个天马行空的发挥的场所，如果希望出成果的话，坦率的讲这不是个好的方向。

另外坛子里多处提到AIML，其实它就对应上面我在（1）中所述的第2个阶段，是一个规模相对较大的规则系统，技术上比较基础，对于初学者应该是个比较好的着手点。