林亦霖校对文婧 编辑

投身AI行业,你必须了解这些国内外顶尖人工智能实验室(附录取建议)

随着科技的快速发展,人工智能领域的关注度在不断上升,越来越多的前沿学术院校和科技企业都已将目光和战略转移到了人工智能领域。此外,伴随着世界各国纷纷出台国家战略政策方针,全球巨头们对人工智能领域研究的投入正在不断增加。同时,某种程度上而言,国内外的顶级人工智能实验室代表着人工智能领域的发展方向和顶尖技术。因此了解国内外人工智能实验室的发展现状,对于想要投身人工智能行业的企业或是个人都有着极大的帮助。

下面,我们将结合知名度、典型性、综合性等多种因素,以国内国外、企业院校等4个维度为标准,每个维度选取3个具有代表性的企业或院校,为大家总结国内外知名院校及企业的人工智能实验室现状,以及他们的就职以及实习(录取)申请要求,以下排名不分先后,仅供各位参考。

一、国外学院派

1. 麻省理工学院计算机科学与人工智能实验室(CSAIL)

CSAIL的创办最早可以追溯至1959年,LISP编程语言发明人及“人工智能”一词的发明人约翰·麦卡锡同人工神经网络研究专家马文·明斯基一同创办了麻省理工学院人工智能项目。2003年,MIT将计算机科学研究和人工智能实验室合并。目前,CSAIL是麻省理工学院最大的实验室,在人工智能研究方向主要涉及脑和认知科学。

研究方向:人工智能,寻求理解和发展使人与机器都能便于理解的推理、感知和行为的人工系统;系统,从软硬件两方面寻求拥有新的原则;模型,指标的电脑系统;理论,寻求对数学在计算中的广泛性、实时性。

入职及实习(录取)建议:本科成绩要求比较优秀,科研经历也要求足够丰富,同时需要准备好已发表的论文资料,以及一封推荐信。对于研究经历及学术成果不太丰富的人群而言,一封高质量的行业大牛推荐信是一个很加分的项目。

2. 卡耐基梅隆大学机器人学院(Robotics Academy)

美国卡耐基梅隆大学是世界上第一所专门开设机器人系的大学,机器人学院隶属于卡耐基梅隆大学,前身是成立于1979年的机器人研究所。研究注重理论与实践经验结合,目标是成为全球研究机器人最好的地方。

研究方向:作为NASA航空航天科研任务的主要承制单位之一,卡耐基梅隆大学机器人学院在自动驾驶、月球探测步行机器人、单轮陀螺式滚动探测机器人的研究上成绩非凡。目前,该学院以ROBOTC平台为基础,已发布近20门教育机器人相关课程,构成了覆盖K12到大学阶段的课程体系。

入职及实习(录取)建议:本科申请要求:卡内基梅隆大学要求英语非母语的国家的申请者提供托福考试(TOEFL)成绩或者雅思考试(IELTS)成绩;SAT/ACT考试成绩:大部分专业要求递交2门SAT II考试成绩。新SAT单项成绩要求:阅读与写作710-770,其中阅读35-39,数学750-800;ACT均分范围31-34。研究生申请要求:计算机科学、生物科学类专业TOEFL要求不低于100分,工程类专业要求不低于84分;IELTS要求多在7.0以上。所有的申请者均需要通过Common Application美国大学申请系统进行申请;提供标准化考试成绩,同时部分学院要求申请者提供SAT Sub成绩;教师推荐信;申请文书以及个人称述等材料。

3. 斯坦福大学的人工智能实验室(SAIL)

斯坦福大学的人工智能实验室(SAIL)成立于1962年,一直致力于推动机器人教育。并且,该校在网上公开了许多他们有关机器人和深度学习的课程。在斯坦福,人工智能方面的课程非常全面,且非常前沿。

研究方向:计算生物学、语音识别机器学习等。另外,国内目前知名度非常高的吴恩达李飞飞都是斯坦福大学教授。李飞飞参与建立了著名的ImageNet计算机视觉识别数据库及挑战赛,每年都会吸引各大公司的图像识别程序的参加,极大促进了图像识别领域的技术发展。

入职及实习(录取)建议:最主要的申请材料为之前的研究经历。申请者需要提供包括之前做过什么成功的研究、发表的论文(是否为第一作者和发表所属期刊、会议的声望)等材料,这些都将有助于其进入实验室实习。同时,一封权威人士写的推荐信也极其重要,如果申请者曾获得一位受人尊敬教授的高度评价,那么就有极大的可能获得实习录取。

二、国外市场派

1. 谷歌DeepMind人工智能实验室

DeepMind原是一家英国的人工智能公司,由人工智能研究者兼神经科学家Demis Hassabis等人联合创立,2014年被谷歌收购,举世闻名的AlphaGo就是这家公司的成果。据哈撒比斯的描述,DeepMind的总目标是“攻克智能领域的难题”。这促使公司不断研发多功能的、能够像人类那样广泛和高效思考的“通用型”人工智能

研究方向:机器学习和系统神经科学的最先进技术结合起来,建立强大的通用学习算法,打造能通过与周围环境互动学习优化自己行为,通过不断试错改善自我、反应灵敏、能有效学习的AI。

入职及实习(录取)建议:DeepMind聘请的都是研发科学家、研发工程师以及纯粹的软件工程师。如果申请者希望作为一个研发科学家加入 DeepMind,必须拥有一个PhD学位,最好还有几年机器学习研究经历,以及在学术界或工业研究实验室的丰富经验。如果申请者想作为研发工程师加入(依然是研发领域,但是比起理论更具有应用性),依然至少需要有硕士学位,还有大量的机器学习研究相关的经验。

2. 微软Microsoft Research AI研究院

微软早在1991年便创立微软研究院。2014年,微软联合创始人保罗·艾伦与他人又共同创立了艾伦人工智能研究院。据了解,Microsoft Research AI研究院共分为十三个研究小组,共近百位人工智能领域的科学家将集中在此。这些小组包括自适应系统和互动组、空中信息和机器人组、会话系统组、深度学习组、信息和数据科学组、知识技术组、语言和信息技术组、机器学习和优化组、机器教学组、自然语言处理组、感知和互动组、生产力组、强化学习组。

研究方向:人机交互、人机对话、机器学习和思想感知、不确定决策在机器人平台上产生各种挑战、合成算法和系统应用、自然语言处理、马尔可夫决策过程和上下文决策过程的泛化等。

入职及实习(录取)建议:申请者如果想进入MSAI研究院实习,必须准备一份英文简历,建议措辞不需要太过华丽,简单明了最好。重点需要突出自己的编程能力和相关项目经验,如果有相关行业知名人士的推荐信可以附上。可能会面临四轮电话面试,基本都是询问和考察技术面,除了基础问题就是问一些关于项目相关的问题。以即兴提问为主,在回答的过程中,申请者可以尽可能展示自己对于相关技术知识的熟稔程度,这样有助于被最终录取。

3. Facebook人工智能实验室

2013年12月,Facebook正式成立人工智能实验室。该实验室在人工智能机器学习领域的理念是:保持开放。Facebook 最出名的有两大人工智能实验室,一个名FAIR(Facebook’s Artificial Intelligence Research),由著名人工智能学者、纽约大学教授Yann LeCun 领导,另一个名为AML(Applied Machine Learning),由机器学习领域专家Joaquin Candela 领导。

研究方向:主要致力于基础科学和长期项目的研究,以及找到将人工智能机器学习领域的研究成果应用到Facebook 现有产品里的方法。

入职及实习(录取)建议:Facebook已经开始与部分中国大学合作,比如清华和上海交大,采取同美国、法国等地相同的合作模式。如果申请者想获得进入Facebook人工智能实验室的机会,可以首先参与自己大学人工智能领域的相关项目。Facebook会关注大学的科研项目,寻找他们感兴趣的领域,并且找到做那些研究的学生,给他们提供实习的机会。同样,申请者也可以主动递交实习申请,最重要的就是之前的研究经历,论文发表情况,以及一封高质量的推荐信。

三、国内学院派

1. 清华大学智能技术与系统国家重点实验室

清华大学智能技术与系统国家重点实验室于1987年7月开始筹建,1990年2月通过国家验收,并正式对外开放运行。实验室由中心实验室(智能技术与系统)和三个分室(智能信号处理、智能图形图像处理、人机交互与媒体集成)组成,分别设立在清华大学计算机科学与技术系、自动化系和电子工程系。

研究方向:认知过程与智能信息处理的交叉与结合研究;基于内容的海量信息处理理论与方法,特别是针对信息安全、信息检索、信息挖掘等研究具体的算法及应用;面向动态过程的机器学习理论与方法;智能信息处理与控制理论在移动机器人与智能车、类人机器人、无人飞机、空间机器人等系统中的应用理论与技术;智能图文信息处理,包括各种文字识别、文档识别和理解等方面。

入职及实习(录取)建议:首先需要申请者是计算机、通讯、电子及相关专业在读研究生或者本科高年级学生;其次,需要在本科阶段学习过算法与数据结构、软件理论基础等相关课程,并取得优良的成绩;此外还需要申请者了解图像识别、深度学习人工智能机器学习等相关技术,善于快速学习新知识,有实际项目经验者会被优先考虑。在计算机语言上,需要精通Java/Python等编程语言,有较强的快速编程能力,熟悉Windows/Linux操作系统,并且对算法研发有强烈的兴趣。

2. 北京大学视觉与听觉信息处理国家重点实验室

北京大学视觉与听觉信息处理国家重点实验室1988年正式通过国家验收,是北京大学建立的第一个国家重点实验室。实验室以实现高度智能化的机器感知系统为目标,紧密结合国民经济和社会发展的需要,在机器视觉与听觉信息处理领域开展具有多学科交叉性质的基础与应用基础研究,同时注重以原创性的研究成果推动技术创新,实现科技成果转化。

研究方向:在机器视觉领域、机器听觉领域、智能信息系统领域开展生物特征识别与信息安全、图像处理、智能人机交互、语音语言信息处理系统、人工神经网络及机器学习等研究以及视觉与听觉的神经计算模型和生理心理基础研究等。

入职及实习(录取)建议:首先需要申请者是计算机、数学等相关专业在读学生;其次需要拥有扎实的数据结构和算法基础,熟悉C/Python等常用编程语言及脚本语言;拥有有一定的计算机视觉理论学习基础,熟悉常见的深度学习框架;如果有相关的实际项目经验,将是一个极大的加分项目。

3. 浙江大学人工智能研究所

浙江大学在人工智能方面有着肥沃的土壤,其计算机学院下设的人工智能研究所是中国设立最早的人工智能研究机构之一。早在上世纪80年代,浙江大学就建立了人工智能研究所。从1981年至今,浙大人工智能研究所见证和参与了人工智能的一系列变化。到现在,人工智能进入大数据阶段,浙大在计算机视觉领域已经建立了相当大的优势。

研究方向:跨媒体智能、混合增强智能、大数据、机器学习人工智能理论、计算机图形学、多媒体、数据挖掘等领域。

入职及实习(录取)建议:浙江大学人工智能研究所目前暂不对外招生,建议申请者最好考入浙江大学计算机、电子及相关专业在读。其次需要拥有扎实的数据结构和算法基础,熟悉一些常用编程语言及脚本语言。如果有相关的实际项目经验,将有极大的可能被录取。

四、国内市场派

1. 百度研究院

百度研究院隶属于百度AI技术平台体系(AIG),下设五大实验室:分别是深度学习实验室(IDL)、大数据实验室(BDL)、硅谷人工智能实验室(SVAIL)、商业智能实验室(BIL)、机器人与自动驾驶实验室(RAL)。目前,百度研究院拥有了包括院长王海峰,以及徐伟、李平、杨睿刚,和新加盟的Ward Church、浣军、熊辉等七位世界级科学家的阵容。

研究方向:商业智能实验室主要关注用于新型数据密集型应用的高效数据分析技术,机器人与自动驾驶实验室则重点关注机器人技术,以及百度在自动驾驶领域技术的推进。

入职及实习(录取)建议:需要申请者熟悉基本的数据结构与算法,熟练运用python编程以及tensorflow等深度学习工具。关注并了解机器学习算法,自然语言理解,知识图谱,图像与视觉等领域的现状与最新进展,并在其中一个领域有实践经验,并保持对前沿的深刻理解。同时具备良好的数学基础,熟悉线性代数、概率与统计、数值优化等,熟悉常见机器学习算法。有人工智能各领域的相关研究经验,有高水平论文发表者,会被优先考虑。

2. 阿里巴巴人工智能实验室

阿里巴巴人工智能实验室于2016年成立,于2017年7月5日首次公开亮相,该机构负责阿里巴巴集团旗下消费级AI产品的研发。当前已孵化出天猫精灵个人助手等产品。实验室的使命是让机器拥有智能,让人性充满光辉,将基于阿里巴巴强大消费者沟通渠道和完善的服务生态,立志成为下一代人机交互入口。

研究方向:语音交互、自然语言理解、数据挖掘和知识图谱、用户画像和个性化推荐。工业设计,致力于人工智能硬件产品、机器人的创新工业设计,通过人机交互、产品形态、材料工艺等领域的研究,探索未来智能硬件、机器人的新方式。智能制造,基于人工智能技术的新一代硬件研发与制造,如硬件芯片和模组研究,并提供边缘计算和云端结合的解决方案。机器人技术,从事智能机器人相关的技术研究,包括:实时定位、环境建模、传感器融合、目标检测、场景分割、路径规划、运动控制、故障检测、多机器人系统等方向。

入职及实习(录取)建议:需要申请者是计算机、数学等相关专业在读博士硕士。其次是需要熟悉深度学习、自然语言理解等相关领域技术和应用,有大量实践经验者优先;有科研能力并有成果发表在国际顶级会议、期刊者优先;极佳的工程实现能力,熟练掌握C/C 、Java、Python等至少一门语言;良好的数据分析能力和逻辑分析能力。

3. 腾讯AI Lab

腾讯AI Lab作为企业级AI实验室,依托腾讯丰富应用场景、海量大数据、强大计算能力和一流科技人才,专注于AI基础研究和应用探索的结合。目前已打造出围棋AI“绝艺”,技术也被微信、QQ、天天快报和QQ音乐等上百个腾讯产品使用。团队有70余位来自世界知名院校的科学家,及300多位经验丰富的应用工程师组成,由机器学习和大数据领域专家张潼博士,及语音识别深度学习专家俞栋博士,并与世界顶级院校与机构合作,共同打造“产学研用一体”的AI生态。

研究方向:基础研究方向包括计算机视觉语音识别、自然语言处理和机器学习,应用探索需要结合腾讯场景与业务优势,包括内容、游戏、社交和平台工具型等AI四类。

入职及实习(录取)建议:需要申请者是计算机、人工智能等相关专业的博士;熟悉自然语言处理、对话系统机器学习等领域,有相关的的项目或研究经验优先;有良好的文献检索及前沿问题探索能力及创造力;熟悉python或c/c++编程及深度学习框架。

国内外市场派和国内外学院派最主要的区别在于:学院派注重以理论研究为主要方向,对于人工智能的实用性相关关注度偏弱,而市场派主要是以人工智能前沿技术市场转化研究为主要方向,对于人工智能相关理论进一步研究则相对没有学院派深厚;另一方面,市场派的薪资待遇相对较好,但准入门槛相对较高,绝大部分都需要有一定的项目经验,或者拥有相关的科研成果发表。而学院派则相对门槛较低,但薪资待遇没有市场派高,但是可以跟随导师获取项目研究经验,增强相关理论知识基础,接触人工智能尖端学术研究成果。

总体而言,国内外企业及学院人工智能实验室各有优劣,如果你想要尽快将人工智能相关理论市场化、成果化,同时获取丰厚报酬,建议你选择市场派,而如果觉得自己需要更多的理论知识学习,希望获取尖端的学术研究,以便自身的进步,则可以选择去学院派。总之,大家根据自身需求,各取所需。

THU数据派
THU数据派

THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。发布全球大数据资讯,定期组织线下活动,分享前沿产业动态。了解清华大数据,敬请关注姐妹号“数据派THU”。

产业人工智能实验室
2
相关数据
麻省理工学院计算机科学与人工智能实验室机构

CSAIL是麻省理工学院最大的实验室,也是世界著名的计算科学和人工智能实验室,研究领域广泛。

https://www.csail.mit.edu/
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
吴恩达人物

斯坦福大学教授,人工智能著名学者,机器学习教育者。2011年,吴恩达在谷歌创建了谷歌大脑项目,以通过分布式集群计算机开发超大规模的人工神经网络。2014年5月16日,吴恩达加入百度,负责“百度大脑”计划,并担任百度公司首席科学家。2017年3月20日,吴恩达宣布从百度辞职。2017年12月,吴恩达宣布成立人工智能公司Landing.ai,并担任公司的首席执行官。2018年1月,吴恩达成立了投资机构AI Fund。

李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

马文·明斯基人物

马文·李·明斯基,生于美国纽约州纽约市,美国科学家,专长于认知科学与人工智能领域,麻省理工学院人工智能实验室的创始人之一,著有几部人工智能和哲学方面的作品。1969年,因为在人工智能领域的贡献,获得图灵奖。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

商业智能技术

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

LISP技术

LISP是具有悠久历史的计算机编程语言家族,有独特和完全括号的前缀符号表示法。起源于公元1958年,是现今第二悠久而仍广泛使用的高级编程语言。只有FORTRAN编程语言比它更早一年。LISP编程语族已经演变出许多种方言。现代最著名的通用编程语种是Common Lisp和Scheme。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

对话系统技术

对话系统大致被分成两类: 任务为导向的对话系统,帮助用户去完成特定任务,比如找商品,订住宿,订餐厅等。实现任务为导向的对话系统,主要有两类方式,流水线方法和端到端方法。非任务导向的对话系统,与用户进行互动并提供回答,简单的说,就是在开放领域的闲聊。实现非任务导向对话系统也主要可分为两类,生成方法和基于检索的方法。

暂无评论
暂无评论~