背景
人工智慧（AI）研究近些年來進展頗豐。機器人越來越聰明，甚至還有了新名字——“超級智慧”。對我們人類來說，我們該如何與這些新朋友交流呢？答案是對話系統。
圖 1：對話系統是 2017 年十大戰略性技術趨勢之一（https://letstalkpayments.com/conversational-systems-will-enable-businesses-of-the-future-to-be-invisibly-present-through-time-and-space/）
對話系統的歷史
圖 2：對話系統發展史 [1]
圖 2 展示了對話系統的發展史。LUNAR、SHRDLU、ELIZA 等一些早期的自然語言對話系統可以透過句法分析和語義分析“理解”說話人的話語。
LUNAR [2] 是一個原型設計的自然語言問答系統，可幫助月球地質學家獲取對月球岩石和土壤成分的化學分析資料。其採用了使用啟發式/語義資訊的句法分析來選擇最有可能的解析方式（使用了擴充轉移網路語法（Augmented Transition Network Grammar））。
SHRDLU [3] 是一款早期的自然語言理解計算機程式，由 MIT 的 Terry Winograd 在 1968–1970 年開發。其使用者可以與計算機進行對話，從而在一個簡化的“積木世界”中移動目標、命名集合以及查詢狀態。這個“積木世界”本質上是一個充滿了不同積木的虛擬盒子。其開發的基礎是：研究者相信“計算機只有在理解了其所討論的主題之後才能處理語言”。
然後，故事理解和生成系統出現了。這些系統可以根據人類話語推斷動作、動作執行者和物件。這些系統有幾種不同型別：基於指令碼的理解、基於規劃的理解、動態記憶和故事講述。下面給出了這些型別的一些典型對話系統。
- 基於指令碼的理解：SAM（Script Applier Mechanism）[4]、FRUPM [5]
- 動態記憶：IPP [6]、BORIS [7]、CYRUS [8]
- 故事講述：TALE-SPIN [9]
然後進入了 1980 年代，早期的語音對話系統開始冒頭了。“Hearsay-II 語音理解系統”根據知識源整合了不同層面的資訊處理，這些資訊來源是根據黑板模型（blackboard model，圖 3）協調的，其中涉及：引數、分段、音節、詞、詞序列、短語和資料庫介面。其結合了自上而下（假設驅動的）和自下而上（資料驅動的）的處理方法。
圖 3：黑板模型 [10]之後，研究者設計出了越來越複雜的對話系統，並且取得了很大的成功，將早期的語音對話系統改進成了有身體的對話智慧體/智慧虛擬人（圖 4）。
圖 4：具身式對話智慧體 REA（Real-Estate Agent/房地產經紀人）[11]。
但研究者不會就此止步：他們還試圖讓系統能理解情緒。情感計算（affective computing）是設計情緒智慧的一個原理，可根據同伴的情感狀態改變行為。
到了 2000 年代，對話系統已經具備了各種必需的基本功能，支援互動式往復對話（不只是回答問題，而且還能提問題），能識別互動和延遲的成本，能有效地管理中斷，還能獲取互動中社交和情緒方面的資訊。這些之前的出色研究工作非常有價值，並且構建了當前的對話系統。