先贤们、现代的巨头、学术界大牛们为什么没有做到？

人工智能被理科生把持，文理分科的割裂和互相鄙视
“每当我开除一个语言学家，语音识别系统就更准了！”现代语音识别和自然语言处理研究的先驱Frederick Jelinek，他还是美国工程院院士
计算机界都是理科生在研究和控制，缺乏对平凡琐碎的语言本身的兴趣和敏感，喜欢用数学解释一切，觉得数学是捷径，是智商压制
计算机界技术枯燥、门槛导致对语言敏感的文科生望而却步，语言学的文科生过于偏文，缺乏严谨系统化思维
学术界：传承为立身之根本，年轻时无暇无力开宗立派
学术界都是学生继续导师的研究，语言学导师的祖师爷（生活在人工智能时代之前的）没想到，那么其后代一脉相传的，应付导师的课题都很难，另立门户又没有短期收益

三十年河东，三十年河西：规则主义 VS 经验主义
规则主义领域领军人物乔姆斯，“生成语法”理论，只关注句法、推导、语音等，
经验主义：机器学习
人工智能时代六十多年，规则主义的出师未捷，经验主义后来居上、遥遥领先，规则主义被打入冷宫，今日机器学习的表面繁荣、大厦将倾，只待有胆有识的伯乐去发现璞玉
历史总是螺旋式上升的，规则主义暂时的失败不代表“规则支配一切”的指导思想是错误的，只是方法不对。任何学科都是基于规则和逻辑的，难道单单语言例外吗？语言、语义是没有规则、没有逻辑的吗？
越重视背景 = 越大的创新被扼杀
即使99.9%的创新来自一脉相承的学术界，0.01%的必须出身草莽！为什么？
巨头公司招背景牛的人，投资投背景牛的人。循规蹈矩一般是正确的，但缺点是因循守旧，不能找到根本的症结去刮骨疗毒
机器学习，看不懂的只是在看背景，看得懂的在维护自己的价值

非学术界大牛，一定没有伟大的研究吗？

语言不像理科门槛那么高、那么复杂——纵然是理科也有拉马努金这样的“民科”、没有读完大学的特斯拉、孟德尔
最重要的是是否具有严密的思维critical thinking
学术界的空白和代代相传的局限，决定了一定需要非学术界的人来填补

市场规模和前景：无比广阔

全行业颠覆性：机器人可做真人效果的、准确的语言交流工作，且安全可控
搜索：我们可做强智能对话式搜索，更准确、人性化
企业客服：大中小企业都需要，直接节省人力成本
强智能自然语言处理：
舆情监控、意见细分：不同于机器学习的简单分类——正向负向，可以提取出更多更细粒度的意见
根据语义挖掘需求，定向广告
股市相关新闻信息监控，即时辅助投资决策
文章概要提取
教育：教育机器人
心理咨询机器人：
针对痛点：心理咨询人力昂贵；国人没有面见心理医生的习惯
初期准确匹配格言、第三方安慰人的话语等，逐渐达到真人效果的心理咨询机器人
潜在市场：00后的崛起，二次元、宅文化，更接受私密性、可定制性格的机器人伴侣

如感兴趣，请联系邮箱：zpyzly@126.com

反馈

请挑战我：语言理解例子
应用：您行业的咨询、搜索类任务
顾虑
您认同机器学习可以理解自然语言吗？
投入的顾虑

总结- 真正理解人类语言的机器人

• 目前人工智能最大的挑战——自然语言理解
  - 如果试过和苹果Siri、微软小冰谈话，你会抓狂，它根本不理解你说的

• 自研全新技术：实事求是地研究语言

• 真正让机器理解人类语言，从弱人工智能到强人工智能的转变

• 适用于任何领域的真人对话效果的机器人
  - 近景应用：To B提供基础软件，应用于强智能客服，强智能搜索
  - 远景应用：颠覆性创新，无限市场，机器人代替人做教育、心理咨询、虚拟伴侣等