对话用户接口的制作方法

专利名称：：对话用户接口的制作方法
技术领域：
：本发明涉及计算机实施的人工智能领域，且更具体地说，涉及一种对话用户接口。技术背景在称为"信息时代"的时代，信息和信息系统具有极为重要的意义。现可获得关于几乎任何主题的巨大量的信息。我们看到世界正进入"共生时代"，其中信息系统更为紧密地与人类用户结合，以使得信息不仅可用，而且可迅速且容易地存取。在"TheConversationalUserInterface(LinguisticUserInterface):OurNextGreatLeapForward"(在环球上〈http:〃www.accelerationwatch.com/lui.html〉处发表)，JohnSmart将此转变描述如下在接下来20年我们实际上可预见的所有计算变化中，对话用户接口(CUI或"cooey")在其对普通人的影响方面很可能是无与伦比的。当实现廉价且普遍存在的CUI及其高带宽网络和模拟基础结构时(2015年？2020年？2030年？，这在很大程度上可能由我们决定)，这将使我们从信息时代步入崭新的纪元，一些未来学家将这个纪元称为共生时代。这时，我们星球上的所有人类(包括当前被剥夺公民权的、职业文盲和处于社会边缘的"底层三十亿")将能够有针对性地与普遍存在的半智能技术系统对话，并且每天使用它们来解决广阔范围的计算上琐碎但非常实际的人类问题。数学家和科幻小说作家VernorVinge于1993年在NASA'sVISION-21专题讨论会上的演讲中描述了技术焦点从人工智能(AI)向"奇异性"的类似转移当人们谈及创建超人般的智能生命时，他们通常想象AI工程。但存在其它途径来实现超人能力。计算机网络和人机接口似乎比AI更为普通，但它们能导致奇异性。我把这个对比途径称为智能扩升(LA)。LA是这样的事物其非常自然地发展，在大多数情况下其是什么甚至不为其开发者所察觉。但是，每当我们存取信息并将其传送给其他人的能力得到改进时，在某种意义上我们已经获得了超过自然智能的能力。而且，IA很可能要比纯粹的AI更容易实现超人能力。对于人类，已经解决了最困难的发展问题。从我们内部来发展比首先弄清我们实际上是什么且接着建造属于那类的机器应该要容易。因此，非常需要显著改进存取信息且使此类信息可由其他人存取的能力。
发明内容根据本发明，对话用户接口通过模仿人类对话的语言记忆体的组织和检索而在计算机中实施。编程计算机以体验其周围的世界且使用其自身的逻辑来获得记忆体是极为困难的。然而，计算机与个人进行真实且自然的对话可通过针对人工创建的语言记忆体复制语言记忆体的自然组织和调用来实现。为了模仿人脑中的语言记忆体的组织，人工记忆体存储为图案序列，以不变形式存储，以分层形式组织，且自动关联地调用。为了模拟人脑中的语言记忆体的调用，相同算法执行各种记忆体的调用。人工记忆体存储为文本字符串，其表示句子或短语。所述句子或短语是词序列，所述词是图案。人工记忆体表示计算机以前己听过且可能再次听到的事物。表示人工记忆体的文本字符串除非通过共生学习否则不会改变，且因此以不变形式存储。当计算机听到与文本字符串的不变表示匹配的发言时调用人工记忆体，且因此自动关联地调用人工记忆体。计算机可通过接收来自个人的消息的文本表示或通过俘获表示个人的口语发言的音频信号并将所述音频信号转换为其文本表示而"听到"发言。每个人工记忆体是不变表示与相关联的响应消息的配对。当确定所接收的发言与记忆体的不变表示匹配时，唤起记忆体且将相关联的响应消息呈现给个人。人工记忆体的分层组织允许响应消息是与上下文有关的。搜索语言记忆体的次序取决于在最近唤起的人工记忆体的分层组织内的特定位置。计算机的语言记忆体由人类智力作者手动创建。在需要新的记忆体时，以共生方式学习所述记忆体。计算机检测到来自个人的所接收发言未能唤起记忆体且将所接收的发言连同先前会话一起作为上下文转发到智力作者。智力作者确定并实施针对人工记忆体的补救修改，以便在随后接收到相同消息时，恰当地调用合适的记忆体。图1是展示根据本发明计算机正与用户对话的方框图。图2是说明根据本发明用户与计算机之间正在进行的对话的状态图。图3是实施对话用户接口的人工语言皮层的方框图。图4是图3的人工语言皮层的人工记忆体的方框图。图5是图3的人工语言皮层的记忆体预测环路的伪码表示。图6是说明人工语言皮层的人工记忆体和主题的分层组织的方框图。图7是图5的记忆体预测环路的最佳匹配部分的伪码表示。图8是图5的记忆体预测环路的字符串匹配部分的伪码表示。图9是说明图1的对话计算机的共生学习的方框图。图IO包括说明共生学习、共生教导和用户通知的三个逻辑流程图。图11是在图3的人工语言皮层中存储人工记忆体的数据库的表表示。图12是共生教导工具的图形用户接口的屏幕视图。图13展示用于呈现响应消息的视听表示的合成脸部。图14是说明当所接收的发言未唤起当前主题的人工记忆体时确定新主题的逻辑流程图。具体实施方式根据本发明，计算机102(图1)通过模拟调用语言记忆体时的人脑行为来与人类用户110进行对话。计算机102包括人工语言皮层(ALC)300(图3)，其模仿人脑内的语言记忆体的存储和调用。这实现了逼真的对话行为，这在很大程度上是调用语言记忆体的演习。ALC300的教导(即，语言记忆体的创建)是共生的，因为人类"智力作者"手动创建并组织ALC300的语言记忆体。因而，不需要开发一种能在人们能与计算机逼真地进行对话之前自行学习的计算机。用户110(图1)使计算机102加入对话，这由用户110向计算机102的发言120A起始。发言120A是具有用户IIO能够使用的大体上任何自然语言交流形式的消息。在某些实施例中，发言120A是由用户IIO键入的文本消息。在其它实施例中，发言120A是由用户IIO说出且由计算机102接收的听觉消息，例如作为通过麦克风接收的音频信号。计算机102用发言120B作出响应，举例来说，所述发言120B可以是文本、听觉(例如，合成或预录口语词)或视听(例如，个人说出言词的合成或预录视听表示)。响应于发言120B，用户IIO作为响应将发言120C发送到计算机102,且计算机102用发言120作出响应。发言120A-D代表用户110与计算机102之间使用用户IIO所熟悉的自然语言正在进行的交互会话(即，对话)。图2将此交互会话展示为状态图200。在状态202中，用户110向计算机102发送发言。在状态204中，计算机104自动关联地调用响应发言，且在状态206中发出所述发言。按照JeffHawkins和SandraBlakeslee在"OnIntelligence"中描述的新近成果模仿在状态206中计算机104自动关联地调用响应发言的方式。此成果提出，自然活脑中的语言是涉及单个皮层算法的记忆体调用的演习。另外，新皮层记忆体的四(4)个性质促进人类语言交流(i)新皮层将语言记忆体存储为图案序列；(ii)以不变形式存储这些图案；(iii)以分层形式存储这些图案；以及(iv)自动关联地调用这些图案。实际上，计算机102参加与用户110的人类会话。人类会话在相对简单且非常概要的意义上可表达为在假设说话者和听者参加会话的情况下，用语言表达且发源于人类说话者的那个记忆体唤起人类听者中的哪个记忆体？在图2的情形中，用语言表达且发源于用户110作为状态202中的发言的那个记忆体唤起计算机102中的哪个记忆体？答案是在状态206中计算机102的发言。在后续会话动作中，用语言表达且发源于计算机102作为状态206中的发言的计算机102的那个记忆体唤起用户IIO中的哪个记忆体？答案是状态202中的后续发言。为了在状态204中执行自动关联调用，计算机102包括人工语言皮层300(图3)，其在本文中有时称为ALC300且是在计算机102和/或可操作地耦合到计算机102的其它计算机(例如，计算机106)内执行的一个或一个以上计算机处理的全部或一部分。本文在"人工智能"意义上使用"人工"，这意味着其在例如计算机的机器中发生而并非在自然存在的生物大脑中发生。ALC300包括人工新皮层区域302，其以模拟在人脑的真实新皮层区域中存储语言记忆体的形式来存储语言记忆体。新皮层区域存储特定主题的语言记忆体，且此类区域中的每个记忆体使记忆的语言表达与相应的响应语言表达配对。在图3中，在人工新皮层区域(ANR)302中，语言记忆体使作为不变表示IR1、IR2和IR3的记忆语言表达与响应语言表达OS配对。这些记忆体满足如上文所述的用于促进人类会话的新皮层语言记忆体的四(4)个性质。第一性质是成为图案序列。在ANR302中，不变表示将记忆的语言表达表示为词序列，所述词是文本图案和/或音频信号。在此说明性实施例中，以文本形式表示词序列。第二性质是以不变形式进行存储。为了促进对此性质的理解和了解，考虑某人对于从另一人处听到"Hello"的自然且几乎本能的响应是有帮助的。自然且几乎本能的响应是，即使另一人是完全陌生的人，也说"Hello"。"Hello"的人类记忆体与适当响应的"Hello"不变地存储在人类新皮层中。因此，即使听到的"Hello"具有我们以前从未听过的形式(例如，来自语音、语调和音调对于我们来说是不熟悉的陌生人)，我们也能够辨认出口语"Hello"。类似地，即使声带振动的变动使得我们的发言"Hello"略微不同于以前作出或听到的任何其它发言"Hello",但我们的响应往往相同的。以类似方式，不变表示IR1、IR2和IR3(其每一者表示记忆的语言表达)在与用户110交流期间不会发生变化。事实上，它们只在共生学习期间发生变化，这在下文中更完整地进行描述。第三性质是以分层形式存储图案。如图3所示，ANR302以分层形式存储例如不变表示IR1、IR2和IR3的记忆体。明确地说，主题304表示ANR302内的特定主题，在ANR302内以分层形式组织不变表示IR1、IR2和IR3。明确地说，不变表示IR1是主题304的直接子代，不变表示IR2每一者是不变表示R1的直接子代；且不变表示IR3每一者是不变表示IR2的直接子代。另外，尽管出于简化目的且为了促进对本发明的理解和了解而展示了单个主题304，但应了解，此说明性实施例包括以树结构组织的主题层级，在所述树结构中叶主题具有不变表示子代(例如，不变表示IR1)。举例来说，以分层形式组织的主题和记忆体在图6中展示。由于在此说明性实施例中不变表示IR1、IR2和IR3是文本的，且因此由"字符串"类型的变量表示并如图所示以树结构进行分层组织，因而树600或其任何子树有时被称为字符串树。第四性质是自动关联地调用语言记忆体。如本文所使用，自动关联调用是使用接收的发言作为用于确定唤起哪个语言记忆体的关键。如图3所示，每个不变表示IR1、IR2和IR3与一个响应发言OS相关联。在图4中给出实例，其中不变表示IR1402与响应发言OS404相关联。不变表示IR1402表示记忆的输入字符串，字符串是一连串的文本字符。分枝链路406被认为是同一记忆体的等效记忆输入字符串，且也是不变表示。响应发言OS404表示相关联的输出字符串，其将被发出作为对与输入字符串匹配的不变表示IR1402或分枝链路406中任一者的响应。因此，所调用的语言记忆体与输入字符串本身的不变表示相关联，且因此被自动关联地调用。另外，来自ANR302的调用涉及单个模拟皮层算法，即记忆体预测环路320。记忆体预测环路320在图5中以伪码形式展示。输入字符串(instring)是表示来自用户110(图1)的发言(例如，状态202中的发言(图2)，或发言120A和120C中的任一者)的数据。在此说明性实施例中，以文本形式表示输入字符串。在一个实施例中，用户110在状态202中口述发言，且记忆体预测环路320(图3)包括常规的语音到文本逻辑，其将表示状态202的发言的所接收的音频信号转换为文本输入字符串。输出字符串(outstring)是表示来自计算机102的发言(例如，状态206中的发言(图2),或发言120B(图1)和120D中的任一者)的数据。在此说明性实施例中，以文本形式表示输出字符串。在一个实施例中，记忆体预测环路320(图3)包括常规的文本到语音逻辑，其将文本输出字符串转换为合成语音以创建发言用于作为状态206(图2)中的音频信号向用户110播放。另外，合成语音可以下文更完整描述的方式与由计算机102视觉上表示的图形脸部的嘴唇同步。在一个实施例中，输出字符串可包括对所存储的程序的参考，从而允许将计算逻辑用于制定响应发言。一个实例是问题"Howoldareyou"的语言记忆体。响应输出字符串可包括对所存储程序的参考，所述存储的程序测量ALC300的创建时间与当前时间之间的差值，以产生ALC300的年龄测量值。其它实例包括问题"Howmanymillimetersareinamile"禾卩"What'stheweatherlikeinRussiatoday"的语言记忆体。前者可包括对用于转换度量单位的所存储程序的参考，且后者可包括对用于检索和分析天气信息的所存储程序的参考。就所存储程序可控制除计算机102以外的事物(例如，用户110家中的灯)来说，输出字符串可包括对此类存储的程序的参考，从而使ALC300成为用于可由计算机控制的任何事物的对话用户接口。所存储的程序是可存储在数据库中的可执行计算机程序的一部分或全部。所存储的程序是已知的且本文不作进一步描述。变量cmem表示ANR302内的当前记忆体。类型mem在表1106(图9)中更详细地展示，且在下文中更完整地描述。当前记忆体的概念对应于关于人脑功能的新近理论，这暗示着如同在聚光灯下一次处理一个语言记忆体。当前记忆体的此概念在图3中表示为不变表示IR1306上的聚光灯310。针对从用户110处接收到的每个输入字符串而反复处理记忆体预测环路320(图5)，如行504和532处的for/next指令中所示。行505和531定义反复搜索记忆体直到认为搜索完成为止的环路。首先，记忆体预测环路320在行507-5U处搜索当前记忆体的子代记忆体。这在图3中表示，其中最佳匹配逻辑312应用于不变表示IR1306的子代记忆体，即不变表示IR2308A-C。搜索当前记忆体的子代记忆体允许会话遵循逻辑序列。明确地说，给定记忆体的子代每一者表示响应于计算机102的最新近响应发言的用户110的预期随后发言。记忆体预测环路320和ANR302中的记忆体层级因此允许对话遵循自然流程，其中用户U0可作出响应于计算机102的发言的发言，且计算机102可遵循发言的逻辑进程。这给予用户110与计算机102之间的对话高度交互性质。如果当前记忆体的子代记忆体中的任一者与输入字符串充分匹配，那么唤起充分匹配的第一记忆体，且在行508处发出相应的输出字符串。另外，认为搜索完成。在替代实施例中，如果当前记忆体的多个子代与输入字符串充分匹配而并非第一子代记忆体与输入字符串充分匹配，那么选择当前记忆体的最佳匹配子代记忆体。在行509-510处(图5)，记忆体预测环路320检测何时当前记忆体的子代记忆体不与输入字符串充分匹配，且在此情况下，将当前记忆体的母代设定为新的当前记忆体以用于行505-531的环路的后续反复。因此，如果用户110的发言响应于计算机102的新近的先前发言，那么记忆体预测环路320也可遵循所述会话进程。在当前字符串树中的所有记忆体已被遍历一直到达没有母代的记忆体时，在行513-530中将当前主题的所有记忆体与输入字符串进行比较，从而寻找最佳匹配。没有母代的记忆体有时被称为第一级询问或有时被称为"LIQ"。给定主题可具有许多第一级询问。如果行513-530的环路的先前反复中的当前记忆体是第一级询问，那么当前字符串树是包括所述第一级询问的主题。如果在当前字符串树的记忆体中发现优等质量的匹配，那么在行515中发出相应的输出字符串作为发言且认为搜索完成。相反，如果在当前字符串树中没有发现充分匹配，那么使母代字符串树成为当前的(如行519中所示)且执行另一反复搜索。如果尚未发现任何充分匹配且已搜索了完整的所有字符串树，如当前字符串树没有母代(如行518中所示)的情形所表明，那么己检测到新事物。新事物是针对其在ANR302或己搜索到的字符串树的任一者内当前不存在包括整个ALC的记忆体的输入字符串。由于以下文更完整地描述的方式来手动创建ANR302的记忆体，因而新事物是不为ANR302的智力作者所预期的输入字符串。响应于新事物，记忆体预测环路320在行523处通过通知ANR302的智力作者关于所述新事物来起始共生学习，且在行526处通知用户IIO没有响应是可用的。记忆体预测环路320也可试图在答案可用时(例如)通过电子邮件来通知用户110。图7中以伪码形式来展示在行507和514处调用的最佳匹配逻辑312。最佳匹配逻辑312使用字符串匹配逻辑将输入字符串与记忆体的不变表示进行比较且将输入字符串与记忆体的关键词进行比较。此字符串匹配逻辑在图8中以伪码形式展示，且涉及对特定记忆体是用户110在发出所述输入字符串时期望唤起的记忆体的可能性进行双通过确定。在第一通过中，记忆体预测环路320确定输入字符串是否含有所述记忆体的任何关键词。如果没有，那么快速拒绝所述记忆体。这实现对不适用记忆体的快速有效排除。17如果输入字符串包括所述记忆体的至少一个关键词，那么记忆体预测环路320应用字符串比较来对记忆体的不变表示是用户110在发出输入字符串时所期望的记忆体的不变表示的可能性进行估计。字符串比较是已知的，且此处不加以描述。在此说明性实施例中，记忆体预测环路320使用的字符串比较的类型在环球网上〈http:〃www.catalvsoft.com/articles/StrikeAMatch.html〉处描述，其源代码在本文中复制作为附录A。因此，记忆体预测环路320反复搜索输入字符串与ANR302的记忆体的不变表示之间的最佳匹配，根据需要反复加宽所述搜索的主题，直到发现最佳匹配为止。如果没有发现充分匹配，那么起始共生学习。如果发现充分匹配，那么计算机102发出所述最佳匹配记忆体的相关联的输出字符串作为对用户110的响应，且从调用出输出字符串的记忆体充当记忆体预测环路320进行的后续记忆体搜索中的上下文起点。在此说明性实施例中，通过将所确定的不变表示与输入字符串匹配的可能性与预定阈值可能性(例如，60%)进行比较来确定充分匹配。应了解，将分枝链路406作为独立记忆体来搜索，所述独立记忆体的每一者与输出字符串OS404相关联。然而，分枝链路406均是同一语言记忆体的唤起相同输出字符串OS404且在ANR302的层级内共享相同母代和子代的部分。分枝链路406表示不变表示IR1402的主要消息的等效措词和与那些等效措词相关联的各个关键词组。共生学习为了获得足以实现对话用户接口的人工智能所作的很多努力已集中在创建可像人类一样学习的计算机。然而，正如最近人脑理论表明，语言交互主要涉及存取记忆体的单个皮层算法。通过认识到计算机可实施人工皮层算法且存取人工记忆体以模拟人类对话交流来实现显著进步，即使此类记忆体不是由计算机本身创建的。事实上，这些人工记忆体是由真正的人脑，由本文有时称为智力作者的人创建的。这在图9中说明，其中智力作者904使用计算机902来手动修改ANR302(图3)的记忆体。在此说明性实施例中，ANR302和记忆体预测环路320由计算机106(图9)实施。在替代实施例中，记忆体预测环路320由计算机102实施，且ANR302在计算机106中实施，其根据需要将(例如)一个主题的许多人工语言记忆体发送到计算机102以用于与用户110正在进行的对话。用户110大体上以上文描述的方式来与计算机102通信。如果ANR302和记忆体预测环路320由计算机106实施，那么计算机102实施瘦客户端(例如，网站浏览器)，其将来自用户110的发言通过网络(例如，因特网104)转发到计算机106以用于以上文描述的方式进行处理。此类处理的结果是响应发言，计算机106将所述响应发言通过因特网104发送到计算机102以呈现给用户110。如上所述，记忆体预测环路320在行520处确定何时用户110的发言不唤起ANR302内的人工记忆体。在此类情况下，记忆体预测环路320在行523处起始共生学习，且在行526处通知用户暂时缺少合适的响应。根据此说明性实施例的共生学习在逻辑流程图1000(图10)、1020和1040中展示。逻辑流程图1000说明ALC300对共生学习的请求。逻辑流程图1020说明智力作者904通过使用计算机902进行的共生教导。逻辑流程图1040说明由ALC300响应于相对于先前不可回答的发言的成功共生学习来通知用户110。在步骤1002中，ALC300包装新事物的上下文。此包装组合用户IIO与计算机102之间的对话的所有发言，上至且包括新事物。图11展示表示ANR302的数据库的说明性图解。简要地说，用户表(userstable)1102表示ALC300的管理员和智力作者；修改表(modstable)1104表示借助于共生学习对ALC300(例如，ANR302)的任何记忆体所作的修改；记忆体表(memstable)1106表示ALC300的所有个别记忆体，例如ANR302的记忆体；会话表(dialoguestable)1108链接会话的交换；且交换表(exchangetable)1110表示从用户IIO接收到的输入字符串和ANR302的相关联的唤起记忆体。在起始共生学习时，ALC300识别会话表1108的表示其中发生新事物的会话的记录，且所述会话有时被称为主题会话。为了包装所述会话，ALC300收集与所述主题会话相关的所有交换记录和记忆体表1106的表示与那些交换记录相关的记忆体的所有记录。在替代实施例中，ALC300不包装会话，而是改为收集识别主题会话的数据，使得智力作者可稍后识别主题对话以便以下文描述的方式进行共生教导。在步骤1004(图10)中，ALC300通知智力作者904(图9)所述新事物，且使得所述包装的或者仅仅识别的主题会话可供智力作者904使用。在一个实施例中，ALC300将所述包装的主题会话作为电子邮件消息发送到智力作者904。在另一实施例中，ALC300将识别主题会话的数据作为电子邮件消息发送到智力作者904。在又一实施例中，ALC300将指示存在待解决的新事物的消息发送到智力作者904。在此最后实施例中，预期智力作者卯4知道如何在ALC300内(例如，为智力作者904指定的收件箱内)存取新事物及其上下文。在步骤1022(图10)中，智力作者904(图9)接收关于新事物及其上下文的通知。智力作者904确定对于ANR302的补救修改以解决所述新事物。智力作者904采取的用于确定补救修改的方法可根据个别智力作者的特定技术和能力而变化。然而，优选的是，智力作者904首先搜索记忆体表1106(图11)来获得新事物的输入字符串的等效不变表示。如果发现一个等效不变表示，那么智力作者904优选地确定所述补救修改是添加所发现的不变表示的另一等效措词作为分枝链路，例如分枝链路406(图4)。如果未在记忆体表1106(图11)中发现新事物的输入字符串的等效不变表示，那么智力作者904(图9)可确定对ANR302的补救修改包括将新的记忆体添加到记忆体表1106。智力作者904优选地确定新的记忆体将放置在主题和记忆体层级内何处。此确定以及其它记忆体是否具有等效的不变表示是通过使用人类智力作者的完全人类语言能力来进行的。因此，ALC300使用人类学习能力来学习，即以共生方式学习。在步骤1026(图10)中，智力作者904通过计算机902(图9)提交补救修改，借此在ALC300内实现补救修改，从而以共生方式教导ALC300。在此说明性实施例中，智力作者904通过下文更完整描述的智力创作工具来提交此类补救修改。在步骤1042(图10)中，ALC300接收补救修改且将其在ANR302内实施，借此以共生方式学习。在步骤1044中，ALC300通知用户110ALC300现对于用户110的先前新颖发言具有响应。此通知可例如通过电子邮件进行，且包括可结合在计算机102内实行的网络浏览器使用的超链接，以恢复用户IIO与ALC300之间先前暂停的会话。如上所述，智力作者904(图9)使用智力创作工具来指定对ANR302的补救修改，借此以共生方式教导ALN300。图12展示智力创作工具的图形用户接口的屏幕视图。框架1202展示以分层形式相关的主题的树视图，且提供智力作者904可借以选择ANR302的主题的用户接口工具。框架1204展示在框架1202中所选择的主题的各个人工记忆体的表视图。在此特定实例中，框架1206展示与智力作者904相关联的新事物或其它警报的表视图，所述智力作者904经验证以使用智力创作工具。在替代实施例中，所有新事物和警报在框架1206中展示，且不与任何个别智力作者相关联，并且每个智力作者从框架1206中自由选择个别警报和/或新事物以进行处理。框架1208和1210允许智力作者904对ANR302内的各个记忆体进行修改。当在框架1204中选择了记忆体时，所述记忆体的关键词、预期输入字符串的不变表示、相应的输出字符串和相关联的超链接在框架1208中显示。在此说明性实施例中，相关联的超链接是将与播放输出字符串作为响应发言同时显示的URL识别内容。这允许响应于用户110的问题和/或评论来进行特定信息性多媒体显示。另外，所述输出字符串或另外的输出字符串可与框架1210中合成的语音和脸部相关联。框架1210的图形用户接口(GUI)元件允许智力作者904播放、暂停、停止、编辑和保存与ANR302的所选择记忆体相关联的特定合成语音消息。图13更详细地展示框架1210的说明性合成脸部。应了解，在此说明性实施例中，图12和13的合成脸部通过计算机102呈现给用户IIO作为图2所示的正在进行的对话中的参与者。为了修改所选择的记忆体，智力作者904使用常规的图形用户接口技术来修改框架1208和1210内表示的数据，涉及智力作者904对一个或一个以上用户输入装置的物理操纵。为了促使ALC300存储对ANR302所作的指定修改，智力作者904启动标记为"记忆"的GUI按钮。框架1208包括智力作者904可借以进行以下操作的其它GUI按钮(i)添加新的记忆体；(ii)将新的子代记忆体添加到所选择的记忆体；(iii)将分枝链路添加到所选择的记忆体；和/或(iv)删除所选择的记忆体。在添加新的记忆体或所选择记忆体的新子代记忆体时，智力作者904启动框架1208内的恰当GUI按钮，且输入一个或一个以上关键词、所记忆的输入字符串的不变表示、相应的输出字符串和(视情况)相关联的超链接，并启动"记忆"GUI按钮。在将新的分枝链路添加到所选择的记忆体时，智力作者904输入等效输入字符串的新的不变表示和一个或一个以上关键词，且启动"记忆"GUI按钮。框架1208内删除GUI按钮的启动会删除所选择的记忆体，优选地在进行删除之前询问智力作者904。框架1206中展示的学习事件包括通知新事物、等级和先前的修改。在检查新事物时，智力作者904能够访问所述新事物之前的全部会话。因此，智力作者904将能够确定在ANR302内什么语言记忆体是缺少的或不充分的。一旦智力作者904已确定需要ANR302内的记忆体的什么补救修改来解决所述新事物，智力作者904便通过图12所示的智力创作工具来实施那些修改。等级事件是用户110已表达对图1和2所示的正在进行的会话的满意度的定量评价的事件。当会话进行时，用户110能够移动GUI滑块或表示满意度级别的其它GUI元件。此类等级被传送到ALC300且记录在框架1206中。如果ANR302的特定记忆体一直接收到相对较低的分数，那么智力作者904确定待应用于ANR302的记忆体的补救修改，且以上文相对于新事物描述的方式来实施那些修改。输出字符串序列有时，对于用户110的问题的答案可能是复杂的，需要相对冗长且复杂的响应输出字符串。如上所述，记忆体中相关联的超链接可致使结合输出字符串的呈现来显示网页或其它多媒体内容。然而，在涉及相对冗长且/或复杂的输出字符串的情形中，可能需要呈现一序列的网页或其它多媒体内容。为了提供此能力，输出字符串可具有(例如)一个或一个以上附加的序列，例如作为链接列表。序列被表示为仅具有输出字符串、可选的相关联超链接和到下一序列(如果存在的话)的可选序列链接的记忆体。在呈现由用户110的最近发言唤起的记忆体的输出字符串期间，ALC300向用户110呈现记忆体的输出字符串，且同时显示由输出字符串的相关联超链接识别的内容。在完成输出字符串的呈现时，ALC300检索紧随其后的序列的输出字符串，且同时显示由所述序列的相关联超链接识别的内容。因此，从完成起始输出字符串到开始呈现紧随其后的输出字符串的转变还实现从同时显示前者的相关联超链接的内容到同时显示后者的相关联超链接的内容的转变。结果是将向ALC300所说出的主题添加上下文信息的网页或其它多媒体内容进行协调的幻灯片放映。主题延续有时，用户110(图1)将以与不同的(可能无关的)主题有关的发言而实质上偏离于当前主题。举例来说，用户IIO与ALC300可能正谈论蚊子而此时ALC300所作的响应发言提及加拿大，对此用户110以关于加拿大的发言来作出响应，例如"安火略省的省会在哪里？"。上文中相对于行513-529(图5)描述了此类情况下记忆体预测环路320进行的处理。在替代实施例中，记忆体预测环路320处理失败从而以逻辑流程图1400(图14)中展示的方式来充分匹配ANR302的当前主题中的语言记忆体。在步骤1402中，记忆体预测环路320(图3)将一些最近发出的输出字符串分析成个别词，且在步骤1404(图14)中，在具有一个或一个以上与那些输出字符串词匹配的关键词的任何主题中搜索任何人工语言记忆体。在说明性实施例中，使用两个或三个最近发出的输出字符串。此处根本假设是，一个新近发出的输出字符串中的某事物触发用户IIO对另一主题的兴趣。使用一些新近发出的输出字符串的词作为关键词来搜索ANR302的记忆体允许记忆体预测环路320充分地縮小针对新的搜索的广泛搜索，且因此改进与用户IIO对话的性能和表观连续性。在步骤1406中，记忆体预测环路320(图3)使用上文描述的字符串匹配逻辑来识别记忆体的最佳匹配。在测试步骤1408(图14)中，记忆体预测环路320(图3)确定记忆体的最佳匹配是否与输入字符串充分匹配。在此说明性实施例中，通过将所确定的不变表示与输入字符串匹配的可能性与预定阈值可能性(例如，60%)进行比较来确定充分匹配。如果记忆体预测环路320确定最佳匹配是充分的，那么处理转移到步骤1410，在步骤1410中记忆体预测环路320发出最佳匹配记忆体的输出字符串作为响应发言，且将当前主题设定为与匹配的记忆体相关联的主题。相反，如果记忆体预测环路320确定最佳匹配是不充分的，那么处理转移到步骤1412。在步骤1412(图14)中，记忆体预测环路320通过计算机102向用户IIO提供图形用户接口，通过所述计算机102用户IIO可导航并浏览分层主题树以识别用户所关注的主题。在用户IIO选择了新的主题时，记忆体预测环路320在新选择的主题中处理最近接收到的用户IIO的发言以调用最佳匹配的人工语言记忆体。另外，记忆体预测环路320允许用户作出新的发言从而以上文描述的方式继续在新选择的主题中进行对话。ALC300的服务器/客户端分布和预测阵列在此说明性实施例中，ALC300(图3)被实施在计算机102(图1)中，且计算机106存储可由ALC300使用的各种主题的人工语言记忆体。在此实施例中，计算机102(图1)能够与用户110对话，直到需要新的主题为止。当需要新的主题时，计算机102将一些最近发出的输出字符串发送到计算机106，且计算机106使用所述输出字符串以上文相对于逻辑流程图1400(图14)描述的方式选择新的主题。在另一实施例中，ALC300(图3)被实施在计算机106(图1)中，且用户110通过瘦客户端与ALC300对话，所述瘦客户端例如是普通的网络浏览器，其在计算机102内执行并通过因特网104与计算机106通信。这允许许多用户用其各自客户端计算机系统的最小配置来与ALC300对话。在此说明性实施例中，用户IIO通过作为或类似常规即时消息传送应用程序的应用程序以文本形式与ALC300通信。由用户IIO使用计算机102键入的消息通过因特网104传递到计算机106，在计算机106中ALC300确定响应消息以通过因特网104传回到计算机102以向用户110显示。在另一瘦客户端实施例中，瘦客户端可为因特网语音协议(VoIP)客户端，用户110通过所述VoIP客户端发送和接收音频语音消息。计算机106通过因特网104接收语音消息，且使用常规的语音到文本技术将其转换为文本。ALC300以上文描述的方式来处理经转换的文本输入字符串，以产生表示响应消息的输出字符串。计算机106使用常规的文本到语音技术来合成清晰发出输出字符串的语音消息，且通过因特网104将语音消息发送到计算机102以作为口语语音消息向用户IIO播放。用户IIO也可使用常规的电话设备来通过经由常规计算机电话电路和公众交换电话网络与计算机106交换语音信号来进行通信。在其它实施例中，计算机102可用于对ALC300执行一些预处理或后处理或处理，以使网络通信量最小化且/或降低或补偿网络等待时间。举例来说，在一个实施例中，在计算机102内执行的客户端应用程序执行来自用户110的发言的语音到文本处理和响应发言的文本到语音处理以向用户IIO播放。因此，用户IIO可口头与计算机102对话，且计算机102可将口语消息翻译成文本，且通过因特网104以文本形式与计算机106内的ALC300对话。在另一实施例中，在计算机102内实行的客户端应用程序复制记忆体预测环路320的逻辑的一部分，以帮助避免由于通过因特网104的网络等待时间而引起的对话延迟。在此实施例中，在计算机106中执行的ALC300发送记忆体的预测阵列，其中每个输出字符串表示响应消息。明确地说，ALC300发送由最近接收到的输入字符串唤起的特定记忆体的所有子代记忆体作为预测阵列。当用户no发出后续发言(被作为另一输入字符串俘获)时，客户端应用程序通过因特网104将新的输入字符串发送到计算机106内的ALC300，且独立地应用在行507-508处展示的记忆体预测逻辑部分来确定是否唤起预测阵列中的记忆体。如果唤起预测阵列中的记忆体，那么客户端应用程序可直接发出所唤起的记忆体的输出字符串而无需等待来自ALC300的响应输出字符串。ALC300同时以相同方式处理输入字符串，且将使用相同逻辑产生的相同输出字符串连同新的预测阵列一起发送。由于客户端应用程序己经发出了响应发言，因而客户端应用程序忽略来自ALC300的输出字符串，而是存储从ALC300接收到的新的预测阵列。因此，客户端应用程序可立即对用户IIO作出响应，而不管通过因特网104的相当长的等待时间。客户端应用程序经历相当长的间歇，在此期间用户110以口头或文本形式创作另一发言。在此间歇期间，客户端应用程序具有足够的时间来接收输出字符串和新的预测阵列。相反，如果没有唤起预测阵列中的记忆体，那么客户端应用程序简单地等待来自ALC300的输出字符串和新的预测阵列。在此说明性实施例中，与发送相应的预测阵列分离且在发送相应的预测阵列之前，ALC300发送表示响应发言的输出字符串，以避免延迟客户端应用程序对输出字符串的接收。以上描述仅为说明性的且并非限制性的。事实上，本发明仅由所附权利要求书及其全部范围的等效物界定。200680004897.9说明书第15/17页附录A*************************************************************************************'FunctionStrCompare'Purpose:Comparetwostringsandreturnavalueofhowsimilarthey3T6'Returns:Avalueintherangeof0(0%)to1(100%)(0beingnotatall,and1'bieingexact)',76235wouldbe76%'Algorithm:'Similarity(sl,s2)-(2*|nIrvtersection|)/(|pairs(sl)|+|pairs(s2)|)'nlnte广sectionisthenumberofpairsthatbothstringshaveincommon'Thepipesmeannumberof'Example:'Compare"FRANCE"with"FRENCH"'First,groupeachwordintoletterpairs:'FRANCE:{FR,RA,AN,NC,CE}'FRENCH:{FR,RE,EN,NC,CH}'Second,determinetheintersectionbetweenthetwostrings:'Intersectionis{FR,NQ'Third,plugthevariablesintotheformula:1Similarity(FRANCE,FRENCH)=(2*|{FR,NC}|)/(|{FR，RA,AN,NC,CE}|+1{FR,RE;EN,NC,CH川'Similarity(FRANCE,FRENCH)=(2*2)/(5+5)'Similarity(FRANCE,FRENCH)=4/10=.4=40%PublicFunctionUti—StrCompare(ByValRefStrAsString,ByValStr2CompareAsString)AsDoubleDimpairsl()AsString,pairs2()AsString,pairlAsString,pair2AsStringDimintersectionAsLong,unionAsLong,iAsLong,jAsLong'Initintersection-0pairsl=Utl—StrCompareWordLetterPairs(UCase(RefStr))pairs2=Uti—StrCompareWordLetterPairs(UCase(Str2Co叩are))union=UBound(pairsl)+UBound(pairs2)+2Fori=0ToUBound(pairsl)pairl=pairsl(i)Forj.=0ToUBound(pairs2)pair2-pairs2(j)Ifpairl-pair2Thenintersection=intersection+1pairs2(j)="ExitForEndIfNextNextUtl—StrCompare-(2*intersection)/unionEndFunctionFunctionStrCompareWordl_etterPairsPurpose:Takesastringofword(s)andturnstheminto2-characterstringsReturns:Anarraywhereeachelementisa2-characterstringpairPrivateFunctionUt"l_StrCompareWordLetterPairs(sAsString)AsString()DimallPairs()AsString,pairsInWord()AsString,words()AsString,wordAsStringDimapcntrAsLong,iAsLong,jAsLong'Initapcntr=0ReDimallPairs(0)aUPairs(0)-'Getalistofwords(separatedbyspaces)words-Split(s,"")Fori-0ToUBound(words)'FindthepairsofcharacterspairsInWord=Utl—StrCompareLetterPairs(words(i))■AddthepairstomasterlistForj-0ToUBound(pairsInWord)ReDimPreserveallPairs(apcntr)'allPairs(apcntr)=pairsInWord(j)apcntr=apcntr+1NextNextUt\_StrCompareWordLetterPairs=aUPairsEndFunctionFunctionStrConipbreLetterPairsPurpose:Takesastring(1word)anpairsupadjacentlettersReturns:AnarraywhereeachelementisanadjacentletterpairPrivateFunctionUtl—StrCompareLetterPairs(sAsString)AsString()Dimpairs()AsStringDimnumPairsAsLong,iAsLongnumPairs=Len(s)-2ReDimpairs(numPairs)Fori=0TonumPairspairs(i)=Mid(s,i+1,2)NextUtl—StrCompareLetterPairs=pairsEndFunction权利要求1.一种计算机实施的对话用户接口方法，其包含接收来自个人的表示语言消息的发言数据；在人工语言记忆体中搜索以找寻所述人工语言记忆体中一个匹配的人工语言记忆体；确定所述匹配的人工语言记忆体是否与所述发言数据匹配至少预定的相似性等级；在所述匹配的人工语言记忆体与所述发言数据匹配至少所述预定的相似性等级的条件下，向所述个人呈现响应消息，其中所述响应消息与所述匹配的人工语言记忆体相关联；以及在所述匹配的人工语言记忆体与所述发言数据匹配不足所述预定的相似性等级的条件下，起始共生学习以便获得与所述发言匹配至少所述预定的相似性等级的新的语言记忆体。2.根据权利要求1所述的方法，其中所述发言数据是所述语言消息的文本表示。3.根据权利要求1所述的方法，其中所述发言数据表示所述个人说出所述语言消息的音频信号。4.根据权利要求1所述的方法，其中以分层形式组织所述人工语言记忆体。5.根据权利要求4所述的方法，其中所述人工语言记忆体的至少一个母代人工语言记忆体具有一个或一个以上子代人工语言记忆体。6.根据权利要求5所述的方法，其中每个人工语言记忆体包括所述个人的预期发言的不变表示和对于所述预期发言的响应；此外，其中所述子代人工语言记忆体中的每一者包括所述个人响应于所述母代记忆体的响应作出的预期后续发言的不变表示。7.根据权利要求l所述的方法，其中搜索包含-以这样的方式来搜索所述人工语言记忆体搜索所述人工语言记忆体中相对于所述人工语言记忆体中最近唤起的一者来说较近的人工语言记忆体，之后搜索所述人工语言记忆体中相对于所述最近唤起的人工语言记忆体来说较远的人工语言记忆体。8.根据权利要求7所述的方法，其中搜索进一步包含将所述发言数据与所述最近唤起的人工语言记忆体的一个或一个以上子代人工语言记忆体进行比较，之后将所述发言数据与所述人工语言记忆体中的其它者进行比较。9.根据权利要求l所述的方法，其中搜索包含将所述发言数据与人工语言记忆体的两个或两个以上预期发言的每一者进行比较。10.根据权利要求9所述的方法，其中所述人工语言记忆体的两个或两个以上预期发言的至少一者是到达所述人工语言记忆体的分支链路。11.根据权利要求1所述的方法，其中搜索包含-将所述发言数据与和人工语言记忆体相关联的一个或一个以上关键词进行比较；以及在所述发言数据与和所述人工语言记忆体相关联的至少一个关键词匹配的条件下，将所述发言数据与和所述人工语言记忆体相关联的预期发言进行比较。12.根据权利要求1所述的方法，其中所述响应消息是文本的。13.根据权利要求1所述的方法，其中所述响应消息包括音频信号。14.根据权利要求1所述的方法，其中所述响应消息表示语音信号。15.根据权利要求12所述的方法，其中所述语音信号是合成的。16.根据权利要求1所述的方法，其中所述响应消息包括到达待结合所述响应消息显示的内容的超链接。17.根据权利要求1所述的方法，其中所述响应消息包括至少两个部分，其每一者按序表示。18.根据权利要求1所述的方法，其中起始共生学习包含向人类智力作者发送进行共生教导的请求。19.根据权利要求18所述的方法，其中所述请求包括表示所述发言数据的数据。20.根据权利要求19所述的方法，其中所述请求包括表示来自所述用户的至少一个先前语言消息和至少一个先前呈现的响应消息的会话历史数据。21.根据权利要求18所述的方法，其进一步包含通过接收来自所述智力作者的表示对所述人工语言记忆体中的一者或一者以上的改变的数据来以共生方式学习；以及向所述一个或一个以上人工语言记忆体实施所述改变。22.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求1所述的方法来实施对话用户接口的计算机指令。23.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求2所述的方法来实施对话用户接口的计算机指令。23.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求2所述的方法来实施对话用户接口的计算机指令。24.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求3所述的方法来实施对话用户接口的计算机指令。25.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求4所述的方法来实施对话用户接口的计算机指令。26.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求5所述的方法来实施对话用户接口的计算机指令。27.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求6所述的方法来实施对话用户接口的计算机指令。28.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求7所述的方法来实施对话用户接口的计算机指令。29.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求8所述的方法来实施对话用户接口的计算机指令。30.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求9所述的方法来实施对话用户接口的计算机指令。31.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求10所述的方法来实施对话用户接口的计算机指令。32.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求11所述的方法来实施对话用户接口的计算机指令。33.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求12所述的方法来实施对话用户接口的计算机指令。34.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求13所述的方法来实施对话用户接口的计算机指令。35.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求14所述的方法来实施对话用户接口的计算机指令。36.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求15所述的方法来实施对话用户接口的计算机指令。37.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求16所述的方法来实施对话用户接口的计算机指令。38.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求17所述的方法来实施对话用户接口的计算机指令。39.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求18所述的方法来实施对话用户接口的计算机指令。40.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求19所述的方法来实施对话用户接口的计算机指令。41.一种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求20所述的方法来实施对话用户接口的计算机指令。42.—种计算机可读媒体，其可与包括处理器和存储器的计算机相关联地使用，所述计算机可读媒体包括经配置以促使所述计算机通过执行根据权利要求21所述的方法来实施对话用户接口的计算机指令。43.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求1所述的方法。44.一种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求2所述的方法。45.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求3所述的方法。46.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求4所述的方法。47.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求5所述的方法。48.—种计算机系统，其包含-处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求6所述的方法。49.一种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求7所述的方法。50.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求8所述的方法。51.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求9所述的方法。52.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求10所述的方法。53.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求11所述的方法。54.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求12所述的方法。55.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求13所述的方法。56.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求14所述的方法。57.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求15所述的方法。58.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求16所述的方法。59.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求17所述的方法。60.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求18所述的方法。61.—种计算机系统，其包含-处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求19所述的方法。62.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求20所述的方法。63.—种计算机系统，其包含处理器；存储器，其可操作地耦合到所述处理器；以及对话用户接口模块，(i)其来自所述存储器且在所述处理器中执行，且(ii)其在由所述处理器执行时促使所述计算机执行根据权利要求21所述的方法。64.—种计算机系统，其包含能够进行共生学习的人工语言皮层。65.根据权利要求64所述的计算机，其中所述人工语言皮层还能够与个人进行正在进行的上下文会话。66.—种计算机实施的对话用户接口，其包含两个或两个以上人工语言记忆体的集合，其表示为存储在计算机中，其中所述人工语言记忆体每一者作为图案序列存储在所述计算机中；每一者由不变表示以不变形式表示；以及以分层形式组织在所述计算机中；语言记忆体调用逻辑，其响应于个人的发言以通过以下方式自动关联地调用所述人工语言记忆体中的相应一者确定所述人工语言记忆体中的相应一者的不变表示与所述发言匹配。67.根据权利要求66所述的计算机实施的对话用户接口，其中所述语言记忆体每一者包括相应的响应语言表达；以及此外，其中所述语言记忆体调用逻辑促使呈现所述相应的人工语言记忆体的响应语言表达。68.根据权利要求66所述的计算机实施的对话用户接口，其中所述语言记忆体每一者包括相应的存储的程序；以及此外，其中所述语言记忆体调用逻辑促使执行所述相应的人工语言记忆体的存储的程序。全文摘要本发明提供一种对话用户接口(CUI)，其通过模仿人类对话的语言记忆体的组织和检索而在计算机中实施。为了模仿人脑中的语言记忆体的组织，将人工记忆体存储为图案序列，以不变形式存储，以分层形式组织，且自动关联地调用。为了模拟人脑中的语言记忆体的调用，相同算法执行所述各种记忆体的调用。每个人工记忆体是不变表示与相关联的响应消息的配对。当确定所接收的发言与记忆体的所述不变表示匹配时，唤起所述记忆体且将所述相关联的响应消息呈现给个人。文档编号G10L15/00GK101128864SQ200680004897公开日2008年2月20日申请日期2006年2月15日优先权日2005年2月15日发明者卡尔·爱德华·卡彭特申请人:塞奥夫有限公司