近日，硅谷AI and Big Data Association（人工智能和大数据协会）在中关村发展中心（美国）举行了关于AI无人驾驶、NLP（神经网络语言学习）和Chatbot（聊天机器人）前沿技术的激烈讨论会。AI大会主席、谷歌机器学习部门负责人、百度无人驾驶汽车相关负责人、等行业嘉宾就无人驾驶、NLP和聊天机器人的未来发展方向等问题发表了自己的看法。在被与会者问及百度和谷歌这样的搜索引擎公司为什么要做汽车的无人驾驶项目时，百度To和谷歌相关负责人一致表示：为了留住高级员工。

无人驾驶：谷歌和百度都认为无人车不是普通的技术问题涉及安全和伦理

百度Tony表示无人驾驶技术面临最大的挑战不是普通意义上的技术问题，而更多的是一种社会意义上，应怎样防止人们恶意使用的问题。机器驾驶和人来驾驶还是有很大区别的，机器归根到底都比人类掌握更多更精准更详尽的信息。对于无人驾驶技术的未来，Tony表示，give up on the speed, but maintain the right of way.可以放慢速度，但要遵守交通规则。未来有了这样的理念，无人驾驶技术终会取得好的发展战绩。

AI Association主席Hu Junling认为机动车和人相比在可视范围上是占绝对优势的，比如说，相比人类只能看到旋转180度内的物体，机动车不仅具有360度可视摄像头，可以看到周围全方位景象，并且还要比人眼可视range大很多。加之雷达测控系统，使得机器对环境和路况的把握和判断都更加精准，这些都是人类无法比拟的。

Google的Apoorv表示说，2009年，谷歌启动了自动驾驶汽车项目。无人驾驶一直是科技界最前沿的技术，不仅在于它对现有汽车的改造，还在于它是一项重要的安全技术，无人驾驶的技术在一定程度上还是有难度的， 它的实现还要经过一定过程，这也就是为什么这么长时间google还没出来结果的原因。

神经网络语言学习：在翻译、图像、语音学习等方面最有可能取得突破

Google的Apoorv表示说，google很早就开始了NLP的研究，从2006年开始，这10年来，Goolge translate翻译了100种语言，2014年在翻译排名里前3名，google translate有了重大提高。现在2个月前，Apoorv接着说，刚刚Launch新的翻译机器，轻松实现在一种和多种语言间自由转换问题。关于深度学习，Apoorv继续说道，深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。所以Google 现阶段深度学习的模型结构深度处在第5层的隐层节点。

百度Tony认为需要把deep learning融合进来，因为Deep Learning最早是在图像和语音领域火起来的，但近些年的研究也逐渐发现，Deep Learning在NLP (Natural Languang Process 也开始取得可喜的效果。实际上，图像、语音、文本，本来就是信息记载的不同载体，Deep Learning能综合运用在这些领域的不同任务上，也是理所应当的。

AI 大会组织主席Hu Junling认为,对NLP的理解对chatbot的发展来说非常重要。现在的bot能够理解人们所说的内容，是基于NLP（自然语言处理）设定特定语义。在不远的未来，更多的chatbot将会采用深度学习方法，来预测问题进而对宽泛的主题做出快速响应，以能够及时提出相关问题。理想状态是，用户不会发现与他们交谈的并不是真人。所以深度学习确实使得语音图像的智能识别和理解取得惊人进展，从而推动人工智能和人机交互大踏步前进。她预计如果我们突破深度学习技术面临的一系列难题，大概1年内，NLP所面临的问题就会被deep learning解决， 人工智能的梦想将不再遥远。

聊天机器人：未来将成为人类的基本需求但技术还有很长的路要走

AI 大会主席，CEO of Question.ai,Hu Junling 在讨论中说，纵观chatbot（聊天机器人）的发展是一个早熟的阶段特征。第一个chatbot——Eliza通过使用模式匹配和替代方法來模拟对话，以给出程式能更理解人们问题的假象。Eliza只能记住人类提问的几句，而chatbot聊天机器人却可以更深层的理解用户意图和目的，知道他下一步想做什么。已经可以让使用者感知到，它们不仅能倾听，更能理解。但就长远目标来讲chatbot还要有很长路要走，因为人们要谈的内容太广泛了，还无法按实际对话定义做出相对合适和精准的反应，无法重现人类沟通的互动。但Hu强调说聊天机器人目前短期目标都实现的非常成功，比如帮助人们make orders, set schedules, customer support， 幫助管理病人护理，甚至用在社交媒体。chatbot 尽管面临诸多挑战，但通过使用大数据集，将会看到chatbot的交互体验更加拟人化，能更好地理解、预测语言与场景化词汇。所以她认为未来1年内就应该会有更多成就示人，对chatbot还是表示非常乐观。

然而和Hu不同，谷歌Apoorv说，目前聊天机器人的发展还处在非常基础的阶段。首先，一起来看聊天机器人是否给用户创造了价值。就拿上网订花来讲，通常在一个购买过程中，人们通过几次click button就会完成一次购买交易程序，其中没有聊天，其实用户也没有聊天的需求。其次，chatbot技术还无法发展到使用户感觉交流无障碍，自然的就像和真人交流。过去的十几年里，聊天机器人的演变与发展让它完全融入人们的日常生活。从手机上的虛拟助理到实际线上客服，chatbot的發展之路不算短。但是如果它们想要超过app或取而代之，它们需要更加自然地与更广域的技术結合。google也还正在研究这部分技术。第三，Apoorv认为聊天机器人应该更多的体现协助功能。从用户意图来讲，在使用过程中寻求的是一种协助而达到目的的期望。谈到chatbot的未来，Apoorv认为chatbot要解决的是interface问题，但是它们依然无法重现人类沟通的互动。現在的chatbot，你会发现在对话中像人类一样交流有多困难。bot必須能夠展开对话，理解使用者说了什麼，以及明白現在说的这句话如何与上文承接还是在否定前文。在这些基础上，bot还要像人类一样回答问题。google一直致力于解决这个问题，期望可以创造真实的对话体验，来提供一位善解人意、能说会道的聊天伙伴。虽然chatbot的增长还有巨大潛力，但在充分发挥功能和做到真正被AI驱动之前，还需要克服一些障礙。

对chatbot未来的挑战，百度Tony认为，chatbot需解决好客户服务部分就好。

Ms. Hu对chatbot的未来表示, 人类需求是最基本的，所有人类能做到的，机器都能做到。人类做的就是信息处理的过程，在这个过程中，虽然chatbot也会产生错误，但只要人们对它的需求存在，大多数人对chatbot的错误还是具有极高的容忍度的。比如，抑郁症患者，如果这部分人群还需要chatbot的陪伴，那即使chatbot不是很准确或完善的作出反应，人们还是会继续使用的。

未来5年人工智能：机器学习成本增高未来留住人才最重要

问及最近的研究项目，百度的Tony说正在对supervise learning, deep reinforce learning 做一些研究，但关于无人驾驶技术方面的研究内容目前不能透露。

Ai 大会Hu主席除了表示自己对deep reinforce learning也有一定程度的研究，发表论文，还表示自己对chatbot的发展非常看好，持非常乐观态度。

谷歌Apoorv强调了对加强基础建设的需求，这样可以减少工作中的人力，节省成本。他提到machine learning（机器学习）的成本现在也非常惊人，如果能够应用小的data，不需要很多resouse（代价） 和computer power（计算能力）就可以解决目前遇到的问题，他本人对此还是非常乐观。