历史说明

关于对话的语言学、哲学和心理学文献极其丰富。例如，“会话话语是说话者实施的一种行动”这一思想最初来自哲学家 Wittgenstein（1953），随后由 Austin（1962）及其学生 John Searle 作了更完整的阐述。多年来，研究者定义了多种言语行为集合，形成了丰富的语言学和哲学文献，其中尤其关注如何解释间接言语行为的使用。

对话行为的思想还来自许多其他源头，包括会话分析领域提出的相邻对、前置序列及人类会话互动属性的其他方面；该领域的导论可参见 Levinson（1983）。行为会建立强烈的局部对话预期，这一观念也已由 Firth（1935，第 70 页）在一段著名论述中预示：

日常生活中，会话的大部分你来我往都是程式化的，并受到我们特定文化类型非常狭窄的制约。它是一种大致规定好的社会仪式；通常，无论以何种方式，你都会说出对方预期你说的话。

另一条重要研究路线把对话建模为一种协作行为，其中包括共同基础（Clark and Marshall, 1981）、作为协作过程的指称（Clark and Wilkes-Gibbs, 1986）、共同意图（Levesque et al., 1990）和共享计划（Grosz and Sidner, 1980）等观念。

最早的会话系统是 ELIZA（Weizenbaum, 1966）一类简单的“模式—动作”聊天机器人。ELIZA 广泛影响了公众对人工智能的看法，也引发了自然语言处理领域最早的一批伦理问题，例如隐私问题以及算法在决策中的作用。这促使其创造者 Joseph Weizenbaum 倡导人工智能乃至整个计算机科学领域的社会责任。

对话的计算实现理论在 20 世纪 70 年代蓬勃发展。该时期出现了极具影响力的 GUS 系统（Bobrow et al., 1977）；它在 70 年代后期确立了框架式范式，此后 30 多年间，这一范式一直是工业对话系统的主流。

同一年代的另一条重要研究路线聚焦于对话层级结构的建模。Grosz 在 1977 年的开创性博士论文中首次指出：“任务导向对话的结构与正在执行的任务结构高度平行”（第 27 页）。这促成了她与 Sidner 等人的后续工作：利用类似的意图和计划概念，建模对话中的话语结构和连贯性。关于意图结构在对话中的作用，可参见 Lochbaum 等人（2000）的总结。

Bruce（1975）首先提出了第三条路线：既然言语行为也是行动，就应像其他行动一样对它们进行规划；这一路线借鉴了人工智能规划文献（Fikes and Nilsson, 1971）。一个希望获取某项信息的系统，可以制订向对话者询问信息的计划；听到一句话后，系统则可以“反向”运行规划器，利用推理规则从对话者所说的话推断其潜在计划。基于计划的对话模型称为 BDI 模型，因为这类规划器对系统和对话者的信念（belief）、愿望（desire）和意图（intention）建模。Allen、Cohen、Perrault 及其同事通过一系列颇具影响力的论文，首次提出对话的 BDI 模型，说明言语行为如何生成（Cohen and Perrault, 1979）和解释（Perrault and Allen, 1980；Allen and Perrault, 1980）。与此同时，Wilensky（1983）把基于计划的理解模型用于故事解释任务。

20 世纪 90 年代，原本应用于自然语言处理的机器学习模型开始用于槽位填充等对话任务（Miller et al., 1994；Pieraccini et al., 1991）。这一时期还出现了大量分析对话行为语言属性、并以机器学习方法检测对话行为的工作（Sag and Liberman, 1975；Hinkelman and Allen, 1989；Nagata and Morimoto, 1994；Goodwin, 1996；Chu-Carroll, 1998；Shriberg et al., 1998；Stolcke et al., 2000；Gravano et al., 2012）。这些研究有力推动了对话状态模型的发展（Larsson and Traum, 2000）。对话状态跟踪很快成为任务型对话的一项重要问题，并形成了一项具有影响力的年度状态跟踪算法评测（Williams et al., 2016）。

世纪之交出现了把强化学习用于对话的研究路线。最早的一批工作来自 AT&T 和贝尔实验室，包括 MDP 对话系统（Walker, 2000；Levin et al., 2000；Singh et al., 2002），以及线索短语、韵律、拒绝和确认方面的研究。强化学习研究很快转向更复杂的 POMDP 模型（Roy et al., 2000；Lemon et al., 2006；Williams and Young, 2007），并将其用于小规模槽位填充对话任务。神经强化学习模型既用于聊天机器人系统——例如让两个对话系统互相模拟对话，并奖励连贯、易于回答等良好会话属性（Li et al., 2016）——也用于任务型对话（Williams et al., 2017）。

大约到 2010 年，GUS 架构终于开始广泛用于商业对话系统，包括 Apple Siri 等手机数字助手（Bellegarda, 2013）。其他重要对话研究方向还包括对话中的情感（Rashkin et al., 2019；Lin et al., 2019）以及会话界面设计（Cohen et al., 2004；Harris, 2005；Pearl, 2017；Deibel and Evanhoe, 2021）。