有人說，會話式AI就是人類的一大災(zāi)難。盡管工程師的出發(fā)點(diǎn)是極好的，機(jī)器學(xué)習(xí)也拯救了個人助手，但從另一方面來看，它卻成為了其發(fā)展的擋路虎。總部設(shè)于美國伯克利的初創(chuàng)公司Semantic Machines也面臨著同樣的致命弱點(diǎn)，但旗下由18名人工智能博士組成的團(tuán)隊認(rèn)為，Semantic Machines的發(fā)展前景會比現(xiàn)今最先進(jìn)的機(jī)構(gòu)更長遠(yuǎn)。

　　想要弄清Semantic Machines正在努力構(gòu)建的系統(tǒng)，你就必須想明白現(xiàn)今市場上個人助理的缺陷。Siri，Google Assistant，Cortana和Alexa的工作方式都基本相同，他們首先會識別和解析語音，然后分類意圖，最后執(zhí)行命令。若想要構(gòu)建一個能夠與一系列API連接的語音識別系統(tǒng)，這是一個頗為完美的框架。但如果你還奢望它具備執(zhí)行智能對話的功能，其效果可能會差強(qiáng)人意。

　　人工智能可謂一個棘手的難題；它需要的不僅僅是一個強(qiáng)大的分類器。為了創(chuàng)建一個有用的系統(tǒng)，你需要保持?jǐn)?shù)據(jù)，學(xué)習(xí)，記憶，計算以及目標(biāo)相似性的均衡。Semantic Machines正試圖通過對存儲器的加倍強(qiáng)化，從而為營造出用戶所期望的體驗(yàn)。

　　Semantic Machines聯(lián)合創(chuàng)始人兼首席科學(xué)家Dan Klein解釋說：“當(dāng)前的對話式技術(shù)大多是直交的。你希望對話系統(tǒng)能夠符合上下文，這樣一來當(dāng)你解析句子時也不會脫離語境?！?/p>

　　Google Assistant是市場上最好的語音助手之一，目前它致力于最簡單的對話交流。從實(shí)際演示中，我們?nèi)钥梢钥闯鏊鼜膶υ捴刑崛⌒畔r的困難性。Semantic Machines的目的便是縮小上述的差距，讓記憶進(jìn)一步延伸。

　　在酒店預(yù)訂的交流過程中，Semantic公司的AI系統(tǒng)明顯能夠接受到信息，并給予建議，這一復(fù)雜的程度顯然在現(xiàn)今市場上十分罕見。當(dāng)然，在很大程度上，它依賴于API集成，盡管如此它卻彰顯了發(fā)展前景的廣闊。即使沒有圖片，這一AI系統(tǒng)卻還是能夠提取到舊金山旅行和W酒店預(yù)訂的信息，以供用戶日后可以輕松預(yù)訂。

　　創(chuàng)始人Dan Roth表示，暫時還未作向消費(fèi)者推行Semantic Machine AI系統(tǒng)的計劃。相反，他希望將其打包并銷售給企業(yè)，以便能夠?yàn)榭蛻籼峁└玫姆?wù)。從商業(yè)模式和采納立場來看，這有一定的道理。

　　借助這一模式， Semantic Machines還可以根據(jù)特定用例來獲取產(chǎn)品的利潤。當(dāng)下，Roth更專注于客戶支持和商務(wù)，但這個列表絕非定式。切記一定不要低估Semantic的團(tuán)隊以及它對競爭行業(yè)發(fā)出的聲明。盡管目前它還是一個處于早期階段的初創(chuàng)公司，但Semantic員工已有250多個研究出版物，且申請了300個專利。

　　這種高水準(zhǔn)的智囊團(tuán)扎堆聚集在一個初創(chuàng)公司，實(shí)為罕見。像Facebook和Google這樣能夠?yàn)轫敿馊斯ぶ悄苎芯咳藛T提供薪酬補(bǔ)償?shù)墓?，對于大多?shù)人來說可謂是難于登天。這一障礙的解決，完全可以依靠團(tuán)隊研發(fā)產(chǎn)品來實(shí)現(xiàn)。Semantic Machines似乎就是這樣。