[科技界] 人工智能:机器人什么时候学会聊天?

如果你用过数字助理，你遇到的问题很难解决:他们可能擅长一些有帮助的任务，但不是很健谈的人。

很容易理解为什么这可能是亚马逊、alphabet、谷歌、苹果等公司想要解决的问题。除了那些显而易见的人，人们可能更喜欢选择另一种方式，而不是使用复杂的命令，这也将使助手更加有用。

一些想法:他们可以更好地理解要求他们做什么，从而减少错误。他们可以帮助引导人们了解他们需要的信息，他们可能不知道如何索取。或者助手可以在关键时刻让人们放松，让他们更有可能使用它们。

周二，《连线》杂志发表了一篇关于巴伦下50只股票的文章，即亚马逊的竞争，以提高语音激活人工智能。James vlahos的故事深入探讨了科技公司发现这个重要问题的原因，人们是如何解决这个问题的，以及他们发现的一些幽默和不那么幽默的情况。从他的故事来看:

对会话式人工智能的狂热追求让亚马逊、苹果、facebook、谷歌和微软陷入了争夺两种重要资源的战斗。第一个是有限的:计算机科学领域的顶尖医生，由于他们的稀缺，现在可以将他们的工资提高到六位数。第二种是无限的，但很难获得:对话样本可以被收集、数字化并用于训练ais系统的数十亿个样本。在这种背景下，亚历克斯奖是亚马逊的杰作。这个比赛不仅仅是一个寻找世界上最好的研究生的人才，更是一个低价选脑的机会。它为亚马逊提供了一个收集对话数据的机会，这是其他科技公司所没有的。

还有:社交机器人的大脑哪些部分应该用手来制造，哪些部分应该用机器来学习？手工生产是一种比较传统的方法，工程师在其中煞费苦心地写出大量的规则来指导人工智能的理解和反应。相反，统计驱动的机器学习方法，通过从海量数据中学习，让计算机自己学习。

所有团队都知道，机器学习是解决所谓分类问题的更好方法。这样，神经网络可以在大量的噪声数据中找到统一的模式。例如，语音识别是机器学习的一项自然任务。但是说到聊天机器人，机器学习还有很长的路要走，不仅要把语音翻译成语言，还要说点什么。这就是为什么好的老式手工制作仍然有相当大的影响，即使在alexa和siri的数字大脑中。因此，参赛的每一个团队都发现自己像技术的世界一样在挣扎，在两种方法之间寻找最佳的平衡。

从解决问题的角度来看，机器学习和手工生产相结合似乎是最有效的。而且工作还远没有结束。