对话式人工智能指的是让机器能够理解、处理并生成人类语言，从而足以与人类进行自然的多轮对话（无论是通过文本还是语音）的技术。这是一个广泛的领域，涵盖聊天机器人、语音助手、交互式语音应答系统，以及通用大语言模型的对话能力。对话式人工智能处于自然语言处理、语音识别的交汇点，对于语音系统而言，还涉及文本转语音合成。
组成部分
一个对话式人工智能系统通常结合多个子系统：输入理解，将语音转换为文本或解析键入的文本；对话管理，跨轮次跟踪对话状态、意图和上下文；响应生成，产生回复，历史上通过模板或检索实现，如今越来越多地通过生成式语言模型实现；以及，对于语音界面，语音合成将回复转换回音频。在跨多轮交流中维持上下文的系统依赖模型的上下文窗口来记住之前的轮次，许多生产系统使用系统提示来设定角色、语气和行为约束。
演变
早期的对话系统范围狭窄且基于规则，将用户意图匹配到有限的脚本化响应菜单中，例如交互式电话树和早期聊天机器人如ELIZA。2010年代见证了基于意图分类的虚拟助手的兴起，如Siri和Alexa，它们处理固定任务集，如设置计时器或查询天气，通常不具备真正的开放域理解能力。向深度学习及后来的Transformer基础语言模型的转变实现了开放域对话能力：模型可以在几乎任何主题上进行连贯对话，而无需显式编程，这一变化最显著地由ChatGPT展示，并通过基于人类反馈的强化学习进行优化，使响应与用户实际需求保持一致。后来的系统增加了检索增强生成，以将答案基于当前或专有信息，以及工具使用，使系统能在对话中采取行动，如搜索网页或查询数据库。
应用与批评
对话式人工智能广泛部署于客户支持、医疗分诊、教育、无障碍工具和个人助理中，并且是AI智能体的基础，后者将对话扩展为自主完成任务。批评与聊天机器人普遍存在的问题相似：以自信、对话式语气产生错误信息的幻觉；用户过度信任或情感上过度依赖不理解他们的系统的风险；以及，对于语音界面，关于始终监听麦克风的隐私担忧。研究人员继续争论对话流畅性在多大程度上反映了真正的理解，而非流畅的模式补全，这一问题与随机鹦鹉等批评密切相关。