في السنوات الأخيرة، وتطوير الذكاء الاصطناعي، وعمق التعلم لديهم دفعة عميق. اختراق الرئيسي القادم في مجال الذكاء الاصطناعي هو فهم اللغة الطبيعية.

23 يونيو، الصين جمعية الحاسبات موضوع "تطبيق الصناعي والتطور التكنولوجي للحوار بين الانسان والآلة،" الندوة معهد بحوث الدكتور Jingdong AI نائب الرئيس التنفيذي وشياو دونغ التقرير الرئيسي حول "اللغة الطبيعية اختراق التكنولوجيا التفاهم".

في هذا التقرير، استعرض الدكتور وشياو دونغ الأول لفترة وجيزة دراسة متعمقة من جانب المعتمدة على التكنولوجيا الصوت واللغة والرؤية وهلم جرا، ثم يركز على الأبحاث المتطورة في معالجة اللغة الطبيعية (NLP) حيث من جانبين، واحد هو كيف السماح لمنظمة العفو الدولية من خلال تقنيات البرمجة اللغوية العصبية لفهم البشر، مثل فهم القصد، تحليل دلالات، والتعرف على العاطفة، بحث توصية، والثاني هو كيفية جعل نتائج AI يمكن قبول التفاهم بين البشر، مثل تلخيص النص، وتوليد المحتوى، والموضوعات بما في ذلك الحوار العاطفي. وأخيرا، بحثنا في ومتعددة الوسائط الذكية الجيل النص، طويل، تقدم مؤخرا على هذه الجبهات الاتجاه العاطفة وأسلوب التعبير، والحوار بين الإنسان والكمبيوتر.

لى فنغ شبكة ملاحظة: خطاب الدكتور وشياو دونغ

في مارس، انضم الدكتور وشياو دونغ Jingdong، نائب الرئيس التنفيذي معهد بحوث AI Jingdong رن وعمق التعلم والتعبير ومدير مختبر اللغة. لها مساهمة هامة في التعلم العمق، معالجة اللغات الطبيعية، التعرف على الكلام، الرؤية الحاسوبية واسترجاع المعلومات. يتضمن العمل DSSM (هيكل نموذج الدلالي عمق / العمق نموذج مطابقة الدلالي) وصفها، وصورة مثل الروبوت توضيحية بوت. وقبل انضمامه إلى Jingdong، عمل الدكتور وشياو دونغ في معهد ريدموند الولايات المتحدة الأمريكية مايكروسوفت، شغل منصب المحقق الرئيسي (باحث رئيسي) وديب التعلم مركز تكنولوجيا (DLTC) الشخص المسؤول. فاز الدكتور وشياو دونغ في عام 1996، وعلى شهادة البكالوريوس في جامعة تسينغهوا، الأكاديمية الصينية للعلوم في عام 1999، ودرجة الماجستير في عام 2003 من جامعة ميسوري - كولومبيا الدكتوراه انجليس.

ما يلي هو مضمون محدد من التقرير الذي أدلى به الدكتور وشياو دونغ، لم شبكة لى فنغ لن تغير القصد من تحريرها.

عملية تطوير التعلم العميق

كانت تسمى دراسة سلفه العمق "الشبكة العصبية"، مرة واحدة شعبية في 1980s. في 1990s، ونحن نتوقع أن تصل إلى ذروة الشبكات العصبية، ولكن وجدت العديد من المشاكل التي لا يمكن حلها، مثل التعرف على الكلام في حل بعض المشاكل، وليس بالضرورة تأثير الشبكات العصبية وغيرها من نموذج الإحصاءات على أساس أفضل من غيرها.

2000، وعندما عمق التعلم لم يتم الاعتراف على نطاق واسع. وفي عام 2008، نظمت دينغ لي وزملاؤه في شركة مايكروسوفت NIPS ندوة مع جيف هينتون مثل لإدخال بعض من أحدث التطورات من عمق التعلم. حتى حوالي عام 2010، ابتداء من الساعة عمق نموذج الشبكة العصبية التعرف على الكلام واسعة النطاق أنتجت على نجاح كبير. ومنذ ذلك الحين، لدينا ثقة جديدة في الشبكات العصبية والتعلم العميق، بعد تعزيز الشبكة العصبية في عام 2012 صورة الاعتراف على اختراق ضخم، 2014، 2015، والشبكات العصبية الترجمة الآلية أيضا انفراج كبير. بعد تكنولوجيا الشبكة العصبية لها تأثير أكبر في المناطق المزيد والمزيد من منظمة العفو الدولية.

التعرف على الصوت، على سبيل المثال، قبل عام 2000، من دون توقف التقدم في تطوير التعرف على الكلام، ومعدلات الخطأ التعرف على الكلام حتى لا يكون هناك اتجاه نزولي واضح جدا.

ومنذ عام 2000، وتكنولوجيا التعرف على الصوت في عنق الزجاجة على الرغم من أن يكون هناك بعض الاختراعات الجديدة في كل عام، ولكن في واقع الأمر كله، 2000-2010، يتم تعيين نسبة الخطأ على اختبار على نطاق واسع الأساسية لا تذهب إلى أسفل، من الناحية الفنية هذا العقد هو الراكد أساسا .

وابتداء من عام 2010، بدأ جيف هينتون ومايكروسوفت القيام التعرف على الصوت بحوث التكنولوجيا والتنمية مع دراسة متعمقة في عام 2011 وجدت أن في عدد من الحلقات على نطاق واسع التعرف على الكلام، يمكنك ان ترى 20 -30 نسبة الخطأ. بعد المزيد من الباحثين وضع نسبة الخطأ انخفض إلى سرعة عالية جدا. صوت الهاتف على لوحة مفاتيح المهم اختبار مجموعة، في العام الماضي، ومعدل الخطأ التعرف على الكلام مايكروسوفت ليست سوى حوالي 5، أي ما يعادل مستوى من المهنية مختزل. لذلك، نعم، عام 2017، على لوحة مفاتيح، وصلت آلة المستوى الإنساني.

ليس فقط في الصوت، في صورة الاعتراف قد تعلم العمق أيضا الكثير من التقدم. ربما في عام 2009، وجاء فريق لي Feifei مع مجموعة من ImageNet البيانات، ابتداء من عام 2010، قال لى Feifei وفريقها ستجري تحديا أساسيا في كل عام. في عام 2010، 2011، وتحديد أفضل نظام للقيام على مجموعة البيانات هذه نسبة الخطأ هو على الارجح حوالي 25. وأضاف تقنية جديدة أيضا في عام 2012، هينتون وطلابه ليعرض لأول مرة على عمق الشبكة العصبية الالتواء، على الرغم من عدم تربيتهم، ولكن وضعوا الشبكة للقيام على نطاق واسع في ذلك ذلك أن نسبة الخطأ انخفض فجأة إلى 16 من 25.

بحلول عام 2015، كنت قد قدمت في فريق الزملاء مايكروسوفت سون جيان نموذج جديد، وعمق التعلم دفع إلى مستوى جديد، وعدد من طبقات من طبقة الشبكة لتحقيق 152، ونسبة الخطأ وصولا الى 3.57. لأن الناس أحيانا يرتكبون أخطاء، ومعدل الخطأ البشري من حوالي 5، ولكن الجهاز يمكن أن تفعل 3.5، وذلك منذ ذلك الوقت، للقيام التعرف على الصور بواسطة الكمبيوتر في هذا مجموعة معينة من البيانات قد يكون أفضل من الشخص العادي .

صوت وصورة قد نرى اختراقا واضحا جدا، ونظرة أعمق المقبل قدما إلى القدرة على القيام انفراجة في اللغة الطبيعية. لأن اللغة هي فريدة الذكاء البشري، والكثير من الحيوانات العليا أيضا أن يكون لها رؤية قوية والسمع، ولكن اللغة هي فريدة من نوعها لحكمة الإنسان. لذلك نحن نأمل أيضا أن أحد أجهزة الكمبيوتر اليوم أو الذكاء الاصطناعي مثل الناس، وإلى فهم كامل للغة.

الحدود أبحاث معالجة اللغات الطبيعية

عندما يتعلق الأمر معالجة اللغة الطبيعية، وأساسا يمكن تقسيمها إلى وحدتين:

1، AI فهم الإنسان.

مثل نية تحديد والبحث، والناس يعبرون عن مجموعة متنوعة من النوايا والمشاعر من خلال الكلمات. لذلك نحن نقول ترك AI فهم الإنسان.

وتتمثل الخطوة الأولى لفهم اللغة استخراج قيمة الفتحة.

إذا كنت أقول كلمة، يحتاج الكمبيوتر لفهم هذه الجملة داخل بنية تريد. على سبيل المثال، وتريد للبحث عن رحلة جوية، سوف نبني المدينة والوقت تميز بها. نحن نتعاون مع يوشوا بيجيو في عام 2013، وهي المرة الأولى تطبيق RNN بنجاح لهذه المشكلة.

عمل آخر هو كيف الفئة نية .

الناس يتحدثون معقدة جدا، ويقول لك بعض الكلمات التي تصف وجهات نظرهم حول المطعم، ولكن نريد أن نعرف لديك قطعة الرأي الحقيقي من الداخل، لماذا تقول ذلك؟ يعني ذلك أن مثل هذا الخطاب الذي هو أكثر أهمية لمعرفة ما حكم قضائي، وهو حكم ليست مهمة جدا. لذا صممنا على درجة مزدوجة من الاهتمام على أساس الشبكة العصبية، ودعا الهرمي Athention نت. وهذا هو، في الجملة، على حد تعبير هذا المستوى لاستخراج أهم المعلومات أثناء استخراج الجمل الأكثر أهمية بين الجمل، وهما معا، يمكننا تحقيق تعبير كاملة من قسم اللغة.

الخطاب نفسه يقول هو انه مثل المطعم، حتى نتمكن من وضع الكلمات بمناسبة أحكاما مهمة أو مهمة تميز بها، وعمق اللون وسائل أكثر أهمية من فهم نوايا الخطاب. وذلك ليس فقط يمكن أن تفسر معنى الخطاب كله مثل مطعم، لكنه يقول لك أيضا لماذا مثل المطاعم.

التمثيل الدلالي وهو جوهر اللغة الطبيعية مشكلة فهم.

اللغة الطبيعية يمكن أن يكون تتغير باستمرار، ولكن في الواقع هناك داخل الدلالي. فهم الدلالي هو سؤال صعب، ونحن نريد لتصميم الشبكة العصبية العميقة يمكن استخلاصها من الوصف الأصلي أو المقارنة بين اللغة الطبيعية الأولية لملامح الدلالات المجردة. ملامح الدلالي مشاركة تشكيل الفضاء الدلالي، وهذا يعني كل كلمة سوف يتم تعيينها إلى نقطة في هذا الفضاء. أحكاما مختلفة الدلالي متشابهة، ولكن ليس حرفيا نفس. نأمل أن هذه الشبكة العصبية للتعلم في وقت لاحق، دعه يعرف كلمتين في داخل الفضاء مشابه.

صدفة من كلمتين ذات الصلة للغاية لكن المعنى مختلف تماما، ونحن نأمل ان يكون هذا فهم من الشبكة العصبية عن طريق التعلم لمعرفة داخل لب المشكلة في الجملة لغة مختلفة على الرغم من أنه قد يكون وصفا الحرفي هي مشابهة جدا، ولكن المعنى مختلف تماما، لذلك هذا هو .

لحل هذه المشكلة، ونحن ربما اقتراح نموذج في عام 2013، ودعا عمق تفكيك النموذج الدلالي (DSSM). فإنه لا يحل مشكلة أساسية هي أن هناك بعض الجمل، مثل السيارات الرياضية، يمكن ترجمته إلى سباق أو الركض، على الرغم من أن درجة أعلى من قبيل المصادفة حرفيا، ولكن من مفاهيم مختلفة جدا من الرياضة والجري. بعد تعلم حتى نتمكن من معرفة، والسيارات الرياضية وسباقات في الفضاء ناقلات درجة صدفة النهائي داخل ناقلات أن تكون على أعلى مستوى ممكن، ثم فتحت السيارة وناقلات تعمل قدر الإمكان، لذلك ما في وسعنا سيارة رياضية منفصلة أفضل في داخل الفضاء الدلالي و العلاقة التوالي.

ليو صافي ملاحظة: عمق هيكل نموذج الدلالي (لDSSM)

التدريب بأكمله هو أكثر تعقيدا، ونحن لا نهتم الفرق المطلق بين ناقلات، ولكن العلاقة النسبية بين ناقلات وناقلات، إلا أن العلاقة النسبية يحدد معاني الكلمات. لأن دلالات حد ذاته هو مفهوم افتراضي، قد رأيتم هذه الصورة، رأيت وجوه، ولكن دلالات كانت دائما المفهوم في أذهان الناس في الداخل. هكذا يتم التعبير عن معاني الكلمات التي لها معنى النسبي، ونحن نعلم أن A و B متشابهة جدا، لذلك لدينا لتدريب هذا النموذج من قبل أحد الأقارب من أهداف التدريب، للحصول على مثل هذا النموذج الدلالي.

وهناك مسألة هامة أخرى، وهذا هو، رسم خرائط المعرفة.

لى فنغ شبكة ملاحظة: المعرفة خريطة تخطيطية

يمثل نقطة مهمة من الكائنات والكيانات، وخطوط تميل لوصف العلاقة بين الأشياء والأشياء. مثل أوباما لديه العديد من الانتماءات، ولد في هاواي، حزبي الديمقراطي وزوجته واسم ابنة. مرات عديدة نحن نريد لحساب في معرفة مستمرة من داخل الفضاء، ومنظمة الصحة العالمية والذي يشبه جدا لمنظمة الصحة العالمية والذي على الأرجح سيكون لها بعض علاقات جديدة، لم تكن معروفة سابقا يمكن استغلالها. لدي مقال في معرفة كيفية تعيين تمثل داخل الفضاء المستمر في عام 2015. على سبيل المثال، يمكننا أن نقول مع مجرد ناقل الدلالي لتمثيل كل كيان، في حين تستخدم مصفوفة لتمثيل العلاقة بين الكيانين. في هذه الحالة، فإننا حساب الكيان A و B الكيان ليست محددة جود علاقة M، طالما أن ناقلات ناقلات المشغل A B لمعرفة ما إذا هذه القيمة ليست عالية، لجعل مقياس التشابه.

لديهم معرفة نمط من هذا القبيل التعبير في داخل الفضاء المستمر بعد وقوعها، يمكنك أن تفعل أشياء أخرى كثيرة. على سبيل المثال، يمكنك اطلاق الكثير من الأشياء في داخل الفضاء المستمر، ونحن نعلم أن مسقط رأس أوباما في هاواي، هاواي في الولايات المتحدة، ونحن يمكن أن تجنيها من جنسيته أميركية. ويمكن حساب هذه من داخل مساحة المعرفة. وفقا للعلاقة الجنسية ومكان الولادة يمكن حساب المسافة بين اثنين من المصفوفات، إذا كانت المسافة بين المصفوفات اثنين هو ما يكفي صغيرة، ثم أعتقد أن هذه العلاقات هما ما يعادلها.

مع الخريطة في معرفة المستقبل يمكنك أن تفعل أشياء كثيرة، مثل صنع إجابات المعرفة، ونسأل من هو شقيقة جوستين بيبر، يمكنك الحصول على الجواب من خلال تحليل والبحث الدلالي والتوفيق.

2، والسماح للتعبير منظمة العفو الدولية عن طريق التفاهم بين البشر.

ذلك هو السماح للمحتوى ولدت منظمة العفو الدولية، فهم الإنسان. على سبيل المثال، ونحن نعلم جميعا أن الذكاء الاصطناعي يمكن أن يكتب الشعر الآن ليست الأخبار، والذكاء الاصطناعي والطلاء، ويمكنك أيضا القيام ببعض نص موجز، وحتى القيام كتاب الطبخ. ولذا فإننا ارتفاع الطلب على نحو متزايد للذكاء الاصطناعي، والذكاء الاصطناعي يريدون ليس فقط لفهم ما نقول، ولكن أيضا بعض العناصر من ردود الفعل.

وكذلك كيفية استخدام تعزيز التعلم تطبيق جعل في داخل اللغة الطبيعية. تعزيز التعلم داخل AlphaGo هو مثال جيدة، ونحن نعتقد أن مشكلة فهم اللغة الطبيعية هي أكثر صعوبة من AlphaGo الشطرنج، لأن اللغة هي الفضاء اللانهائي، مساحة كبيرة من العودة، في الواقع مساحة لغة أكبر من العودة . اللغة هي الفضاء اللانهائي، وخصوصا على العمل من حيث المساحة، وكل خطوة يمكن أن تذهب فقط على 361 نقطة لتحديد أي نقطة.

لحل هذه المشكلة، ونحن لا يمكن أن يكون مثل AlphaGo كما مباشرة إلى القاضي، الذي الحوار لغة، وH هي قالت آلة كلمة، جملة أو الانتخابات آلة، لأنه إذا كان هذا التعبير هو المتغيرة باستمرار، وهذا ليس H الحدود أ. ذلك لا يعني أن ندع آلة اختيار واحد من H، ولكن هذا كل H تعيينها إلى الفضاء الدلالي من خلال الشبكة العصبية، والذي يحسب في الفضاء الدلالي الذي يجب أن يكون محددا عندما H، H لهذه البيئة مشاركة في لغة في عمق تعلم أن تفعل.

فهم من فهم الإنسان مع الكمبيوتر ليست هي نفسها، والكثير من الوقت لفهم منطق الكمبيوتر أن تفعل شيئا أشبه مباراة، بما في ذلك كلمات البحث، والتحليل الدلالي. على أي حال، قد تجاوز في هذا مجموعة البيانات العديد من أحدث الموديلات مستوى الشعب. اقترحنا حتى نموذج جديد لكيفية نقل التعلم، وهذا هو نموذج للكيفية وضع يهاجر من منطقة إلى منطقة أخرى، من أجل بسرعة تصل إلى مستوى عال جدا.

هناك جانب القيام كبير نسبيا هو آلة قابل للقراءة نأمل AI بعد قراءة مقال، ويمكن الإجابة على أي أسئلة حول هذه المادة. يجب أن يكون الكمبيوتر على فهم كامل للسياق، ثم الحصول على إجابة دقيقة. هذا أيضا لديه الكثير من التقدم، جعل ستانفورد مجموعة من البيانات، ومؤخرا من الإصدار 2.0، في الآونة الأخيرة، العديد من الشركات في هذا الصدد يقوم به بشكل جيد أيضا، مثل HKUST سريعة الطيران، وجوجل، ومايكروسوفت، علي وهلم جرا.

اختراق المقبل

1. متعددة الوسائط الذكي

وضع الاستخبارات المتعددة هو مفهوم الشاملة، ونحن نعلم أنه عندما يحصل الناس الذكية، من خلال مصادر متعددة، وليس مجرد إلقاء نظرة على الخريطة، أو مجرد الاستماع.

نحن نعرف من أوباما يدرك خلفيته، ولكن ليس شاملا، أدركت أن وقتا طويلا بعد أوباما انظر الصورة. حتى لا يكون هناك تكملة كبيرة إلى لغة بصرية المعرفة. وينطبق الشيء نفسه السمع، سمعنا خطاب أوباما، ونعرف كيف انه الكلمات، لأنه لديه فهم أعمق. كل هذه الأمور معا طرائق مختلفة، من أجل تقودنا إلى فهم شامل لكامل الجسم من المعرفة. نموذج التعلم عميق جدا، ونحن نريد للدخول وسائط مختلفة وضعت تدريجيا مفاهيمه الدلالية ثابتة إشارة المستخرجة، وأخيرا قادرة على توحيد متعدد الوسائط داخل الفضاء الدلالي، في الفضاء الدلالي، ونحن عبر مشروط يمكن أن تفعل بعض الأعمال، مثل الرسومات المنطق المرتبطة بها، وحتى تفعل معالجة رسم الصليب، وحتى وضع إلى وضع توليد المحتوى وهلم جرا.

2. إنشاء محتوى معقد

وهذا عمل آخر جديد، وهذا هو، وكيفية توليد نوع من الشعر. الشعر أيضا توليد إنشاء المحتوى، ونحن نفترض أن هذا هو عالم خوارزمية لابنته كتب القصيدة، ومن ثم أدخل من شأنه الكمبيوتر الكلمة يفهم أنه ربما أراد أن يعبر عن أي نوع من المزاج، واستخدام الكلمات للتعبير عن هذه المشاعر لتوليد الشعر.

وهناك أيضا لم يتم حل مشكلة الأساسية، وهي كتابة المنطق. حتى هذا الوقت على كيفية إنشاء مثل هذا النموذج علاقة هذا الموضوع، وهيكل من المواضيع الفرعية ويمكن توسيع ويمكن أن تنعكس في النموذج، وأخيرا يمكن أن تكتب حقا قبل وبعد منطق صارم، وجاءت المادة ذات مغزى للخروج.

3. الذكاء العاطفي

كمثال بسيط لكيفية توليد الحوار العاطفي. إذا كانت المرأة اشترى قميصا، إذا كانت إرسالها إلى دائرة من الأصدقاء، ويمكننا أن نعرف أن هذه هي سيدة. الكمبيوتر قد وصف حتى جملة واحدة: امرأة ترتدي الأزرق تي شيرت. ولكن في الواقع هذه السيدة قامت دائرة من الأصدقاء في الصورة، قد يكون مجرد لاظهار لها اشترى حديثا ملابس جديدة. حتى هذا الوقت أريد الكمبيوتر لمعرفة احتياجاته العاطفية، هذه الصورة تبدو مثل الملاك الجميل، بدلا من التركيز على ظهور لها اللباس والسلوك. لذلك نحن نريد الكمبيوتر لتكون قادرة على القيام أقدر على فهم العواطف المستخدم، ونعرف مطالب المستخدم، بحيث يمكن للمستخدمين سوف تكون قادرة على القول لفهم أعمق. نحن نريد أن الذكاء الاصطناعي، وبدأ تدريجيا إلى فهم أعمق لالعاطفية، وليس فقط قادرة على التعرف على العاطفة، ولكن أيضا مع التعبير العاطفي وفقا لذلك.

4. متعددة جولة حوار بين الانسان والآلة

التكنولوجيا الذكية، بعد كل شيء، والعودة إلى السؤال، ما AI ذلك؟ تورينج المقترحة في 1950s، عندما تورينج اختبار، بعد جهاز الكمبيوتر وإذا كان الكثير من الناس يتحدثون لفترة طويلة، والناس لا يمكن أن تحدث القاضي له من إنسان أو الكمبيوتر، وقال انه يعتقد الكمبيوتر هو تمرير ذكي الاختبار. وبعبارة أخرى، يعتقد تورينج اللغة والحوار ممثلين رفيعي المستوى من الذكاء، ما اذا كنا نستطيع اجتياز اختبار تورينج على الحوار والوسائل أن هذا الكمبيوتر هو ذكي حقا.

ومنذ ذلك الحين، قد فعلت أجيال من العلماء الكثير من البحوث على مدى السنوات ال 50 الماضية جعلت الكثير من النظم الحوار، يعترف اعترافا الصوتية، والكلام لفهم الدلالات.

معهد Jingdong مؤخرا التي قطعناها على أنفسنا العاطفية الروبوتات خدمة محادثة وخدمة العملاء داخل معظم الشيء المهم هو العاطفية، فمن الضروري أن يكون هناك فهم دقيق للمزاج. يحتاج العملاء لديها التعاطف للمستخدم، وخدمة العملاء لديها ما يكفي من المهارات غرامة التحدث، ولكن أيضا لتلبية بعض القيم الاجتماعية.

على سبيل المثال، إذا كان شخص يدعى، بدأ يطلب منه التعبير لماذا لا؟ AI آمل هذه المرة يمكننا نموذج بدقة تجربة العملاء ليكون غاضبا. ثم الروبوت سوف استرضاء بعض، آسف، دعونا عواطفه يمكن تخفيف. ثم أسأله محتوى معين: "في النهاية عندما حدث ذلك"، قال: "بالأمس". هذه المرة سوف الروبوتات الذكية يجب أن تحقق هذا الشيء ليس الخاصة، وقال له أخيرا، "إن النظام أن يظهر شيء." العملاء العواطف من الغضب لتصبح حريصة في هذا الوقت، والروبوت بسرعة كبيرة للقبض عليه هذا تغيرات في المزاج، وقال له: "لا تقلق، لدينا التأمين، يرجى أن تطمئن."

ما وراء الخطوة التالية، وعرض ويقول "جيرانكم تساعدك على الاشتراك، لا تضيع، لذلك يمكنك أن تطمئن." هذه المرة حدثت تغيرات المزاج العميل مكان، وقال انه قد يشعر بالارتياح أن يتم حل هذه المسألة، وقال انه وقال: "تأكدوا، شكرا لك." هذا الوقت الكشف عن الروبوت أيضا في مزاج سعيد، وأتمنى السعادة للعملاء، ثم حل هذه القضية.

كان هناك العاطفي الروبوت الحوار الدعم في Jingdong على الخط، على خط الخدمة لديها ما يقرب من 100 مليون دولار لتقديم المشورة.

خلاصة القول:

كامل اختراق اللغة الطبيعية، وأنا شخصيا أعتقد أن ليس لإثبات أن التكنولوجيا AI من الناس، من الناس تحت الكمبيوتر الشطرنج قوي، كمبيوتر لإثبات مدى التقدم ليس هدفنا النهائي، هدفنا النهائي هو مساعدة الناس على التواصل AI هذا العالم. نحن نعيش في عالم المادي الذي غالبا ما يتطلب الكثير من الإشارات البصرية في الداخل. في الوقت نفسه، ونحن نعيش أيضا في العالم الرقمي، لدينا جميع أنواع الحسابات، وهناك مجموعة متنوعة من الأرقام. وبالإضافة إلى ذلك، نحن بحاجة للحفاظ على التعامل مع الآخرين، لدينا إلكتروني الجزئي، رؤيته، ونرى مجموعة متنوعة من العناوين، أو نظرة على مجموعة متنوعة من المعلومات، انتقل عبر الإنترنت لشراء الأشياء، إلى الاتصال بخدمة العملاء، وذلك مع البشر الصفقة أيضا حاجة إلى نقطة فاصل. لذلك نحن نأمل AI مساعدة لكل مستخدم ولكل مستهلك أفضل شخص مع عالمها ثلاثة يمكن الاتصال.

اللغة فهم التكنولوجيا باعتبارها جوهر، والعالم هو القدرة على التواصل، كما قلت تورينج أنه فقط من خلال الحوار يمكن ان يثبت وآلة اختبار ذكاء، لذلك فإن فهم اللغة والحوار بين الانسان والآلة دائما نواة موضوعية لتعزيز تنمية الذكاء الاصطناعي. نأمل يمكن للآلة أخرى تتطور لمخابرات متقدمة والمخابرات العامة، والتعلم تلقائيا والابتكار الذاتي، ثم سرعان ما في بعض المناطق تفعل أفضل من الناس.