Chatbot 能「聽懂人話」並回應，不是魔法，而是背後一系列人工智慧（AI）技術的成果。這些核心技術包含 自然語言處理（NLP, Natural Language Processing)與機器學習（Machine Learning, ML）。理解這些基礎，有助於我們知道 Chatbot 為什麼能對話，以及它有哪些限制。

自然語言處理（NLP）

1. 定義
   • NLP 是讓電腦能理解與生成自然語言的技術。
   • 涉及文字分析、語意理解、語法結構處理等。
2. 在 Chatbot 中的應用
   • 意圖辨識（Intent Recognition)：理解使用者想做什麼。
   • 實體抽取（Entity Extraction)：從對話中擷取關鍵資訊（如地點、日期）。
   • 語境理解（Context Understanding）：讓對話保持連貫。
3. 例子
   • 使用者輸入：「我想訂明天去台北的火車票」。
   • Chatbot 辨識出意圖：「訂票」；抽取實體：「明天」「台北」。

機器學習（Machine Learning）

1. 定義
   • 機器學習是讓電腦透過數據學習規律，進而做出預測或決策的技術。
   • Chatbot 常使用有監督學習、強化學習來提升表現。
2. 在 Chatbot 中的應用
   • 訓練模型：透過大量對話數據，學習常見的問題與回答。
   • 回覆優化：根據使用者反饋，逐步調整模型的回應。
   • 推薦與個人化：根據使用者歷史行為，提供更精準的答案。
3. 例子
   • 使用者常問「今天天氣怎樣？」 → 系統學會將「今天天氣」、「要不要帶傘」都理解為查詢天氣的意圖。

大語言模型（Large Language Model, LLM）

1. 定義
   • LLM 是基於深度學習（Deep Learning）的模型，能處理海量文本，並生成自然語言回應。
   • 例如 GPT 系列模型。
2. 特色
   • 能理解上下文，生成流暢對話。
   • 支援多語言，應用範圍更廣。

技術整合流程（簡化版）

1. 使用者輸入訊息。
2. NLP 分析訊息 → 判斷意圖、抽取關鍵字。
3. ML 模型判斷最佳回覆策略。
4. Chatbot 生成回覆（規則式或 AI 式）。
5. 回覆呈現給使用者。