“基于RNN/LSTM深度学习算法训练的NLP/NLU模型、Sequece2Sequence与Attention model，我们的系统可以做到在垂直场景下，对人机对话进行上下文消岐、纠错、容错等不同深度语义识别。”

　　在该特定场景下，ideepwise曾测试100万条文本数据，识别正确率为95.8%。此后，团队又向另一测试组数据加入了1%的干扰数据，整体识别正确率下降0.6%，达到95.2%。“虽然理论上训练样本足够多的情况下，模型识别率会越来越高。但在实践中越多层数的神经网络模型并不代表效果就越好。”

　　在智能家居领域，“深思考”已经与一些上市公司达成合作，帮助其研发服务型机器人的AI软件部分。“我们研发了一款智能家居中央控制机器人。该机器人可通过理解客户自然的语言及语义、情绪、手势后，利用Wi-Fi模块控制智能家居设备。”

　　“深思考”在医疗领域的服务包含：人工智能辅助问诊与TCT细胞宫颈癌辅助筛查。人工智能辅助问诊系统是：病人在与机器人的多轮交互中，机器人系统可帮助医生理解有用的语义信息，并归一化为标准医学问题，随后机器人提供问题的答案建议。“医生只需要在交互后确认机器人提供的辅助建议即可。”

　　现在“深思考”在医疗领域的另外一个产品是基于深度学习的机器视觉/图像识别完成TCT细胞的宫颈癌辅助筛查业务。

　　软件套件及硬件

　　除去SaaS 服务，“深思考”还开发了一套面向B端的智能产品套件：深思慧眼。之所以研发该产品，是因为杨志明觉得传统印刷说明书的作用在渐渐被弱化。“经常出现买到新产品后，说明书看不懂，看完仍旧不会操作的情况。”

　　基于此，深思慧眼集成了图像识别、AR、多轮人机交互、语义识别技术为用户提供产品操作指导及语音语义识别的设备控制功能。“比如一台咖啡机，我通过移动端机器视觉识别后，咖啡机就可以生成一款拟人机器人。用户可以可以与‘她’语音自然交互，从而了解机器具体操作方法。”

　　同时，深思慧眼通过与生产厂家做内容深度结合，可为用户提供产品故障解决办法。“机器人会告诉用户每个灯亮是什么问题，并为用户提供售后服务点信息等。”

　　在硬件方面，团队吸纳了来自中科院微电子所的陈博士，专门负责研发基于FPGA的AI加速专用芯片。“对于端产品的人工智能模型运算性能优化，我们将深度学习算法及网络模型集成在FPGA上，从而使在端的深度学习运算性能大大加速。”

　　许多应用场景下，深度学习对于硬件运算能力要求较高，同时对系统实时性要求较严格。“如果都通过云端服务器来做深度学习运算，网络信号不好时，实时性较差，用户体验不好。而利用FPGA方式则可以很好的解决此问题。”

　　?????但是杨志明表明，现阶段公司仍以软件和Web服务为核心，“我们只对芯片做专用领域研发，atv，不做通用领域的制造”。

　　对于盈利模式，杨志明为团队提出了“轻快”的原则。一方面公司决定与特定B端客户接洽，向其授权底层ideepwise service接口；另一方面，公司将会向一些生产厂家提供深思慧眼套件服务。

　　今年4月，“深思考”二代机器人将与深思慧眼二代套件同时发布。据悉，现在“深思考”系统可支持平均8轮连续多轮多任务人机对话，垂直于6种场景任务，可分辨7种视觉表情分类、25种文本情绪分类。

　　去年2月，“深思考”完成了Pre-A轮融资，金额为1000万元，投后估值1亿元，投资方为九阳股份。

　　现在该公司正在进行A轮融资，拟融资金额3000~5000万元，用于产品迭代及研发。