创建一个AI聊天机器人，它可以学习如何聊天，而无需学习如何回答用户提出的每个问题

Question

我的代码是这样的，它只能识别特定的问题……否则它会问你答案。但我希望它能够学习并尝试自我回答我的新问题。

示例：

input("hello")

output("Hi, how are you?")

在不教ai聊天机器人如何响应"hi“的情况下，我希望它也能够响应。

像这样：

 input("Hi")

 output("Hello, how are you?")

这对我来说非常困难，这就是为什么我要求得到答案。

我当前的代码：

said = []
output = []
text = ""

global n

while True:
    text = input("Say something: ")
    if not(text == ""):
        if not(text == "print(input, output)"):
            input_contain = text.lower() in said

            if input_contain:
                n = 0
                found = False
                while not found:
                    if said[n] == str(text.lower()):
                        print(output[n])
                        found = True
                    else:
                        n = n + 1
            else:

                output_add = input("What should I respond to that? ")
                if not output_add == "":
                    said.append(text.lower())
                    output.append(output_add)
                else:
                    print("Error in output")
        else:

            for qn in said:
                if not qn == int(len(said)) - 1:
                    print(str(qn), end=", ")
                else:
                    print(qn)

            for out in output:
                if not out == int(len(output)) - 1:
                    print(str(out), end=", ")
                else:
                    print(out)

    else:
        print("Error in input") 

Answer 1

如果您有一组预先构建的响应，例如"Hi，how are you"，您可以为这些响应构建一组适当的提示问题，并比较用户输入和已知提示问题之间的相似性(例如，使用spacy nlp)。

您可以采用最高的相似提示问题，以便识别之前映射到响应的最相似的问题-然后回答该问题的答案，作为响应。

例如，"Hello“和"Hi”的相似度(0.9左右)比"Hello“和"What is a scary animal?”要高得多。do (接近0)..

所以如果你有

“什么是可怕的动物？”==>“老虎”

“嗨”=>“你好，你好吗？”

"Hello“会将0.9映射为"Hi”，而将接近0的值映射为"What is a scary animal"，因此请选择“Hello”的答案，即"Hello，how are you?“

“什么是凶猛的动物”会更接近于“什么是可怕的动物”，所以选择老虎吧。

为了允许您的程序改进，您需要将映射保存在某个位置并添加更多映射。这就是GOFAI聊天机器人的工作原理

Answer 2

机器学习是一种统计机制。这里有一个有点相关的链接："Estimate" the amount of training needed in advance

就我个人而言，这不是“智慧”。想象一下，当用户说了一些要在将来的问题中重用的事情时，必须在现场重新训练机器人。

还有另一种以聊天机器人的方式回答问题的方法，称为自然语言处理(请查看stackoverflow标签NLP)。特别是，逻辑/语义处理可以将用户输入分解为其组成部分，并从中开发出适当的响应。