聊天機器人是一個軟件來進行一個在線聊天應用的對話通過文本或文本到語音。聊天機器人系統旨在令人信服地模擬人類作為對話伙伴的行為方式，通常需要進行連續的調整和測試，并且許多生產中的機器人仍然無法充分交談或通過行業標準的圖靈測試。“ ChatterBot”一詞最初是由Michael Mauldin（xxx個Verbot的創建者）于1994年創造的，用于描述這些對話程序。

聊天機器人通常在對話系統中用于各種目的，包括客戶服務，請求路由或信息收集。雖然某些聊天機器人應用程序使用廣泛的單詞分類過程，自然語言處理器和復雜的AI，但其他應用程序僅掃描通用關鍵字并使用從關聯的庫或數據庫獲得的常用短語生成響應。

如今，大多數聊天機器人都可以通過網站彈出窗口或通過虛擬助手（例如Google Assistant、Amazon Alexa）或消息傳遞應用程序（例如Facebook Messenger或WeChat）進行在線訪問。聊天機器人通常分為使用類別，包括：商業（通過聊天進行的電子商務）、教育、娛樂、金融、健康、新聞和生產力。

在最著名的早期聊天機器人中，有ELIZA（1966）和PARRY（1972）。最近著名的計劃包括ALICE、Jabberwacky和DUDE。盡管ELIZA和PARRY僅用于模擬鍵入的對話，但許多聊天機器人現在還具有其他功能，例如游戲和Web搜索功能。

人工智能研究的一個相關領域是自然語言處理。通常，弱AI領域會使用專門為所需的狹窄功能而創建的專用軟件或編程語言。例如，ALICE使用一種稱為AIML的標記語言，該語言特定于其作為會話代理的功能，此后已被所謂的Alicebots的各種其他開發人員所采用。盡管如此，ALICE仍然完全基于模式匹配技術，沒有任何推理功能，與ELIZA早在1966年使用的技術相同。這不是強大的AI，需要精明的知識?和邏輯推理能力。

Jabberwacky基于實時用戶交互來學習新的響應和上下文，而不是從靜態數據庫驅動。最近一些聊天機器人還將實時學習與進化算法結合在一起，這些算法根據每次對話都優化了其交流能力。盡管如此，目前還沒有通用的會話式人工智能，并且一些軟件開發人員專注于實踐方面，即信息檢索。

聊天機器人比賽的重點是圖靈測試或更具體的目標。這樣的年度競賽有兩個，分別是勒布納獎和查特伯挑戰賽（后者自2015年以來一直處于離線狀態，但是仍然可以從網絡檔案中找到資料）。

DBpedia在2017年GSoC期間創建了一個聊天機器人。并可以通過Facebook Messenger進行通信。DBpedia始于2007年，它允許從Wikipedia數據集以及許多其他數據集中提取結構化內容。DBpedia當前是鏈接開放數據（LOD）的xxx代表之一。

許多公司的聊天機器人都在消息傳遞應用程序上運行，或僅通過SMS運行。它們用于B2C客戶服務、銷售和營銷。

2016年，Facebook Messenger允許開發人員在其平臺上放置聊天機器人。在頭六個月中，為Messenger創建了30,000個機器人，到2017年9月，這一數字已上升到100,000。

自2017年9月以來，這也已成為WhatsApp試點計劃的一部分。荷航和墨西哥航空公司都宣布參與測試；兩家航空公司先前都在Facebook Messenger平臺上啟動了客戶服務。

這些漫游器通常顯示為用戶的聯系人之一，但有時可以充當群聊的參與者。

許多銀行、保險公司、媒體公司、電子商務公司、航空公司、連鎖酒店、零售、醫療機構、政府機構和連鎖餐廳已經使用聊天機器人回答簡單的問題，增加客戶參與，并提供從他們那里訂購的其他方式。

2017年的一項研究表明，有4％的公司使用聊天機器人。根據2016年的一項研究，有80％的企業表示他們打算到2020年擁有一家企業。

公司網站上存在前幾代聊天機器人，例如2008年首次亮相的阿拉斯加航空公司的 Ask Jenn或2011年推出的Expedia的虛擬客戶服務代理。新一代的聊天機器人包括IBM Watson支持的“洛奇”，由在2017年2月推出的紐約市為基礎的電子商務公司稀有克拉提供信息給未來的鉆石買家。

營銷人員使用它來編寫消息序列的腳本，與自動響應程序序列非常相似。可以通過用戶選擇加入或在用戶交互中使用關鍵字來觸發此類序列。觸發發生后，將傳遞一系列消息，直到下一個預期的用戶響應為止。在決策樹中使用每個用戶響應，以幫助聊天機器人導航響應序列以傳遞正確的響應消息。

其他公司也在探索內部使用聊天機器人的方式，例如用于客戶支持、人力資源，甚至是物聯網（IoT）項目。據報道，Overstock.com已經啟動了一個名為Mila的聊天機器人，以在請病假時自動化某些簡單但耗時的過程。其他大型公司，例如勞埃德銀行集團、蘇格蘭皇家銀行、雷諾和雪鐵龍，現在都在使用自動在線助手，而不是人工呼叫中心來提供xxx聯系點。自F8以來，一個SaaS聊天機器人業務生態系統一直在穩定增長當Facebook的馬克·扎克伯格（Mark Zuckerberg）宣布Messenger允許聊天機器人進入該應用程序時的發布會。在大型公司中，例如在醫院和航空組織中，IT架構師正在為智能聊天機器人設計參考體系結構，這些體系結構可用于更有效地解鎖和共享組織中的知識和經驗，并顯著減少專家服務臺的答案錯誤。這些智能聊天機器人利用各種人工智能，例如圖像審核和自然語言理解（NLU）、自然語言生成（NLG）、機器學習和深度學習。

許多高科技銀行組織正在尋求將基于聊天機器人等基于AI的自動化解決方案集成到其客戶服務中，以便為越來越熟悉技術的客戶提供更快，更便宜的幫助。特別是，聊天機器人可以有效地進行對話，通常可以替代其他通信工具，例如電子郵件、電話或SMS。在銀行業務中，它們的主要應用與快速的客戶服務，答復常見請求以及交易支持有關。

多項研究報告稱，客戶服務成本已xxx降低，預計在未來10年將節省數十億美元的經濟。2019年，Gartner預測，到2021年，全球所有客戶服務交互中的15％將完全由AI處理。Juniper Research在2019年的一項研究估計，到2023年，基于聊天機器人的互動所產生的零售額將達到1,120億美元。

自2016年Facebook允許企業通過聊天機器人提供自動化的客戶支持、電子商務指導、內容和交互式體驗以來，Facebook信使平臺已開發了多種聊天機器人。

2016年，總部位于俄羅斯的Tochka Bank推出了全球首款Facebook機器人，提供一系列金融服務，其中包括付款的可能性。

2016年7月，巴克萊非洲還推出了一個Facebook聊天機器人，使其成為非洲xxx家這樣做的銀行。

法國總資產排名第三的銀行法國興業銀行于2018年3月推出了其聊天機器人SoBot。雖然有80％的SoBot用戶對其進行了測試，但他們對此表示滿意，但法國興業銀行副總監Bertrand Cozzarolo表示，它將永遠不會取代由人類顧問提供的專業知識。

使用聊天機器人在銀行中與客戶進行交互的優勢包括降低成本、財務建議和24/7支持。

聊天機器人也出現在醫療保健行業中。一項研究表明，美國的醫師認為，聊天機器人對于安排醫生約會，尋找健康診所或提供藥物信息將是最有益的。

某些患者群體仍然不愿意使用聊天機器人。一項混合方法研究表明，由于對技術復雜性的了解不足，缺乏同情心以及對網絡安全的擔憂，人們仍然不愿意使用聊天機器人進行醫療保健。分析顯示，雖然有6％的人聽說過健康聊天機器人，而有3％的人有使用過該聊天機器人的經驗，但67％的人認為自己很可能在12個月內使用了它。大多數參與者將使用健康聊天機器人來查找一般健康信息（78％）并尋找本地健康服務（80％）。但是，人們認為健康聊天機器人不太適合尋求醫學檢查結果和尋求專家建議（例如性健康）。對態度變量的分析表明，大多數參與者報告說他們傾向于與醫生討論他們的健康狀況（73％），并且能夠獲得可靠而準確的健康信息（93％）。盡管80％的人對可以改善健康狀況的新技術感到好奇，66％的人報告只有在遇到健康問題時才去看醫生，還有65％的人認為聊天機器人是個好主意。有趣的是，有30％的人表示不喜歡與計算機交談，有41％的人認為與聊天機器人討論健康問題很奇怪，約有一半的人不確定他們是否可以相信聊天機器人的建議。因此，感知到的信任度，個人對機器人的態度以及不喜歡與計算機交談是健康聊天機器人的主要障礙。

聊天機器人還被并入了并非主要用于計算的設備中，例如玩具。

Hello?Barbie是玩偶的互聯網連接版本，使用的是ToyTalk公司提供的聊天機器人，該聊天機器人以前將聊天機器人用于各種基于智能手機的兒童角色。這些角色的行為受到一組規則的約束，這些規則實際上是模仿特定角色并產生故事情節。

在我的朋友凱拉娃娃銷售作為一個線的18英寸的玩偶它采用語音識別技術結合的安卓或iOS的移動應用程序識別孩子的發言，并進行對話。由于該玩具娃娃的藍牙堆棧存在漏洞，并且使用了從孩子的語音中收集的數據，因此它像Hello Hello娃娃玩具一樣引起了爭議。

IBM的Watson計算機已被用作基于聊天機器人的教育玩具的基礎，例如CogniToys等公司旨在與兒童互動以進行教育的公司。

惡意聊天機器人通常用于模仿人類行為和對話，或者誘使人們泄露諸如銀行帳號之類的個人信息，從而在聊天室中充斥垃圾郵件和廣告。它們通常在Yahoo!上找到。Messenger、Windows Live Messenger、AOL Instant Messenger和其他即時消息協議。約會服務網站上還發布了一個聊天機器人在偽造的個人廣告中使用的報告。

Tay是一個AI聊天機器人，可以從以前的交互中學到東西，由于它被Twitter上的互聯網巨魔作為目標而引起了很大的爭議。該機器人已被利用，并在16小時后開始向用戶發送極具攻擊性的推文。這表明，盡管該僵尸程序可以從經驗中有效地學習，但仍未采取足夠的保護措施來防止濫用。

如果文本發送算法能夠以人類而不是聊天機器人的身份冒充他人，則其消息將更加可信。因此，具有精心設計的在線身份的仿人聊天機器人可能會開始散布看似合理的虛假消息，例如在總統大選期間做出虛假聲明。有了足夠的聊天機器人，甚至有可能獲得人工社會證明。

聊天機器人的創建和實現仍然是一個發展中的領域，與人工智能和機器學習密切相關，因此所提供的解決方案雖然具有明顯的優勢，但在功能和用例方面卻存在一些重要限制。但是，隨著時間的推移，這種情況正在發生變化。

下面列出了最常見的：

• 由于用于生成輸出的數據庫是固定且有限的，因此聊天機器人在處理未保存的查詢時可能會失敗。
• 聊天機器人的效率高度依賴于語言處理，并且由于口音和錯誤等違規行為而受到限制，這些違規行為可能會給國際和多元文化組織造成重要障礙。
• 聊天機器人無法同時處理多個問題，因此對話機會有限。
• 聊天機器人需要大量的會話數據進行訓練。
• 聊天機器人難以管理必須與用戶就某個主題進行往返的非線性對話。
• 正如通常在現有服務中由技術主導的更改所發生的那樣，由于對聊天機器人的了解有限，因此某些消費者（通常不是老一代）對聊天機器人感到不舒服，這很顯然使機器正在處理他們的請求。

聊天機器人越來越多地出現在企業中，通常被用來自動化不需要基于技能的人才的任務。隨著通過消息傳遞應用程序和電話進行客戶服務，越來越多的用例中，聊天機器人的部署為組織帶來了明顯的投資回報。呼叫中心工作人員可能特別容易受到AI驅動的聊天機器人的威脅。