用AIML开发人工智能聊天机器人

842 查看

借助 Python 的 AIML 包，我们很容易实现人工智能聊天机器人。AIML 指的是 Artificial Intelligence Markup Language （人工智能标记语言），它不过是简单的可 XML （扩展标记语言）形式。本文的示例代码将带你初步领略如何借助 Python 创建属于你的人工智能聊天机器人。

AIML 是什么？

AIML由Richard Wallace发明。他设计了一个名为 A.L.I.C.E. （Artificial Linguistics Internet Computer Entity 人工语言网计算机实体）的机器人，并获得了多项人工智能大奖。有趣的是，图灵测试的其中一项就在寻找这样的人工智能：人与机器人通过文本界面展开数分钟的交流，以此查看机器人是否会被当作人类。AIML是一种为了匹配模式和确定响应而进行规则定义的 XML 格式。

关于 AIML 详细的初级读物，可翻阅 Alice Bot’s AIML Primer。你同样可以在 AIML Wikipedia page了解更多 AIML 的内容以及它能够做什么。我们首先将创建 AIML 文件，并用 Python 赋予它生命。

创建标准的启动文件

创建一个启动文件 std-startup.xml 作为读取AIML文件的主入口点是标准做法。在这里，将创建了一个初始文件用来匹配一种模式和进行一个动作。我们想匹配模式 load aiml b ，并且使它载入我们的 aiml 大脑作为响应。我们将即时创建 basic_chat.aiml 文件。

<learn>basic_chat.aiml</learn>

</template>

</category>

</aiml>

创建 AIML 文件

上面我们已经创建了只有一种模式句柄的 AIML 文件，load aiml b。当我们通过命令行运行这个机器人，它会尝试读取 basic_chat.aiml。除非我们已经完成创建，否则载入失败。下面的示例代码将告诉你 basic_chat.aiml 文件可以加入什么。我们将匹配两种基础的模式和响应。

<pattern>HELLO</pattern>

Well, hello!

</template>

</category>

I'm a bot, silly!

</template>

</category>

</aiml>

随机响应

你同样可以像下面的示例代码一样添加随机响应。当接收到“One time I”开头的信息（message），通配符“*”可以进行模糊匹配。

<li>Be more specific.</li>

<li>Are you telling the truth?</li>

<li>I don't know what that means.</li>

<li>Try to tell me that another way.</li>

<li>Are you talking about an animal, vegetable or mineral?</li>

</random>

</template>

</category>

借助已有的 AIML 文件

编写属于自己的 AIML 文件当然充满乐趣，但工作量也不小。我认为在它（机器人）能感知现实之前至少需要 10,000 中模式。所幸，ALICE基金会已经免费提供了部分 AIML 文件。Alice Bot website 可浏览这些文件。有一种说法是 std-65-percent.xml 包含了 65% 最常用的短语。还有一种说法是它可以让你和机器人玩二十一点。

运用 Python

目前为止，所有 XML 格式的 AIML 文件都准备好了。作为机器人大脑的组成部分，它们都很重要，不过目前它们只是信息（information）而已。机器人需要活过来。你可以借助任何语言定制 AIML，但某些好心人已经用 Python 这么做了。

首先用 pip 安装 aiml 包。

1	pip install aiml

注意，aiml 包只能在 Python2 环境下运行。也可以选择 Py3kAiml on GitHub

最简单的 Python 程序

我们可以用如下最简单程序入门。它创建了 aiml 类，学习启动文件，然后读取其余 aiml 文件。接下来，它已经准备好聊天了，我们也进入了一个不断提示用户输入信息的死循环。你需要输入一个机器人能识别的模式。模式的识别取决于你载入的 AIML 文件。

因为我们建立启动文件作为独立实体，所以我们稍后可以对机器人添加更多 aiml 文件而不需要调试任何程序的源代码。只有在 xml 格式的 starup 下，我们才能添加更多文件。

import aiml

# 创建Kernel()和 AIML 学习文件

kernel = aiml.Kernel()

kernel.learn("std-startup.xml")

kernel.respond("load aiml b")

# 按组合键 CTRL-C 停止循环

while True:

print kernel.respond(raw_input("Enter your message >> "))

加速大脑载入

当你渐渐有了许多 AIML 文件，机器人就需要很多时间去学习。这就需要大脑文件的介入了。在机器人学习完所有 AIML 文件后，它可以直接以文件形式存储大脑，再次运行时可以大大提升载入时间。

import aiml

import os

kernel = aiml.Kernel()

if os.path.isfile("bot_brain.brn"):

kernel.bootstrap(brainFile = "bot_brain.brn")

else:

kernel.bootstrap(learnFiles = "std-startup.xml", commands = "load aiml b")

kernel.saveBrain("bot_brain.brn")

# kernel()已经等待使用了

while True:

print kernel.respond(raw_input("Enter your message >> "))

运行时重载 AIML

运行时，你可以发送载入信息给机器人，接着将会重载 AIML 文件。注意你是否像上文那样使用了大脑方式，飞速重载不会造成大脑有新的变化。你要么删除大脑文件，以便下次启动时重建；要么修改代码，以便重载后的某一时刻能够储存大脑。下一节将利用新建 Python 命令来让机器人执行这些操作。

1	load aiml b

添加 Python 命令

如果你想通过运行 Python 函数来为机器人添加一些特别的命令，那么你应该在发送 kernel.respond() 函数前截取输入信息并处理。在上述的例子中，我们借助 raw_input 函数获取用户的输入。由此我们无论如何都能获取我们的输入信息。可能好似一个 TCP 套接字（socket），或者使声源转换成文本源。你也许不想 AIML 处理对于某些信息。因此在它们传递给 AIML 时处理。

while True:

message = raw_input("Enter your message to the bot: ")

if message == "quit":

exit()

elif message == "save":

kernel.saveBrain("bot_brain.brn")

else:

bot_response = kernel.respond(message)

# bot_response() 回复某些信息

会话和谓词（Predicates）

通过指定会话，AIML 能根据不同对话者随机应变。举个例子，如果某人告诉机器人他们叫 Alice，另一个人则告诉机器人它叫 Bob，机器人可以分清他们。指定你需要的会话，将它作为第二个参数传递给 respond()。

1 2	sessionId = 12345 kernel.respond(raw_input(">>>"), sessionId)

和每个客户都能有个性化的对话——这棒极了。你不得不生成你特有的会话ID并追踪。记住保存大脑文件不要保存所有的会话值。