搜狗武�。簭臋C器人看人工智能(2)
時間：2017-05-25 14:53 來源：鈦媒體 責任編輯：毛青青
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：
![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(jīng)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(jīng)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(xiàn)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(jù)自己的知識計算系統(tǒng)，聯(lián)合到它收到輸入的信息，經(jīng)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(xiàn)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(xiàn)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(xiàn)，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(wǎng)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(jīng)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(wǎng)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(shù)沒有勝數(shù)，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 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(shù)據(jù) + 產(chǎn)品。以是，自然交互= 手藝 + 計算力 + 數(shù)據(jù) + 產(chǎn)品。這里的有價值的人工智能，指的是能夠以真實的產(chǎn)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。可是手藝有一個答題，它是天然擴散的。因為互聯(lián)網(wǎng)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(xiàn)在的手藝內里。稀奇是在深度進修期間，手藝已經(jīng)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(jīng)沒有太現(xiàn)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�？墒牵羰菑捏w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(jīng)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(xiàn)在大概已經(jīng)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(chǎn)品與數(shù)據(jù) 以是說，手藝是擴散的，計算力是指數(shù)性增加的。在當下期間，只有產(chǎn)品加數(shù)據(jù)才是你的私有財產(chǎn)，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(shù)據(jù)，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(chǎn)品設計，讓用戶在網(wǎng)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(xiàn)的。但自從有了大量用戶產(chǎn)品，并且用戶在這些產(chǎn)品里產(chǎn)生了充足多的數(shù)據(jù)后，廠商們現(xiàn)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(chǎn)品上的數(shù)據(jù)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(chǎn)品和數(shù)據(jù)才是重中之重。在產(chǎn)品和數(shù)據(jù)方面，要形成閉環(huán)，盡遲讓一個功能上線到產(chǎn)品中去累積數(shù)據(jù)，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(shù)據(jù)，然后就 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 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(jù)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(chǎn)品，給我們帶來了大量優(yōu)質的數(shù)據(jù)�，F(xiàn)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(chǎn)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(shù)據(jù)。 剛才提到的只是數(shù)據(jù)積累的部分，其實你聯(lián)合用戶產(chǎn)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(xiàn)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(shù)據(jù)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(chǎn)品形態(tài)和數(shù)據(jù)，我們就可以讓產(chǎn)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(chǎn)品和數(shù)據(jù)可形成壁壘，絕沒有是說手藝是沒有重要的，產(chǎn)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(chǎn)品形態(tài)，同時差的產(chǎn)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(xiàn)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 頻的，也是實現(xiàn)起來難度最大的。 為什么說問案建議是 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(wǎng)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(xiàn)在人工智能期間到來之前，互聯(lián)網(wǎng)期間中我們最必要、使用頻率 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(xiàn)，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(wǎng)頁，萬億級其它網(wǎng)頁啟載著互聯(lián)網(wǎng)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。看看誰能索引更多的網(wǎng)頁信息，因為有萬億級的網(wǎng)頁沒有是任意一個做搜索引擎的公司都能把全部網(wǎng)頁都能索引下來的。 第二個是準。怎么樣在這么多個網(wǎng)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(wǎng)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(wǎng)頁之外，你會發(fā)現(xiàn)在各個垂直領域出現(xiàn)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(wǎng)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(xiàn)，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(wǎng)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 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(xiàn)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) ，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(wǎng)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(xiàn)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(wǎng)頁，是APP，在現(xiàn)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(xiàn)，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(wǎng)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(xiàn)的，這也是為什么現(xiàn)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(jīng)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(xiàn)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 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(wǎng)計算的，知識來歷是整個互聯(lián)網(wǎng)，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 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(xiàn)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(xiàn)之后，人人都在喊AI，就差像之前人人喊連接，喊互聯(lián)網(wǎng)+，喊大數(shù)據(jù)一樣�？墒菦]有管是連接、互聯(lián)網(wǎng)、大數(shù)據(jù)，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(xiàn)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 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(xiàn)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(xiàn)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(xiàn)在人人又所有都同意說AlphaGo現(xiàn)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(xiàn)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(chǎn)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(chǎn)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(shù)據(jù)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(wǎng)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(shù)據(jù)慢慢的放大，去形成正向的一種循環(huán)。 2、請答什么產(chǎn)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(jīng)講授過了。還有一個是翻譯機，你會發(fā)現(xiàn)現(xiàn)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。可是現(xiàn)在有很多的人都在集中力量來做這個事情，想實現(xiàn)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(xiàn)在科大訊飛已經(jīng)推出了2B的產(chǎn)品。 很差的實現(xiàn)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(xiàn)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(chǎn)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�。哼@個答題我照樣想聯(lián)合搜索來回問。因為現(xiàn)在我們可以說搜索引擎已經(jīng)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。可是就像我之前說的，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(chǎn)品形態(tài)上的轉變，肯定要有一個非常差的產(chǎn)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(xiàn)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(xiàn)在的這種人工干預還多嗎？ 武�。浩鋵崿F(xiàn)在的人工干預照樣非常多的�，F(xiàn)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(shù)據(jù)的積累是一部分�？墒悄闱捌诘奶嵘看罅康臄�(shù)據(jù)來灌其實效果是很差的，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(xiàn)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(xiàn)的一個方案，以是說現(xiàn)在有些人就會戲稱所謂人工智能其實照樣工人智能。 �。ū疚� 首發(fā)鈦媒體，根據(jù)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)
投稿郵箱：chuanbeiol@163.com 詳情請訪問川北在線：http://sanmuled.cn/
①凡注明"來源：XXX(非在線)"的作品，均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點和對其真實性負責，本網(wǎng)不承擔此類稿件侵權行為的連帶責任。
②本站所載之信息僅為網(wǎng)民提供參考之用，不構成任何投資建議，文章觀點不代表本站立場，其真實性由作者或稿源方負責，本站信息接受廣大網(wǎng)民的監(jiān)督、投訴、批評。
③本站轉載純粹出于為網(wǎng)民傳遞更多信息之目的，本站不原創(chuàng)、不存儲視頻，所有視頻均分享自其他視頻分享網(wǎng)站，如涉及到您的版權問題，請與本網(wǎng)聯(lián)系，我站將及時進行刪除處理。
