今年 6 月份我去了英国伦敦，也跟 DeepMind 公司的工程师做了交流。我特别好奇的是在下棋的第四局机器输掉了，我遇到他们的第一个问题就是第四局怎么回事？他们跟我说，不是程序有 bug，就是深度学习本身有瓶颈。围棋比赛是 3 月份，我是 6 月份去的伦敦，已经过了 3 个月。3 个月的时间。对不起，这个问题依然没有解决掉。但是很好的是在我离开后的第一个星期，他们的程序能够正确地面对之前的第四局棋谱，但是问他是否这个 bug 修好了？工程师跟我说没有，只是代表第四局那个特定的问题正好机器能够解决，但是，我们依然不知道什么情况下这样一个 AlphaGo 会继续出错，所以我们知道深度学习这样一个体系还是有它的瓶颈所在。所以我今天更多的想跟大家谈以深度学习为代表的人工智能技术还有哪些不靠谱的地方是在产品上不适用的。

　　第一个问题先问一下语音识别靠谱吗？刚才百度和腾讯都提到了语音识别这样一个能力，今天我跟大家的演示也谈到了语音识别，这是搜狗自己的技术。安静的环境下我们的识别准确率到了 95% 或者 97%，但是一旦有噪音迅速下降，这种噪音可能还只是汽车引擎噪音，风的噪音，我们把噪音当成原始数据进入到监督学习系统里面，把这种噪音变成机器能见过的问题之一。但是假设同时两个人在说话，会怎么样？可以告诉大家，在今天的学术界依然无解，同时两个人说话，这样的噪音我们都没见过，我也没办法做提前的训练。

　　今年 6 月份我也在问学术界的人，人跟机器在语音识别上的区别究竟怎么解决？我们机器上能采用立体声的方式做定向的识别，我们做个麦克风矩阵，通过立体方式能够知道其中一个人在说话，把另一个人说的话去掉，那人是这么干的吗？如果把我的一只耳朵堵上，我是否没办法从两个人中间分别出说话的人，或者把两个人说话的声音录到一个单声道的录音带里，人还能识别吗？在座各位怎么看？人是可以的，所以人的方法跟机器并不一样。因此，我就跟一些博士在聊，究竟人怎么识别？是因为两个人的音色不一样，还是一个人声音大，一个人声音小，还是因为他们说不同的语言？那个博士笑了，他说，但凡同时有两个人说话的时候，只要能够找到一个差别，人就能把其中的一个声音识别出来，所以，人在跟机器处理的过程中还有巨大的不同。我在这里先不展开。我们认为语音识别已经在机器智能方面最成熟的领域还是跟人有很大的区别的。

　　另外一件事是语义靠谱吗？就是对语言的理解。Google 之前是用知识图谱的方法解决，现在开始遇到了瓶颈。今年 6 月，我在一个实验室看到他们最先进的人机对话系统，这个系统能帮你订餐和订酒店。在对话过程中，机器的表现是非常惊艳的，让我们上去试，中间有个环节请大家注意，机器开始问你，你是需要停车位，还是不要停车位？如果这个时候，我们回答说要或者不要，都没问题。我们就说，我没车。大家知道机器怎样的？它完全不理解我没车就代表着我不需要停车位，这是因为今天的机器在自然语言概念的理解里面还是远远不够的。所以，自然语言的处理是可以做的，但是，语音的理解到现在还是个不靠谱的阶段。

　　Google 今年也发布了一套对于自然语言能够做句子分析的一个引擎，把主语、谓语、宾语都能提出来，但是准确度可能就在 90%，就提不上去了，它自己也说，为什么呢？是因为这个时候光靠统计、靠语法已经不足够支撑了，往下需要对句子中具体的概念有理解才能消除歧义，直播，就像我们知道不可能把一条马路放在一个冰箱上面，对人来讲是特别简单的事情，但是对计算机的挑战就非常大，所以这是深度学习为代表的人工智能还不够的地方。

　　很敏感的问题是，无人驾驶靠谱吗？今天百度在现场也提出了发布无人驾驶的汽车，但是从我的了解来看，如果以今天人类的技术，对于见过的场景、对于封闭场景的无人驾驶汽车确实是可以使用的，但是对于真正开放的环境，不只是跑在高速上或者是五环路上的汽车，对不起，以现在人类的技术，是不安全的。因为这个场景只要它没见过，它可能会犯严重的错误，就像 AlphaGo 下棋一样，它会突然发疯，所以我们可能叫辅助驾驶是可行的，无人驾驶在有新的技术突破前，我认为还做不到。