5 月 28 日，机器之心主办的为期两天的全球机器智能峰会（GMIS 2017）进入第二天，全天议程中最受关注的是多位重要嘉宾出席的领袖峰会，包括《人工智能：一种现代方法》的作者 Stuart Russell、第四范式联合创始人兼首席科学家杨强、科大讯飞执行总裁兼消费者事业群总裁胡郁、阿尔伯塔大学教授及计算机围棋顶级专家Martin Müller、Element AI 联合创始人 Jean-Sebastien Cournoyer 等。
下午，竹间智能科技创始人、CEO简仁贤发表了主题为《人机对话 从猜测、概率到理解 》的演讲，以下是该演讲的精要摘录：
AI对语言理解的实质是什么？
层次一：关键词。即系统会对词进行理解和匹配（如TF-IDF方法），我们希望其找出单词到底是什么意思，这个是最浅层次的。
层次二：结合上下文（即所谓的语境和情境），我们希望系统能通过贯穿上下文贯，而让整个对话都能变得流畅。
层次三：能够理解对话的言外之意。这是一种情感情绪的理解，其在交互过程当中是相当重要的，无情感就不理解。
自然语言理解是整个交互过程、对话过程当中最重要的，自然语言理解应该要避免两个问题：
第一个问题：通过具有概率性的对话（众多的语料、大量的数据）进行预测。即根据词跟词之间出现的频率、句跟句之间出现的频率，来做概率的猜测。语言学的结构是无法迁移到这样一个模型的。
第二个问题：不懂语意的模式识别。
四个方向解决以上两个问题：
第一个方向：符号主义和连接主义的合作统一。其实在以前的NLP时代里，常常会有语言学的说我们不需要深度学习，只需要了解语言结构。而等我们有了数据、有了运算力、有了算法之后，我们却排除掉了语言学的结构和语法结构，只专注于深度学习。
第二个方向：从静态分析走向交互。做语言理解和处理与图象处理本身并不一样，图象本身是静态的，而对话是一个动态的过程。
第三个方向：从前层语意走向深层语意。没有理解意图、情绪情感是无法理解深层语义的。
第四个方向：从功能主义走向认知和情感体验。我们太专注于概率计算，而没有去真正理解语境跟情境。
人机交互要做到双向，必须要有三个结构。
第一，理解。
第二，决策。
第三，反馈。
理解是最重要的，如果不理解，决策一定会错。如果不理解，反馈也会错。系统能理解有两个非常重大的因素：
第一，意图的理解。
第二，情感程序的理解。
所以理解是最重要，最基础的。
其实对话只是一个开端，终点是能够用来服务用户、人群、商业。对话在垂直领域其实有三个阶段，我们在做落地当中总结了一些经验，主要有三个阶段。
第一，集成。商业跟人的沟通是通过APP采用命令式的语句。
第二，对话交互。竹间智能现在正从第二个阶段出发，往第三个阶段走。
第三，多任务处理阶段。除了交互之外，能不能有其他的方式，这是我们进步的方向。
简仁贤最后表明，语音不是交互，语言才是交互，语音是感知、感知、感官，而语言才是交互。它希望与大家来共同推广一个认知，即语言的交互、对话交互、语义的理解将是一个产业。
