下面有一个视频，可以看到自动诊断系统是怎样帮助工程师做故障诊断的。它完全像一个问答系统，工程师如果有问题的话可以用自然语言去问，系统会根据我们的知识库的内容找到一些相关的知识，帮助工程师迅速判断到底发生了什么问题。还有知识图谱，给工程师一些提示，可能发生了什么样的事情，这是一个概率图模型，可以算出概率来，到底一个故障发生的时候，有可能是什么样的原因造成的。这个对话实际是多轮对话系统，工程师可以在跟系统交互过程当中去判断到底发生了什么样的问题。

　　华为诺亚方舟实验室Q＆A系统，自动诊断系统帮助工程师进行故障诊断（时长1:41）

　　这个系统的另外一个特点是，支持中英文，华为是非常国际化的公司，两万名工程师做网络维护，超过一半的工程师其实不是中国籍的，不会中文，这个系统支持他们做机器翻译，帮助他们很快把已有的知识翻译成英文，帮助他们迅速找到问题的答案。

　　在这个智能系统里面我们使用了卷积匹配模型，在自动问答系统里面已经是具有代表性的工作，在很多问答系统里面都被使用，论文被引用次数也很高。最基本的想法，假设你有一个问句、一个答句，通过二维的卷积神经网络抽取到问句和回答的特点做匹配，最后做出判断，判断这个问句和答案到底是不是相关的，能够通过训练深度模型，帮助问答系统做很好的回答。现在的准确率在70%左右，我们还在不断改进这个系统，希望更好地帮助工程师。

　　华为诺亚方舟实验室现在帮助通信产品部门做网络自动控制和网络管理的工作，我们希望通过使用人工智能技术能够使未来的网络更加畅通，使网络维护工程师的效率大大提升。

　　今天跟大家分享了一下人工智能未来发展的想法。总体来说我们非常兴奋，人工智能会给我们带来非常美好的前景，这个跟其他各位老师报告的思路一脉相承。但是，另一方面大家的期待不能过高，人工智能发展是一个渐进的过程，从弱人工智能的提高，到未来强人工智能的实现，还有漫长的路要走。强人工智能用现在的计算机架构实现情感、创造力、自由意志这样的东西还是非常困难的。在短期现在只有机器学习这一招，利用大数据，有了大数据能够真正把这个系统做得非常智能化，在特定场景下的判断能够超过人。我们看到很多这样的例子。虽然这个方法还有局限，但是已经非常强大了。如果在可预见的未来，比如10年20年的时间里，机器学习跟推理结合起来、符号处理跟神经处理结合起来，那么我们可能会看到更加强大的人工智能技术，会使我们的人工智能闭环的提升速度加速。从系统到用户到数据到算法再回到系统，整个人工智能的闭环运行速度会不断提高。

　　在诺亚方舟实验室，我们针对华为主要的产品在通信、手机、云计算等方面在做人工智能技术的研究，希望能够通过这些技术使华为产品更加智能化，更好地为服务用户。我们在网络控制里面用深度强化学习，在网络维护里面用智能问答，相信通过这些技术的开发使得华为的产品变得越来越好。

　　我的报告就到这里，谢谢大家！