人工智能（AI）自然语言理解的问题_现在的人工智能语音对语言的理解问题

在韩国首尔举行的围棋赛的中途，世界级顶尖围棋选手李世石和谷歌人工智能阿尔法狗的较量中，人工智能阿尔法狗走出了超越人类令人不安的神秘的一步棋。
　
　在第37步，AlphaGo选择把一块黑色的棋子放在一开始就像一个荒谬的位置。它看起来肯定会放弃一个实质性的领域 - 这是围棋中控制棋盘空间的一个新手错误。两位电视评论员想知道他们是否误读了这一举措，或者机器出了故障。事实上，与传统智慧相反，第37步将使AlphaGo在棋盘中心建立一个强大的基础。谷歌程序高效地赢得了这场比赛，采取了一个没有人会想出的走法。
　
　关于艺术理解语言对计算机和人工智能系统（AI）如此困难的一个原因是，单词通常具有基于上下文的含义，甚至需要考虑字母和单词的表达方式。在这个图片的故事中，几位艺术家展示了使用各种视觉上的细节来传达超越实际字母的意义。
　
　这个故事是我们2016年9/10月的问题的一部分阿尔法狗的胜利特别令人印象深刻，因为围棋经常被看作是对直觉式智能的测试。规则很简单。两名球员轮流在棋盘上的水平线和垂直线交叉处放置黑色或白色棋子，试图围绕对手的棋子并将棋子从场上移开。然而，要玩的好是非常困难的。
　
　尽管棋手能够预测之后的几​​步棋，但是围棋游戏开始之后却会展现出无比的复杂性，而且没有经典的博弈。衡量优势也没有直接的方法，即使是大师也很难解释为什么他下了这一步棋。这使得用一套简单的规则编写专家级围棋计算机程序是不可能的。
　
　没有人告诉阿尔法狗怎么玩围棋。相反，该程序分析了数十万场比赛，并和自己打了数百万场比赛。在一些人工智能技术中，它使用了一种越来越受欢迎的深度 学习方法，这种方法涉及的数学计算非常简单，通过神经元的在大脑中的相互连接，它可以学习如何理解新的信息。该程序通过几个小时的练习来教导自己，逐渐磨练出一个直观的战略意识。当时它能够击败世界上最好的围棋选手之一时，代表了人工智能（AI）的真正里程碑。
　
　劳伦斯·韦纳橡                 胶球扔到海里第37步之后的几个小时，AlphaGo赢得了两场比赛的胜利，在五人制比赛中连胜。之后，李世石站在一群记者和摄影师面前，礼貌地道歉由于人类的失败。“我无话可说，”他说，透过闪光的摄影机。
　
　令人惊讶的成功指出，过去几年人工智能取得了多大的进步，经过几十年的挫折和挫折，即常常被形容为“人工智能冬天”的那段时间。深度学习意味着机器可以越来越多地自学如何执行那些在几年前才被认为需要人类独特的智慧的复杂任务。自驾汽车已经是可预见的了。在不久的将来，基于深度 学习的系统将用于诊断疾病和推荐治疗。
　
　然而，尽管取得了令人印象深刻的进步，但其中一个基本能力仍然是难以捉摸的：自然语言 像Siri和IBM的Watson这样的系统可以理解简单的口头表达并回答基本的问题，但是他们不能进行对话，也不能真正理解他们使用的单词。如果人工智能要真正具有变革性，这种情况就必须改变。
　
　即使AlphaGo不能说话，它使用的技术可能会促进更好的语言理解。在谷歌，脸书和亚马逊这样的公司以及领先的人工智能实验室中，研究人员试图最终解决这个看似棘手的问题，使用一些类似的使得阿尔法狗成功的人工智能（AI）工具（包括深度学习）。它们是否成功将决定现在正在进行的人工智能的革命的规模和性质。这将有助于确定我们是否会拥有我们可以轻松地与其进行沟通的机器 （机器成为我们日常