此外我们拥有遍及全球教育 ROSS 如何回答问题的律师。「理解」这一点很重要：我们并非教授 ROSS 法律, 我们是在教授 ROSS 如何阅读法律。因此，即使律师教授的是具体问题，ROSS 也要从这些问题中发现模式，运用到回答从未见过的问题上。

最后，当用户使用我们的产品，我们会邀请用户给予反馈（比如点赞或吐槽），然后根据反馈强化问答或鼓励我们反思。

总体来说，第一是律师主动地训练系统，其次用户在使用中通过反馈训练系统给出更好的答案，此外就是基于大量的数据使用适当的算法学习出表征。

机器之心：技术方面到目前为止你们遇到的最大困难是什么？哪部分最难？

　　Jimoh Ovbiagele：最大的问题是自然语言理解。这方面我们花费了很多时间，比如词（words) 具有多义性，具体的意思取决于使用的语境。虽然 ROSS 在这方面已经甩开竞争对手不少，但毕竟机器理解语言的能力和人类理解语言的能力还存在很大距离，这还有很长的路要走，同时也是我们正在着力之处。

现在 ROSS 已经可以阅读法律文件然后找出相应段落并回答你的问题了。我们接下来几年的最大目标之一，是希望 ROSS 可以浏览多个案例和证据，然后生成备忘录，总结问题，并列出不同观点。这将会改变律师们研究案子的方式。我们大体上知道要如何做到这个，哪些地方我们知道怎么做，哪些部分我们还不太知道要怎么做，而那些不知道的就是最有挑战的地方。

机器之心：在加拿大有不少从事 NLP/NLU 研究的，你们和那些研究实验室有密切联系吗？

Jimoh Ovbiagele：那是必须的！多伦多大学邀请我们参与过一些研究生的项目，我们也从研究实验室雇佣机器学习工程师, 并且在各个不同的领域都有专门的科研顾问。对我们来说，和学校的合作非常重要。因为我们的重点做好在法律行业的应用产品，但我们需要使用最先进的人工智能技术。我们将自己视为应用的建筑师，这就像建设一座摩天大楼一样，我们需要使用最好的钢材，但我们并不一定需要自己去炼钢。在竞争中，速度是最重要的。

机器之心：IBM 研究所负责研究，全球的其他产品团队则用基于这些研究之上的 API 为客户量身打造产品。这样产品团队可以更好专注地做出客户满意的垂直应用，而研究人员可以专注于提高算法的性能。ROSS 的策略和 IBM 商业化 Watson 的策略似乎也很相似？

Jimoh Ovbiagele：是的。说起来我们和 IBM 真是有很多渊源。十一月我们还将和 IBM CEO Genni 一起宣布我们自己的法律自然语言理解框架 Legal Cognition。这个框架可以帮助律师回答复杂的问题。

机器之心：你提到在文本中有大量的信息，但我们也知道在图像或媒体中有大量的信息，你如何处理这里面的信息？

Jimoh Ovbiagele：是的，我们已经开始尝试处理图像和视频了，不过现在主要还是实验项目，因为我们没有发现有客户在这方面有明确的需求。现在的情况是，我们有这个技术和产品小样，但还没发现合适的使用场景。我相信在以后，这会是一个非常令人激动的技术。

机器之心：那具体的处理过程是如何的呢？是通过对图像添加注释，然后再分析文本吗？

Jimoh Ovbiagele：是的，这是一种方法。使用视觉识别来产生自然语言文本，然后接着使用自然语言处理系统来处理这些文本。此外还有其他的方式，比如直接处理图像。这是一个解决起来非常有趣的问题。

三、产品与公司布局

机器之心：对于客户来说，你们系统的体验是怎样的？

Jimoh Ovbiagele：对客户来说，一切是非常简单的。我们告诉律师们启用 ROSS 只需要网络连接。律师们一开始都很惊讶，因为他们都习惯了需要经过繁琐流程安装在本地的应用，而 ROSS 是完全基于云端的。现在，他们只需要输入用户名和密码，如果有需要的话还可以进行双因素认证（Two-factor authentication），接着在输入框输入你的问题就可以了。

举个例子，你可以输入「过去 5 年内，在纽约，破产后学生贷款债务可以被清偿吗？」