希腊哲学家亚里斯多德（Aristotle）相信技术是大自然的延伸：建筑用起重机伸出人类的双手，而汽车取代了马拉的马车。人类的祖先就像先知和先知一样，不断寻找线索以在这个无法预测的世界中前进。但是在全天候的在线世界中，超级计算机已经取代了人类的先知逻辑机器，其目的是帮助人类做出决定，提供选择或解决方案。亚里斯多德可能是正确的。人工智能正在成为我们大脑100万亿个神经连接的延伸。如果创建有效的人工智能是极其复杂的，即使这不是几乎不可能完成的任务，那么它也反映了一个复杂的事实，即现代人希望人工智能能够解决他的无限问题和困境。人类用户越来越希望人工智能具有类人的智力，以暴露和解码他的周围环境。因此，人工智能必须破译和解释人类的无限思想，以满足其迷宫般的要求和追求。思科AI专家采访Vijay Ramakrishnan是思科机器学习/人工智能虚拟卓越中心的研究员。他谈到了为企业对话应用程序开发机器学习模型和对话系统。对话式AI是什么意思？ Vijay Ramakrishnan：对话式AI是一组以机器学习，自然语言处理和对话系统开发为中心的工程学科，以创建可以与人类进行智能交互的AI代理。传统上，输入方法是通过自动语音识别（ASR）技术进行的语音输入，以及通过智能手机和键盘进行的文本输入。但是，我们看到视觉的出现（作为一种输入方法）可以提高AI代理的智能。该系统的输出可能会有所不同，从助手的自然语言响应到屏幕显示。公司对话式AI应用程序与消费者或学术环境有何不同？ Ramakrishnan：企业应用程序以及消费者和学术应用程序将避免与多个业务知识库的深入联系。在2018年，亚马逊的Alexa奖为参与者提供了一个目标，以建立一个可以与人类就天气或体育等随机话题聊天的代理。在学术环境中，目标是在阅读理解方面超越基准数据集，例如斯坦福大学的问题/答案数据集。通过将Wikipedia数据提供给众包工作者进行标记来构造数据集。对于企业而言，人工智能应用程序必须很好地执行狭窄区域的任务，例如预订机票。此类任务需要与客户和业务数据进行深层链接，这些链接通常是适当的，并且其大小要小于公共数据集。因此，通过信息检索技术解决用户对业务目标的语音/文本是垂直领域的关键。其次，专门用于小型数据集的机器学习模型对于构建准确的企业级对话应用程序非常重要。在为企业设计语音助手时，开发人员将面临哪些挑战？ Ramakrishnan：一个巨大的挑战是如何从自动语音识别（ASR）系统的错误转录中恢复。公司有公司特有的代词，例如员工姓名，产品缩写和从未在ASR系统上受过训练的其他专有名词。另一个挑战是公司环境中缺少高质量的标签数据。公司需要尽早投资于数据收集，以获得用户逐步了解语言的好处。此外，公司可以使用更大的公共数据集来增加其私有数据集，以便机器学习模型可以学习一般模式以及公司特定的文献。最后，公司需要使用更简单的机器学习模型来训练应用程序，例如在其小数据集上进行逻辑回归。这些模型可以为大多数用例提供足够的预测能力。随着产品的成熟和培训数据量的增加，可以使用深度学习方法来获得人类语言理解的准确性和精确性。企业AI的障碍是什么？ Ramakrishnan：国际化企业AI应用程序是推动增长的关键能力。但是，如果团队不熟悉所需的语言，则支持不同的语言是一个挑战。在将应用程序扩展到特定地理区域之前，公司需要制定有关如何支持每种语言的操作计划，包括雇用外语专家。人工智能代理需要使用语音，文本和视觉作为输入方法和其他智能与人类互动。例如，亚马逊和其他大公司正在引领未来。杰夫·贝佐斯（Jeff Bezos）激励创新者发展