分享地址：https://edu.csdn.net/huiyiCourse/detail/804
时长：67min
时间：2018.06.21 20:00 - 21:00
笔记：
上下文理解：
1、补全与指代消解
2、对话主题式补全
3、利用主题作上下文对话控制
竹间智能现已标注200w张照片的情绪判断，每张3个人标注，意见不一致的由心理学家判断
多模态情绪识别：人脸表情、语音情绪、文字情绪，三者打分
深度学习模型，扔进去，基于大量数据标注，算出一个情绪总分数
知识库范围外的部分，30-50%的回答正确率。
deep learning, machine learning, language model, rule base关键词，都无法解决全部的问题
比较好的是混搭的模式，有好几种模型，同时计算
深度学习打开第一层，置信程度超过阈值就出答案。如果没有，就下一层用词向量句向量。再没有就关键词。再没有就回到深度学习，把阈值从96%降低到70%。如果还没有，那就是没有答案了。
知识图谱需要多大？
金融领域，12-18w条的数据量就够了。
聊天领域，加起来要800-1200万。
做搜索引擎的大概有8亿到20亿的数据量。
一语双关的问题，现在都解决不了。目前的NLP还做不到这个地步。
需要有足够的社会知识才能理解。“以前我喜欢一个人，现在我喜欢一个人。”
对机器人编程怎么看？觉得现在机器人还没有创造力，没有看到什么好的产品。
电视场景下，语义分类下来只有60-100个意图。
这种场景下语音识别不准确时，可以做模糊匹配去提升整体效果。
聊天的场景下，语音识别不准确的话，效果要提升很难。
对大学生的建议？
TensorFlow+代码可以github下载，可以做demo
但是要去解决一个真实的问题，解决到什么程度是人类可以用的，知道人工智能实际的技术边界
什么是花哨的东西，什么是真实可以用的
人工智能最终是要帮助人，帮助各个行业
机器人能否思考？可能还要很遥远。现在都还只是一大堆的规则。
TensorFlow在文本领域还不错。图像可能caffe更好。
不同的场景会有不同的模型的选择。
NLP的复杂度，不是DL能够解决的。至少DeepLearning是没有希望的，看以后有没有新的技术出来。
人工智能火的程度超过了它现在的实力。新闻90%都是假的，辨别看是否能够给出测试。Duplex是现场视频，暂不可测试。
个人微信公众号：
网友评论