三从零开始做聊天机器人 ---- 整句搜索型机器人(二) _机器人

如果在人输入不同的句子的时候,回答永远是永恒不变得一句话,对话会显的很死板。事实上，在日常对话中，对于同一个问题不同的人的回答不同，但是他们的意思却是相同的，我们都能明白。所以在这里，也可以在回答文中引入同义文。
在这里，我需要再一次强调我们的机器人制作理念。在机器人能够自我更改人编写的高度复杂的预定义脚本之前，我们永远能做的只有拟人。所以我们引入了回答文同义文。为的是让机器人的回答看上去稍微自然一点儿。
如图四所示，展示的是一个从Qn(E1,E2,...,En)到An(E1,E2,...,En)的映射。
【三从零开始做聊天机器人 ---- 整句搜索型机器人(二)】

文章插图
图四
这个时候，我们发现了一个和数学相关的很有趣东西：对话，其实就是映射；机器人，其实就是模式识别。当这个识别用的数据库有序的积累到达一定的复杂度得时候，就产生了智能。
假想，如果我们把所有可能的对话都列出来，人所说的任何一句话用于属于集合Qm，我们永远可以找一个Qm到Am的映射，那么这个机器人就达到了拟人的巅峰，可以通过图灵测试了。
其实如果数据存储空间足够大，和无穷无尽的人力资源，到这里我们就已经实现了人工智能对话机器人。但是为什么没有人这么做呢？假想，中文有10000个汉字，如果一句话由10个字组成，那么就有1.e+40种可能，一个汉字为2byte，那么就需要9.5e+33兆的空间来存储，我们没有那么大的存储空间，更不用说我们没有人力做出如此多的集合映射。
所以我们只有把整句切分为小一些的元素，通过提高计算复杂度来降低对存储空间和人力的需求。

三 从零开始做聊天机器人 ---- 整句搜索型机器人(二)

三从零开始做聊天机器人 ---- 整句搜索型机器人(二)