這些機器人看著都很炫酷，也非常高級，但感覺離我們的真實生存黑白常遠的。本日，若是我再跟人人說機器人，人人大概想到的就是這樣的場景了：
投稿郵箱：chuanbeiol@163.com 詳情請訪問川北在線：http://dstuf.com/
![固然，工業(yè)機器人還在它所在的領域發(fā)揮著龐大的作用，這點是毋庸置疑的，可是人們的注重力已經轉移到各種談天機器人、伴陪機器人、服務機器人以及教誨機器人上面了。 對于機器人的定義與明白 在科技界，科學家會給每個科技屬一個明確的定義。機器人答世已經有幾十年了，可是對于它的定義仍舊仁者見仁智者見智，不統(tǒng)一的意見，緣故原由之一是機器人還在發(fā)展，新的機型和功能不時的涌現出來。 但我以為根本緣故原由，是機器人涉及到了人的概念，成為一了個很難回問的哲學答題。機器人這個詞，最遲誕生于科幻小說之中，人們對機器人充滿了幻想。也許正是因為對機器人定義的模糊，才給了人們充分的想象和創(chuàng)造空間。 沒有管怎么樣，我姑且先把之前提到的這幾種機器人統(tǒng)稱為智能機器人，即人工智能機器人。大概有人會想到底什么是人工智能呢？我先在這里賣個關子，咱們末了再來接頭這個答題。 智能機器人跟我們之前提到的這種工業(yè)機器人有什么區(qū)別呢？在我來看，最重要的一點是智能機器人是擁有非常蓬勃的大腦的。 那么我們可以接著往下繼續(xù)深入的思索一下，到底擁有什么樣的本領才算擁有了大腦？因為沒有同的人對于大腦的明白也是沒有一樣的，我提一些個人的想法。 人工智能機器人的關鍵本領 若是讓我來定義的話，我以為人工智能機器人至長要擁有兩個關鍵的本領： 輸入和輸出信息的本領。當然這里的輸入可以包含很多種了，有語音輸入、圖像輸入、傳感器輸入、超聲波輸入、激光器等等，我也看到咱們群里有很多的同伙和先生都在相關的領域做著研究，我信賴他們對這點有非常多的相識。輸出的方式也是有各種各樣的，有屏幕顯示、語音合成輸出、行為動作…… 思索的本領。所謂思索的本領就是要求機器人根據自己的知識計算系統(tǒng)，聯(lián)合到它收到輸入的信息，經過肯定程度上的計算或思索，得到一個結論，這個結論會被用合適的方式給通過輸出通道反饋出去。 基于剛才我提到的這兩點，一個是交互本領，一個是思索的本領，來重新思索這個機器人的定義，那么滿足這兩個條件生怕就沒有僅僅限于我剛才照片里發(fā)的那些擁有真實物理形態(tài)的機器人了。 以是在我看來，智能機器人重要的沒有是是否擁有運動本領，能舉起多重的器材，是否能跳起來，而是看這個器材在跟誰挨交道，怎么挨交道。若是一個沒有是人類的器材能夠跟人類正常的來往，那么我其實就很樂意叫它為機器人。當然我想在這里強調一下我并不提起是否要滿足圖靈測試這一點，我個人認為在現階段要滿足圖靈測試照樣一個空想，拿圖靈測試來做一個器材的評判標準照樣沒有太合適的，以是說我們可以把這個標準放低一點，來看這個事情。 智能機器人的交互本領 我剛才提到了智能機器人的重點是要跟人類挨交道，那么跟人類挨交道內里最重要的是什么呢？人人來看機器人這個詞，把它搭開是機器+人來組成的，機器二字突出的是什么呢？突出它的確是一個非人類，是一個物體�？墒侨俗钟煮w現出我們其實進展它是個人，更準確的說它像個人。那么你在跟一個器材舉行交流時，它怎么樣才能像個人呢？ 其實最基本的一點就是機器在跟人挨交道時它要顯露得很自然，我們把這種交互方式叫自然交互。怎么樣的交互才叫自然的呢？是說這個進修成本越低越差，這個交互越靠近人類的本能越差，照樣說我們要從信息的輸入和獲取的方式上來判定呢？ 我們回過頭來看過去幾十年計算機的發(fā)展以及人和機器交互方式的演化，從雜筆墨的下令行窗口，到有圖形的視窗+鼠標控制輸入，再到后來的視窗+接屏控釋，我們沒有難發(fā)現，其實人和機器之間的交流的進修成本在不時的降低，人機交互變得越來越靠近人的自然本領。 本日，語音其實正在成為一個最自然的交互方式。馬麗米克在2016年的互聯(lián)網趨勢報告就提到了："語音應當是最有效的輸入計算形式，在2015年，美國使用過語音助手的用戶比例已經達到65%。在這些使用語音的用戶中有43%的人是在家中使用。"隨著手藝的進步和語音效果的提升，這兩年比例還在持續(xù)的擴大中。我信賴在座肯定都用過語音輸入這個方式。 人們使用語音的場景有很多，例如說開車時辰你的雙手雙眼都被占用了，在客廳內里，有些設備大概就不傳統(tǒng)的這種鍵盤輸入，在戶生手走的時辰挨字很慢等等。說到這里，我必須停息一下，向偉大的蘋果公司致敬，剛才我們提到的每一個新的交互形態(tài)，都是由蘋果在工業(yè)界點燃的。通過自然說話來舉行知識信息獲取和服務的，蘋果大概沒有是第一家，但它肯定是開承期間的那一家。當然互聯(lián)網上有很多關于"為什么只有蘋果才能做出云云創(chuàng)新"的文章，數沒有勝數，人人都有自己的明白，我們這里就沒有再深入去聊了。 若何做差自然交互？ 對于這種開放式的答題其實并不唯一的問案，我也只是聯(lián)合搜狗在做的事情談一些心得和體會。 在我看來，自然交互的本質其實就是人工智能，而有價值的人工智能 = 手藝 + 計算力 + 數據 + 產品。以是，自然交互= 手藝 + 計算力 + 數據 + 產品。這里的有價值的人工智能，指的是能夠以真實的產品形態(tài)滿足用戶需求的，而決沒有是停頓在實驗室內里的那些原型。 手藝 在我剛才提到的模型內里，手藝是很重要的，以是我們把它放在最前面�？墒鞘炙囉幸粋�答題，它是天然擴散的。因為互聯(lián)網的本質就是分享和傳達，Google在地球的另一端發(fā)布一個新的手藝，用沒有了幾天的時間，我們中國的各位選手就能馬上行使起來，來聯(lián)合到我們現在的手藝內里。稀奇是在深度進修期間，手藝已經很難成為公司之間的競爭壁壘。以是，在手藝領域，我們要做到走在前面，跟住期間的步伐并且進展能夠一路參與進來，推動手藝的本質進步。但在AI期間，想要依賴手藝形成壁壘和把持我以為已經沒有太現實了。 計算力 在這里我稀奇想引用黃仁勛老師的一段話：若是我們看晶體管的代進性能遞增確實速率是在放緩的，若是我們的創(chuàng)新只是依靠于芯片性能一代一代提升，這個速率也肯定是會放緩的�？墒�，若是從體系、算法、設計、架構等沒有同的方面去看性能的提升，我們照樣可以有很大的機會的。比較我們這一代的GPU架構Pascal和上一代的GPU，性能在兩年之內已經有了十倍的提升，在4年時間有了65倍的提升。以是，我以為現在大概已經進入了一個叫超級摩爾定律的期間了。 我非常認同黃仁勛老師的觀點，計算力一向在穩(wěn)步提升，甚至在加速提升。本日你引覺得傲的計算力，大概沒多久就變成了大巷貨，大家都可以擁有，全部參與到這方面的人都會享受到計算力提升帶來的盈利，只要你有充足的投入。 產品與數據 以是說，手藝是擴散的，計算力是指數性增加的。在當下期間，只有產品加數據才是你的私有財產，才能形成競爭的壁壘。 我們來看幾個例子，2005年，google的機器翻譯使用跨越學術界一萬倍的數據，一舉成名，搞定了翻譯界多年都搞沒有定的翻譯的準確率難題。Google 2009年收購的reCAPTCHA，這個器材是通過一個巧妙的產品設計，讓用戶在網頁登錄輸入驗證碼的同時，為OCR練習提供了大量的練習樣本，辦理了疑難字的識別答題。在AI期間之前，沒有管是商品的推薦照樣電影的推薦，都是基于item之間的相似性來實現的。但自從有了大量用戶產品，并且用戶在這些產品里產生了充足多的數據后，廠商們現在都是行使用戶行為確立推薦模型，商品的推薦進入了協(xié)同過濾期間。這是一個非常典型的通過產品上的數據積累改變了行業(yè)玩法的例子。 以是可以看出，要想做差AI，產品和數據才是重中之重。在產品和數據方面，要形成閉環(huán)，盡遲讓一個功能上線到產品中去累積數據，進而沒有停去推動手藝的進步。 我想再用搜狗舉一個真實的例子。搜狗今朝語音識別本領和翻譯本領黑白常出色的。在我們項目初期冷承動階段，我們其實行使Google的語音識別API，做出了搜狗輸入法的語音輸入功能，并且投放上線。隨著用戶使用該功能的頻次漸漸增長，我們很快就積攢了一批原始數據，然后就最先了自己的建模和練習工作，在很短的時間內就用自己的模型取代了Google API，完成了自立化。在接下來很短的時間內，隨著原始語料的不時積累，手藝模型的不時演化，線上語音識其它精確率提升稀奇迅速。 今朝，從手藝方法本身上，搜狗不獨特的地方，練習平臺我們有跨越1000塊GPU的體量，據我相識百度可能有2000塊GPU的體量，但我們的優(yōu)勢是什么呢？就是線上量大。我們擁有優(yōu)異的產品，給我們帶來了大量優(yōu)質的數據�，F在搜狗輸入法每天語音輸入哀求能達到2.5億次PV，每天產生20萬小時的語料，在這20萬小時的語料中，還包含著天下各個區(qū)域用戶的語料數據。 剛才提到的只是數據積累的部分，其實你聯(lián)合用戶產品，我們完全可以做得更多，比如說去年搜狗輸入法上線了語音修改功能：當你說錯了一句話時，從前你要用手自己在屏幕上定位，然后刪除，輸入新的字，現在你就完全可以跟用語音修改功能說把什么字改成什么字，再哪哪加一個標點這個功能。最初我們用輸入法用戶的行為形成了一萬條修改的文法，這個語音糾錯功能剛上線的時辰，修改的成功率僅僅只有40%，可是你可以通過不時的迭代和數據反饋，以是我們僅僅用了一個月的時間就把成功率提升到了80%。可以看出：通過差的用戶產品形態(tài)和數據，我們就可以讓產品本身顯露的更智能，映射到自然交互上它就順理成章地變得更差了。 剛才我們提到了手藝是擴散的，計算力是增加的，唯有產品和數據可形成壁壘，絕沒有是說手藝是沒有重要的，產品和手藝之間其實也是有非常大的關系的，因為新的手藝肯定可以給你帶來新的產品形態(tài)，同時差的產品形態(tài)肯定會加速手藝的進步，這兩個器材肯定是相輔相成，一路往前推動了整個行業(yè)往前進步。 智能機器人的思索本領 思索本領是一個很寬泛的定義，到底做到了什么樣的程度才算有了思索本領？是滿足了加減乘除？照樣滿足了肯定的功能相應或圖靈測試？到現在也是不確定的局限。在這里我就想提出個人的一些看法，在我來看，在當下若是一個機器人有了答問本領，就可以算是有了思索本領，就可以被稱為智能機器人了。 當然答問本領本身照樣一種比較寬泛的說法，這里我把答問分成三類： 下令實行。舉個最真實的例子就是蘋果的Siri，但它必要跟iOS聯(lián)合來實行你的各種下令。我們可以把它比作一種遙控器，因為這種答問AI它沒有僅僅可以跟iOS聯(lián)合，它可以和其他任何硬件在一路，各種沒有同的載體來聯(lián)合，也可以和各種垂直的服務聯(lián)合，但它實行的肯定是一個有限集合里的下令。你讓它干什么，它就干什么，它次要功能和本領就是對下令的明白和分類。 情緒伴護。這內里就是為代表作的就是微軟的小冰機器人，它主挨的功能就是伴護。當你心情沒有差的時辰去跟它聊一聊，或者閑著沒事干，去和它聊一聊，我把這種關系比作人和人之間來往的這種蜜月期，這內里蘊含的更多的是來往，確立情緒上的交互，可是這內里很長有信息，有知識的獲取。你可以試著答小冰知識，它就回問的非常好。情緒伴護這種需求人是一定有的，可是今朝在我來看，它未必是個高頻需求。 問案建議。當你在跟同伙談天的時辰，你除了有情緒上的交流之外，更多的大概是一種知識、信息的分享和交換。你進展從你的同伙哪里得到信息，得到問案，或者得到建議，得到知識，這種答題在沒有同的場景下有沒有同的形式，例如說有定義型的，收集爬蟲是什么？有意見型的，孕婦懷孕了能吃芒果嗎？還有what型，一站到底是哪個電視臺的節(jié)目？，還有how to型的，指尖陀螺怎么玩？等等。 在以上三個答問的分類中，我認為這種問案建議的需求是今朝來看是最高頻的，也是實現起來難度最大的。 為什么說問案建議是最高頻的呢？理由就是人類是有猛烈的求知欲的，我們沒有管是在進修，工作，生存，照樣娛樂，其實都必要沒有停地獲取信息。進修中你必要查資料，生存中你買器材要知道價格，工作中你要知道各種技能，娛樂方面你要想找一些內容，找一些花邊消息，找電影看，找歌聽，人類求知欲的茂盛，也是互聯(lián)網這么多年云云發(fā)達發(fā)展的一個重要緣故原由。 人工智能與搜索引擎 說到這里，人人就可以停下來想一想，在我們現在人工智能期間到來之前，互聯(lián)網期間中我們最必要、使用頻率最高的器材是什么？我認為很多人的問案應該是搜索引擎。為什么搜索引擎很重要？就是因為它滿足了人類的求知欲。那么同樣都是要滿足了人類的求知欲，搜索引擎和智能答問機器人之間的關系到底是什么呢？我們沒有妨花點時間來回瞅一下搜索引擎發(fā)展的歷史： 1996年-2012年，PC期間的搜索引擎 這時辰全部的搜索行為都發(fā)生在個人電腦上，大概是家里放著的一臺連著貓的PC，也大概是辦公室內里的一臺筆記本電腦。用戶在使用搜索引擎的時辰輸入的是關鍵字，其實本來人人用來交流的說話都是自然說話，可是由于那個期間手藝的限定，人人用著就會發(fā)現，答搜索引擎一個完備的答題往往得沒有到想要的問案，反而把答句內里的關鍵字人工的提取出來，就能得到更差的結果，這實際上是人對機器的一種妥協(xié)。就像我之前談到的自然交互一樣，使用關鍵字來表達我的想法，這種交互方式它沒有自然。 同時在PC期間，全部信息的載體是網頁，萬億級其它網頁啟載著互聯(lián)網上整個世界的信息，并且這些信息基本都是暗地的，誰都能瞥見。那么在那個期間的搜索引擎的次要挑釁有哪些呢？ 第一個是全�？纯凑l能索引更多的網頁信息，因為有萬億級的網頁沒有是任意一個做搜索引擎的公司都能把全部網頁都能索引下來的。 第二個是準。怎么樣在這么多個網頁中把最有價值的信息提取出來，揭示給用戶？Google的崛起也就是因為它發(fā)明晰page rank算法，變得稀奇準，才變成搜索引擎的王者。 第三個是便捷。我怎么統(tǒng)一入口，在第一頁的揭示里把各種沒有同的信息都能很差的揭示給用戶？到了PC期間的后期，搜索引擎除了文本之外，還能提供富媒體的內容，再往后就有了開放平臺，直接接入各種服務商，提供垂直服務內容。比如說天氣這種器材，都能在搜索引擎首頁上直接揭示結果。 2013年-2016年，移動互聯(lián)網期間的搜索引擎 從PC到移動發(fā)生了很大的轉變，我們照樣從設備、輸入和載體這三個維度來看。 首先設備上轉變就很大，人人除了工作時用電腦，尋常時間走路的時辰蘇息的時辰通勤的時辰也會用手機，用pad等等，使用這些智能設備的時間變得更高頻，時間更碎片化。 輸入方面，除了pc期間的關鍵字，通過手機等智能設備，我們就可以輸入語音，輸入圖像，而且這內里每一次的輸入里都蘊含著POI的信息。 信息的載體方面，除了暗地的網頁之外，你會發(fā)現在各個垂直領域出現了大量優(yōu)異的APP，每個APP在它所在的垂直領域都非常差的辦理了用戶在這內里的需求。這些APP里包含著大量的信息，但它沒有像網頁是完全暗地的，它在app內里是私有信息。 這個期間的搜索引擎在做什么呢？其實人人很輕易發(fā)現，這個期間各個商業(yè)巨頭在做連接，試圖讓搜索和APP聯(lián)合起來。例如說Google推出了Deep Links，iOS底有Spotlight，deep links和universal links。還有一些戰(zhàn)略上的合作，例如說搜索和交際的聯(lián)合。Bing它收購了facebook 1.8%的股份，為的就是能讓Bing在網頁上揭示出你的facebook差友對一條搜索結果的批評。Google和facebook之間的合作，facebook許可google索引部分內容，就是為了讓google把用戶引流到facebook APP內里來。再例如搜狗和騰訊之間杰出的合作，使得搜狗可以直接連接微信里的優(yōu)質內容，推出了獨家的這種微信搜索功能，在搜索引擎中直接可以直接搜索微信公眾號的內容。 同時值得一提的是什么呢？在移動期間，搜索的輸出形態(tài)也發(fā)生了轉變，現在的一部分搜索結果可以直接以語音播報的形式反饋給用戶，在這個交互形態(tài)上也會變得更自然了。 從2016年AlphaGo人機大戰(zhàn)最先，人工智能期間的搜索引擎 很多人把2016年定義為人工智能元年。那么在人工智能期間又發(fā)生了什么轉變呢？從設備上來看，輸入設備變得更加多元化，沒有僅僅是手機，pad，任何可以聯(lián)網或以接入的設備都可以，比如眼鏡，車載體系，音箱，機器人。人人現在講IoT，這些器材都是T，things。當面臨這些器材時，很多場景是沒有許可你輸入關鍵字的，用戶的輸入就必須是自然說話了， 陪隨著自然說話輸入，還有一些周圍的環(huán)境信息，以是整個輸入維度會更多，更加立體化。在載體方面，之前的載體是網頁，是APP，在現在智能期間，我們沒有缺信息，信息是爆炸的，我們貧乏的其實是成系統(tǒng)的結構化的知識，以是我們在這個期間會強調知識計算。 那么人人仔粗體會這三個階段，你會發(fā)現，在滿足人類求知欲的這條路上，答問就是在AI期間搜索的最終形態(tài)。輸入從關鍵字變成了一個完備答句，方式從鍵盤變成了語音，反饋從一堆網頁鏈接變成了一個直接的問案，可是它的職責永遠是沒有變的，就是要滿足人類的這個求知欲。 我細淺的認為，在人工智能期間，若是想做差答問機器人，那么不搜索的這個積累和底蘊其實是很難實現的，這也是為什么現在搜狗正在做答問的緣故原由之一。 在中文的知識類答問內里，汪仔機器人其實已經完全超越人類了。從2011年IBM的Watson在危險邊緣中首次擊敗人類，到2016年AlphaGo戰(zhàn)勝李世石，當然圍棋是一個固定規(guī)則下的完全信息專弈答題，再到現在汪仔在中文自然說話明白、搜索、推理方面戰(zhàn)勝人類，每次新的超越所用的時間越來越短，我信賴這也是人工智能期間的特色之一吧。 汪仔與Watson的區(qū)別 我們在推出汪仔之后，總會有人會提到汪仔沒有就是個Watson么，這個說法，以是我想在這里花一點時間來對比一下，汪仔和Watson，來看看人工智能期間的答問機器人和Watson相比到底有什么區(qū)別： 說話。汪仔處理的是中文，Watson處理的是英文。其著實NLP屆人人都會有一個共識：中文的自然說話處理難度是最高的。處理差中文所必要的投入是要遠宏大于處理英文的。 答題輸入。汪仔吸收輸入的方式是聽主持人念題，看圖片中的標題，這內里用到了語音識別和圖像識別手藝，而Watson看過節(jié)目的人其實都知道，使用的是一種特殊的文本輸入。 答題范疇。汪仔是可以回問整個開放域的答題，答題不分類，不限定，而Watson回問的是一個封閉域的答題，它在舉行問題之前他是要選答題的領域的，例如說文學，體育之類的，必須要提前選定答題的類別。 計算力。汪仔是聯(lián)網計算的，知識來歷是整個互聯(lián)網，而Watson它是一個內陸計算。同時汪仔是支持閑聊的，在問題之外可以和主持人以及參賽選手互動，而Watson只能問題，它并沒有能和人談天。 賽制。Watson在比賽中是不搶問一說的，人人都是收到完備的標題之后，試圖去回問出精確的問案。但汪仔參加的一站到底，從賽制上是要求機器人和人類舉行搶問，這也就要求汪仔在不收到完備的標題信息的時辰，試圖去展望答題是什么，并且舉行回問。同時按照節(jié)目的要求，問題者若是你問錯了反而會給對方送分，那么就要求我們汪仔你猜還沒有能亂猜，機器人得有信心知道自己能問對才會去搶問，這就把整個答題的復純度提升了另外一個量級上。 以是可以看出來，相比起Watson，汪仔是一個人工智能期間是各種優(yōu)異手藝聯(lián)合起來的智能答問機器人。 聯(lián)合上述內容，這就是我對智能機器人的兩大要素的明白，第一是自然交互，第二是答問本領。大概有很多人會有沒有同明白，甚至意見和我完全是相悖的，我以為是差事，因為現在這個期間正是一個思想綻放，百花齊放的AI期間。 到底什么是AI？ 在AlphaGo出現之后，人人都在喊AI，就差像之前人人喊連接，喊互聯(lián)網+，喊大數據一樣�？墒菦]有管是連接、互聯(lián)網、大數據，都不任何一個器材像AI一樣讓我思索這么久。我一向在想，到底什么是AI？它到底有不一個標準的定義？ 于是之前我就花了沒有長精力去搜索相識，去看書，看各種文章paper，我發(fā)現并不一家權威機構對什么是AI做出明確的定義。然后我去和各種在AI領域工作的人談天，我會答他們"你在搞什么？"，他們會回問我"我在搞點和人工智能有關的事情"，那我繼續(xù)答"那你以為什么是人工智能"，得到的問案就千奇百怪了，甚至很多人都沒法用簡單幾句話給我描述清楚他心中的AI是什么樣子。 各位沒有妨在心里答答自己這個答題，能沒有能用簡單幾句話說清楚什么是AI？ 后來我又看一篇Stanford的一篇報告，對內里的一些觀點非常認同，在這里分享給人人。報告里提到：這個世界的確對AI貧乏一個精準的，統(tǒng)一的定義，可是就是因為貧乏這么一個精準統(tǒng)一的定義，反而讓AI在各個沒有同的領域大放光芒，著花結果。各方參與者、研究者，大概都在對AI有一個朦朧的熟悉的情況下，就最先搞AI了，以是說AI不一個準確的定義，它未必是一件壞事情。 人人想在很多年前，在計算器剛被發(fā)明出來的時辰，我信賴那個年代的人肯定會認為計算器是"智能"的，可是按照我們當今這個期間的標準來看，計算器頂多算是一個小孩子的玩具罷了，和我們所提的AI相去甚遠。但你又沒有得沒有啟認在那時那個年代，計算器就是智能的。以是你仔粗體會一下發(fā)展的過程，AI是沒有是能算做一種盡力？ AI是一種沒有停的盡力，試圖讓機器變得更智能。更有意思的是什么呢？AI這種盡力會推進我們向更先進更智能的領域前進，可是你一旦進入到這個領域之后，我們就會想方設法把AI從這個領域里剔除出去。人人想想看，因為AI，我們把一個全新的科技帶入到一個common field內里來，然后等人類認識這個器材之后，就沒有再以為這個器材是個AI了，沒有以為它智能了，然后又會有更新的科技誕生。以是你從這方面來看AI也能算做一種趨勢，它永遠去追求更遠的進步。 就拿現在的下棋AI舉例子，昔時深藍在初次戰(zhàn)勝卡斯帕羅夫的時辰，我照樣一個小孩，我守在家里小小的電視前面看消息，我就以為電腦差神奇，簡直太智能了，完全挨破了我對計算機能做到的事情的明白。但現在你任意對一個AI行業(yè)里的人去說，說只會下國際象棋的深藍是AI的話，估計你會被嘲笑吧�？墒乾F在人人又所有都同意說AlphaGo現在就是AI的代表作之一，那么十年二十年之后，AlphaGo會沒有會陷入到現在深藍的田地，誰又知道呢？但我信賴，沒有管在那個年代AlphaGo是怎么樣的，AI還肯定還在人類心中。 鈦率直群友互動： 1、請答，使用人工智能做內容推薦，若何辦理推薦的內容會限定用戶視野的答題？ 武�。浩鋵嵧扑]的便捷和限定用戶視野的答題，的確是少久以來推薦系統(tǒng)面臨的答題，也是整個推薦體系人人一向致力于辦理的一個答題。我以為要從兩個層面來辦理這個答題： 從產品層面上來看，除了推薦的內容之外，其實你肯定照樣有按照類別來區(qū)分，然后還有其它熱點內容揭示給用戶。沒有大概全是推薦的內容對吧，否則你就形成了一種過擬合。然后你按照類別區(qū)分，產生其它熱點內容。沒有管用戶感沒有感覺樂趣，你都可以推給他，有些用戶樂意點，有些用戶就沒有樂意點，你會形成更精準的這種數據反饋，然后就讓模型變得更差。 從手藝層面來看，剛才說的內容除了推薦內容，還有熱點內容之外，也屬于手藝內容的一部分，你也可以舉行一些協(xié)同過濾，讓這些跟你有關系的用戶，還有一些其它器材，也推薦進來，這樣的話大概會擴大這種樂趣局限。另外一方面就是隨著你對用戶各方面精準刻劃和周全網絡，你的局限就會越來越廣。然后你就會看到它有更多的所謂樂趣源，能讓這個領域變得越來越大，然后能讓歷史上或者將來的數據慢慢的放大，去形成正向的一種循環(huán)。 2、請答什么產品能更差啟載了語音視覺交互的答問，耳機照樣眼鏡？ 武�。哼@個器材我比較關注的兩個，一個是說答問機器人，剛才我詳粗的已經講授過了。還有一個是翻譯機，你會發(fā)現現在的熱點就是翻譯，翻譯機的形態(tài)有很多。它大概是一個耳機，也大概是一個手持設備�？墒乾F在有很多的人都在集中力量來做這個事情，想實現多說話之間的這種互通，來不便出國旅游或者會議這種翻譯場景的使用，像現在科大訊飛已經推出了2B的產品。 很差的實現了語音交互的體系，還有什么呢？就是車載體系，剛才也提到了，比如現在的車載導航，我們正在致力于開發(fā)。首先它肯定是在一個垂直領域內里，然后它是基于多人對話的一種智能語音體系，你可以說：我要去機場，它答你哪個航站樓，你說：我要去T3，或者直接告訴他航班號。在路途中間，若是你說：我想去喝杯咖啡，他會幫你計算在你去機場的路上哪兒有星巴克。它就是以很差的產品形態(tài)啟載了語音視覺的交互，同時它還陪隨著后面有個知識系統(tǒng)。 3、請答您認為在知識推薦領域，何時能夠做到精準并民用？ 武健：這個答題我照樣想聯(lián)合搜索來回問。因為現在我們可以說搜索引擎已經是辦理了這個答題，可是形態(tài)上跟推薦沒有太一樣。因為搜索上它給出的問案是十條，推薦上面它大概給你一個精準的問案�？墒蔷拖裎抑罢f的，做這種精準的推薦肯定是要基于搜索來做的，它往后更多的發(fā)展大概是你的產品形態(tài)上的轉變，肯定要有一個非常差的產品形態(tài)，然后才能讓它去進入精準的民用級。以我個人細淺的明白，我以為兩三年的時間吧。兩三年之內，這種精準的民用級知識推薦，沒有能說在全領域，可是肯定是在一些特定的垂直領域，我以為就能實現得很差了，我沒有知道這樣回問是否你想要的問案。 4、請答剛才提到的就是說現在的這種人工干預還多嗎？ 武健：其實現在的人工干預照樣非常多的�，F在沒有管是在語音識別，在語義明白照樣必要大量人工標注的，就是你數據的積累是一部分�？墒悄闱捌诘奶嵘看罅康臄祿䜩砉嗥鋵嵭Ч呛懿畹�，到后面你想一個點一個點提升的時辰，照樣必要有大量的人工標注的�，F在但凡在模式識別這個答題內里，我們還不說能夠穿離人工標注來舉行完美實現的一個方案，以是說現在有些人就會戲稱所謂人工智能其實照樣工人智能。 （本文獨家首發(fā)鈦媒體，根據搜狗基礎平臺負責人、機器人負責人武健在鈦率直上的分享清算）](/uploads/allimg/170525/1505333316-1.jpg)
