自1956年人工智能相关概念在美国达特茅斯会议(Dartmouth Conference)上被提出以来，“让机器拥有甚至超越人类水平的智能”成为人工智能研究领域的终极使命，而设计出接近于真实人类对话交流能力的聊天机器人成为该领域的主流研究方向之一，自然语言处理能力及图灵测试(The Turing Test)则成为衡量人机交流水平的决定性标尺。因此，基于计算机自然语言处理能力所处的不同层级，可将聊天机器人智能化发展进程大体划分为下述四个时期。
聊天机器人智能化发展的第一个时期是20世纪60至80年代，主要采用“词典+规则”(dictionary/lexicon + rule)的自然语言处理范式，以麻省理工学院人工智能实验室的计算机科学家约瑟夫·维森鲍姆(Joseph Weizenbaum)1966年发明的伊丽莎(ELIZA)与斯坦福大学精神病学家肯尼思·科尔比1972年撰写的帕里(PARRY)为智能聊天机器人的早期典型代表。二者虽然均较为成功的实现了在英语语境下，对人类提问中的部分关键词做出特定回应，但在人机交流过程中，机械化、程式化特征明显。此后十几年内所诞生的诸如瑞克特(Racter)、专家系统(Expert System)、尤内克斯顾问(UNIX Consultant)等一系列聊天机器人，基本延循了伊丽莎与帕里的设计思路与技术原理。在这一时期，原始的编程语言、简短的程序代码、存储在计算机内存中容量有限的数据库以及基于关键词匹配人工编写回复的技术原理，极大地制约着人机交流效果。
第二个时期是20世纪90年至21世纪初，以美国科学家兼慈善家休·勒布纳(Hugh G. Loebner)1990年设立的勒布纳人工智能奖(Loebner Prize)为标志性起点。在该奖项激励下，聊天机器人智能化进程全面提速，诞生出了基于“统计模型”(statistical models)自然语言处理范式的阿尔伯特一号(Albert One)、爱丽丝(ALICE)及埃尔伯特(ELBOT)等典型代表。其中，爱丽丝被视为当时智能化程度最高的聊天机器人，分别于2000年、2001年、2004年三次问鼎勒布纳奖。尽管爱丽丝通过拥有大量将输入模式匹配到输出模式的简单规则来弥补形态、句法和语义处理模块的不足，提升对话功能，但基于AIML(Artificial Intelligence markup Language)构建的闲聊系统无法与人维持长时间对话，因此在一定程度上导致了它最终未能通过图灵测试。
第三个时期是21世纪初至20年代，以苹果Siri、微软Cortana、谷歌Google Assistant以及亚马逊Alexa等服务于私人用户的数字助理为代表。这一时期的智能聊天机器人基于“深度学习模型”(deep learning models)的自然语言处理范式，采用语音识别与信息检索技术，能够为用户提供个性化和便捷性的服务。相较于前两个时期，此时的智能聊天机器人已经能够初步实现人机的双向交流，既能被动接受由人类通过热词触发的对话，也能主动把握人机交流机会，如适时提供临近事项提醒、根据上下语境推荐产品和服务等。然而必须指出的是，虽然此时的智能聊天机器人对话应用场景更加泛化、深化，但依旧与接近于真实人类对话交流能力存在较大差距。例如，对于不能直接回答的请求，数字助理智能聊天机器人往往会爬取网页上的相关信息，以链接的方式推出，让用户自行寻找，人工智能瞬间变为了“人工弱智”，高效的人机交流备受阻碍。
第四个时期是20世纪20年代，以采用“预训练+微调”(pre-training + fine-tuning)自然语言处理范式的生成式人工智能ChatGPT为标志性代表。ChatGPT所使用的语言模型——LLM(Large Language Model)，包含了超千亿规模的模型参数、超强大的算力运行效能以及人类反馈的强化学习技术(Reinforcement Learning with Human Feedback,RLHF)，这使其能在不断自主学习之中强化语言生成能力，在不同情境之下正确理解语义并实现高质量文本生成，实现输出文本与用户需求和认知的一致性，从而实现与用户持续稳定的对话。ChatGPT升级版GPT4在大型语言模型上进一步创新，实现了多模态，支持文本和图片的双形态输入，能在读懂文本的同时理解图片内涵，进一步拓展了人机交流的维度。纵观媒介沿革史，人类在与媒介的触达方式和情感体验方面已经从文本演进至视觉、从游离转向沉浸、从现实拓展至虚实。因此，不难想象，在走向通用人工智能(Artificial General Intelligence，AGI)技术的途中，视觉化的多元互动、沉浸式的深度体验、融合性的虚实环境都将成为人机交流场景下必不可少的要素，届时人机交流能力将呈现爆炸式增长。(作者系中国传媒大学新媒体研究院助理研究员 硕士生导师)