引言
2012年开始，伴随计算能力及训练样本的大幅增长，深度学习在图像语音领域取得颠覆性突破，使沉寂了二十多年的神经网络重新焕发生机。基于深度强化学习技术，由DeepMind公司研发的AlphaGo，先后击败李世石、柯洁等围棋世界冠军，媒体大肆宣传鼓吹，资本竞相追逐，科技企业言必谈AI，使得人工智能由原本的学术概念变成广大民众的日常谈资，一夜之间世界仿佛进入到人工智能时代。大家一边憧憬着AI带来的美好生活，一边担忧着自己的工作何时会被AI取代。
作为多年的AI研究员，笔者认为图像分类、语音识别等基础问题得到“解决”，一定程度上证明，深度学习这种联结主义方法用于解决语料丰富的垂直领域问题的可行性。虽然在NLP领域，深度学习尚未像图像语音取得突破性进展，但在2013年google研究员Tomas Mikolov提取word2vec后，发展迅猛，深度学习技术常年霸占NLP相关的ACL/EMNLP/SigIR等顶级会议论文榜首。
在知识图谱、智能客服等NLP项目的实战经验中，通过反复对比传统机器学习与深度学习的效果后，由最初的排斥转为主动拥抱。当然，在解决具体的NLP问题时，除了定义好业务问题调研合适模型外，最主要任务的是如何低成本获取大规模训练样本，毕竟标注样本才真正决定模型的上限。
简介
智能客服系统是在大规模知识处理基础上发展起来的一项面向行业应用的，适用大规模知识处理、自然语言理解、知识管理、自动问答系统、推理等等技术行业，智能客服不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。
网友评论