现在的人工智能还正处于一个思索阶段，对话机器人的开发者们都在从最基础的程度开始制作深度自学。最后作出的产品也千差万别。

但最后归纳起来大体的方法都归属于某种程度几类。最初大家用的都是最更容易构建，也最更容易想起的：关键词给定的方式，到后来开始渐渐经常出现根据语序结构来辨别用户语言内容的手段，现在，拿下整个人工智能行业的深度自学也被运用到对话机器人的训练中了。

加拿大皇家科学院的院士最近明确提出了一个应用于他们产品上的，一种较为创意的深度自学理论和架构。通过这个架构，他们的产品“薄言豆豆”可以展开自律自学，改版对话的应付内容。李明院士回应，自己和团队在人工智能的基础理论上下了相当大的功夫，他指出人工智能的变革一定会是因为基础理论的变革而不是工程学上（如关键字的给定技巧）的变革。

以下是李明院士在第三届机器人峰会中的演说，关于薄言豆豆架构原理的部分。NLPCC在2015年10月份的组织了一个测试，设计了1千个用来问机器人的问题，这1千个问题测试了现在中国最先进设备的对话技术。参予测试的对话机器人有薄言豆豆、图灵机机器人，外出问问。

还有小I机器人、微软公司小冰，和百度度秘。这其中外出问问最近融资了7千万美元，微软公司小冰有4千万用户，百度度秘曾多次跟李克强总理对话过，还深得了总理的青睐。

但是这哥第三方测试的结果是：不及格的只有豆豆一个。其他的都不及格，而豆豆也是刚不及格，60分翻身。

第二是图灵机器人，外出问问，百分之十几，小I，小冰，小度都不及格。其他的机器人有可能擅长于对话而不是问问题。

但是我实在一个聊天机器人，只不会瞎说八道认同是敢的。科学知识就是力量，你要想要作好一个聊天机器人，就必需要有大量的科学知识做到后盾。人工智能的革命从机器学习对话开始人类的智能，就就是指说出开始的。语言彰显了人们的组织和更进一步思维的能力。

而人工智能的革命，我们实在也就是指自学语言开始。这就是我们现在正在做到的事。我们实在这也十分振奋人心。

但是机器人怎么学说话呢？大家都听闻过Alphago，Alphago在跟欧洲棋士冠军对局的时候，棋力还不怎么样。但是之后的4、5个月他跟自己下了三千万盘棋，借此它的能力减少了很多，跟李世石对局的时候，李世石完全是一点机会没。

Alphago是这三千万盘棋不是白下的，它下完了能告诉自己是赢还是输掉。通过赢和输掉的对系统结果他就可以改良它的价值网络。告诉回头哪步更容易输走哪步更容易输掉，这样训练它的神经网络。但是说出怎么办？怎么辨别它的话说道得是好还是怕，现在市面上有很多机器人告诉他大家它们不会自学，他们的机器人不会通过用户的体现来自学，这句话100%不靠谱。

第一大家听闻过小冰的事。就是如果用户教教你一些坏事，你不了把它检验掉的话，就不会很困难。第二，你的用户才几个啊？AlphaGo跟自己下了3千万盘棋，每盘棋能回头好几百步，这样多的数据量不有可能能从用户那来的，用户数据的量级显然没那么大。

如果要让计算机学说话，必需训练计算机跟自己说出，光自己跟自己说出还敢，你还得要有一个办法来估算这个话说得好还是很差，所以这是件尤其无以的事。比Alphago下围棋绝佳多，以下我给大家讲解我们薄言怎么样用我们的数学理论解决问题这件事情。让薄言豆豆自己跟自己说出。

比下围棋绝佳多。这里我们谈一个较小的侧面，我来讲解一个数学理论，这个数学理论可以教会你怎么样来估算这句话说得好还是很差。我说道一个较小的例子，他要自学类似于的问题。

比如天气问题？必要教教你说出的话，我教教你今天天气怎么样。你自学之后有可能可以可以问今天天气怎么样，比如天气一挺冷的等等。

但是如果我换回个问法，我回答明天怎么样。你就要去写出个新的模板，对话的变化是无穷无尽的。

所以这样写出模板敢，最差的办法是有一个理论，定义什么叫语意相似性，什么东西相近什么东西不相近。这是我们要解决问题的问题。也是人工智能50年还没解决问题的问题。但是我期望明确提出对这个问题的一个另类的解决问题方法。

这是豆豆所用的来自学一个句子的相似形的LSTM算法，说道一起比较复杂。不过这个东西最关键的是用我说道这两个相近，那最后究竟是相近还是不相近？你必需得给我对系统，必需得有一个办法告诉他我是不是相近。辨别训练效果的关键：“语义距离”和“信息距离”那怎么对系统？这必须设计一个的最基本的理论概念，数学概念。叫“语义距离”。

这是十分最重要的概念，但是人工智能做到了50年没有人告诉怎么算数，怎么定义。这就跟大家告诉图灵那个机器人一样，这个东西有一个概念，但是不了定义究竟它是个什么东西，它是不能计算出来的，语义就是这么一个东西。

语义是不能计算出来，不能定义的。我们要告诉今天天气怎么样，我要告诉这个语义距离是0。那我怎么定义一个数学理论来解决问题这个问题？我期望我在这需要给大家说明一个通俗一点的说明。

我再行给大家定义一个别的东西：比如有两句话，我要定义这两句话之间的，任何两个实体之间的距离，只要有信息就不会有，我们将它定义为“信息距离”。然后我拿信息距离来近似于叙述“语义距离”。

那么我们怎么做？我们就是指一个尤其可爱的数学理论开始的。我们出发点是用物理公理推论出有所有要做到的事。这是我们跟所有其他厂家的不一样的。

这个理论是5个人联合发明者的，我是其中之一。我首先要定义信息距离，这个信息距离是非常复杂的东西，无法用传统定义，因为传统的定义认同敢。

那我怎么办？比如我们有X、有Y两个信息载体，现在我必须计算出来两个信息载体之间的距离，怎么算数？我们给信息距离的定义就是说这两个信息X、Y之间的距离就是切换他们之间所必须的能量，就是比特数，不可逆的这个数。我们证明了一个定理，就是大于的信息量可以用这个公式回应，这个K是一种复杂性。如果大家感兴趣可以看我们的书，这本书是我写出的。

切换X、Y所必须的大于的能量，我就定义为X、Y之间的信息距离：D（X、Y）。上面是信息距离，我们之前说道的叫语义距离，我们用信息距离去近似于语义距离。而且我能证明一件事，如果你有任何可计算出来的距离仿真近似于语义距离。那我这个信息距离一定比你小！那么就是说我这个距离比你好。

你显然不必去计算出来什么语义距离，近似于度，就算系由距离就不够了。我一定比你好。好了，现在就是咱们从理论，中间证明过程不说道了。

从理论上解决问题了语义距离，不可逆，不能定义的办法。这个虽然不能计算出来，但是信息距离的定义就是说我要传输编码就可以了。所以在自然语言方面基本上可以用。

所以这样我给豆豆获取了一个理论。我实在人工智能的变革，一定要靠首先是理论的变革，而不应当是工程上的什么关键字，什么模板给定。结语李明院士深信理论基础的创建才是应用于变革的基础，也在坚决秉持着这个理念，事实上我们也尊重这个观点，这也是最近图灵测试遭到的批评的思路：即使一个机器人能根据给定和搜寻关键字极致的问你的所有问题，甚至让你辨别不来它究竟是人还是机器人。

也不意味著它就享有了思维能力。只有人工智能的理论大大发展，当我们确实探寻出有一种需要建构出有智能的手段，才能彰显机器人确实的“智能”。

冯·诺依曼在某次演说中说道：只要你把被指出是计算机无法解决问题的问题叙述确切，计算机就总能寻找一种方法解决问题它。而目前我们最必须的也正是对期望计算机解决问题的问题的准确定义。这么显然，李明院士和他的团队对语言的含义和效果得出的定义“语义距离”和“信息距离”两个概念也许能沦为AI领域未来变革的基石之一。让我们期望这些机智的学者和科学家们在生产出有更加有人性味的产品的同时，也在AI的理论领域作出更好的突破。

题图来自xuite.net原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：泛亚电竞-www.bifengchao.com