举个例子，用推荐系统来做基于内容的推荐。这个时候一个特点重要的点是用户的兴趣会随着时间而变的。比如我去年感兴趣的东西，今年不一定感兴趣。今天在上班时候喜欢看的新闻，和我放假时喜欢看的新闻完全不一样。怎么样通过杂乱的信号源发现用户的兴趣点在哪儿，然后能够把变化用模型描述出来，这个是有一个叫做部分可观察的马可夫决策过程。但是应该说数学模型是在的，但是有很多的计算局限，一个局限是高质量的数据，第二个局限是计算能力。随着时间的推演，我觉得数据一定能够收到，计算能力也一定能达到那一天。我觉得我们有能力来预测用户长期的兴趣变化。

　　还有一点是资讯服务，我们有了资讯怎么把资讯和用户非常顺畅地进行交流。在这一点上，我觉得大家可以关注的是人机对话的系统，也许是用自然语言对话，也许就是人机交互的系统。比方说我们在车里，在这样的一个场景中，但是又特别关心美国大选的结果，所以我就可以问机器人这样的问题。比如问在美国选票情况如何，机器人会告诉我各州开票的情况，这种对话的方式是需要机器人做大量的阅读，去现在的场景。另外对当前的舆情分析也是非常了解，最后根据我的兴趣来做一个总结。

　　要做到这一点，这个机器人的智能点来自于几个方面。

第一个要能够有对话的基本功能，这个是来自于一个技术，叫做深度神经网络。

第二个要能够完成某种任务，比如信息搜索或者是总结，或者是生成一个对话，这个是需要强化学习的能力。

第三个是一个新的研究方向，叫做迁移学习。它能够做什么呢？可以把一个通用模型给个性化，把一个大数据产生的模型能够在个人的小数据上面给个性化，这样可以产生一个很体贴的机器人。

　　未来这三种方式都不可缺少，最好的方式是把这三个放到一个统一的通用模型里面。我们期待这样的机器人可以做些什么呢？他们可以跟你闲聊，可以给你推荐信息，j2直播，可以引导你去学习一些东西，并且可以提醒你该读这样的问题了，该看那样的东西了。

　　在这里举一个例子，比方说一个任务型的对话系统在读了很多古诗的信息、财经类的信息以后，你就可以跟他对话了。比方你问他 700 的股票现在情况怎么样？这个模型会产生一个侯选集，也就是这里的 A1、A2、A3。根据你的兴趣它可以进行排序，排序的结果就会产生出它对你的回答。比如说它的回答是「你想知道 700 最新的新闻吗？或者你想知道这个股价的走向吗？」这样就是一个很自然的任务型自然语言对话的系统。

　　总结起来说，我们今天的这种变革应该说确实是一种变革，因为就类似于工业革命。工业革命对应过来就是我们今天所说的智能的革命。当时的工业资本家、金融的资本家今天对应过来，应该是所谓的数据资本家。智能的能力能够建模，可以有跨界的能力、计算的能力、好的反馈、明晰的边界，这些能力的总和是我们所说的智能的能力。这种智能的能力如何能够把它赋予给大众，使得 A.I. for everyone，使得人人可以享受智能的红利，这也是今天我们所要严肃思考的。

　　因为这样发展下去的一个趋势，是数据有可能聚集在少数人手里，智能和智能的服务也许只有少数人才能够控制所有的发展。我们需要把门槛给降低，使得人人都成为内容的生产者，人人都能够用人工智能来促进他和媒体有机的结合。

　　我们下面需要思考的内容，包括 A.I. 时代是否还需要内容的生产者呢？是不是还需要人类的编辑？人工智能会带来一个崭新的不一样的内容生产方式吗？如何避免数据寡头的产生？我们如何能够把智能惠及所有的人群，让大家同时进步。这些是我们大家一起需要思考的问题。

　　谢谢大家！

编辑 | 谁是大英雄

　　本文由极客公园原创

　　转载联系 [email protected]