用AIML开发人工智能聊天机器人
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。
| 123456789101112131415161718192021 | <aiml version=\”1.0.1\” encoding=\”UTF-8\”> <!— std–startup.xml —> <!— <category> 作为AIML的原子级单元 —> <category> <!— 匹配用户输入的模式 —> <!— 如果用户输入 \”LOAD AIML B\” —> <pattern>LOAD AIML B</pattern> <!— <Template> 用来响应模式 —> <!— <learn>是一个aiml文件 —> <template> <learn>basic_chat.aiml</learn> <!— 在这下面你能添加更多的aiml文件 —> <!—<learn>more_aiml.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。
| 123456789101112131415161718 | <aiml version=\”1.0.1\” encoding=\”UTF-8\”><!— basic_chat.aiml —> <category> <pattern>HELLO</pattern> <template> Well, hello! </template> </category> <category> <pattern>WHAT ARE YOU</pattern> <template> 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。
| 12345678910111213141516 | <category> <pattern>ONE TIME I *</pattern> <template> <random> <li>Go on.</li> <li>How old are you?</li> <li>Be more specific.</li> <li>I did not know that.</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> <li>What is it?</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。
| 12345678910 | 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。
| 1234567891011121314 | import aimlimport 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。
| 123456789 | 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()。
| 12 | sessionId = 12345kernel.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。