我自己在某厂做了两年语音个人助理，后来自己出来创业，首先就否定了这个方向，或者它的变种（如问答系统、智能音箱、客服机器人、聊天机器人、陪伴机器人等等，各自有软件和硬件的版本），以下统称为Chatbot。
爬科技树不是一朝一夕
我估计中国过去几年，各种不同名目的对话型“机器人”的公司，从软件到硬件的，数百家是有的，也许有一千家？有一次，在一个会议上遇到一个公司，想做这个事情，想找一个“领军人物”来带，领导十多个人。我想，这个公司可能大大低估了做这个事情的难度：这种“领军人物”在中国可能不超过20个，也许只有10个？十多个人也难以做出一个工业可用的系统。就是有所谓的领军人物，有丰富经验的，想把工程重建，也不是短期可以奏效的。这个东西真的是没有捷径。
2012年随着Siri的发布，有一波中国的copycat，除了几个大厂的，大部分很快就灭了。过去一两年随着深度学习、知识图谱又起来一波。我认为其中的大部分是炒概念，超出现在的技术能达到的能力，两三年内就会群灭。
我觉得这个东西，属于典型的系统集成创新，只适合大厂战略布局用。大厂做这事，并不在乎场景的冷启动。而对创业公司，无论是技术链条长度，还是商业模式启动的困难，都是超出一般公司体量的。现在大家都想从问答、个人助理、目标达成的角度来切入。大企业玩玩可以，对小企业，想颠覆，不能走这条路，技术链太长，商业模式链更长。传统搜索肯定要被别的取代，但不能是直接拼大厂的长处这样。
往大了说，我对这一轮人工智能的几个热点应用——语音个人助手，问答系统，基于视觉的自动驾驶——都持悲观态度。我认为这种“准图灵测试”类产品，都超越了当前的盈利前沿，大规模应用是不现实的。例外是政府(特别是军方)和某些大公司不计成本地布局，瞄准十年之后。其他群众吃瓜围观就好。
各大厂推出的度秘、小冰、Cortana、Google
Now，还有搜狗、京东、腾讯等等各种产品，技术上都各有惊艳之处。未来怎么样，我也很难现在做出评价。问答系统六个层次：基础搜索、词联想、本体知识库，短程关系、长程关系、基于上下文的自由问答，现在大家也基本只做到了短程关系，长程关系以上都要靠各种“人工”。爬科技树，绝非一朝一夕。
科技树是要爬的。导弹这种大家很容易理解，每一种零件，每一种生产工具，每一种生成工具的机器，缺一种都不行。钱学森学到了导弹的一切，回中国建立这个工业也花了三十年。对于问答系统这种软件，大家可能不太容易直观理解，其实也是同样的，做一个管用的之前要攻克的小问题太多了。就是别人把全套解决方案告诉你了，你都不一定能复制出来，因为还得有一整套的工业体系在后面支撑才行。从知识提取，知识存储，知识表达，知识检索，到人机交互、知识库，不知道多少个小零件要逐一打造。所以软件产业也和其他工业一样，要老老实实爬科技树。Siri的创始人80年代就是Lisp机器的创业者。大家只关注到国防部和Siri那部分渊源（美国政府在CALO上投了1.5亿美元。Siri独立后，风投又投了2400万。苹果花了大概1.5-2.5亿美元买Siri。这个买卖真是合算），哪里想到它成立前的二十多年，它的创始人就把知识表达的坑全趟了一遍了。所以世界上没有无缘无故的成功，也没有捷径。
一些坑
机器善于做短程关系的查找（lookup），一层，罕见的情况下可以做两层。长程关系的发现（discovery）是机器做不好的，只能由人来写，最后变成规则机器执行。那些Siri里有趣的回答，都是人写的，和机器智能无关。
问答系统的现在逐渐从基于知识库的，发展到基于检索的，或者是从基于规则的，发展到基于数据的。但QA这事，至少目前，不是说数据足够多就行。特别是，数据再多，其中高质量数据(特别是结构化语义数据)有多少。实战一下就知道，靠统计机器学习来挖掘高质量数据，难度太大了，完全不实用。对问题和答案都需要NLP，其间检索和排序算法都是新的课题，需要多种方法的综合。
各种语音交互加摄像头识别产品，过去以app的形式承载，一直没有抓住用户的痛点，没有进入主流（除了被强推的siri）。所以最近两年，厂商开始试图用物理硬件来跑这些app，套个人形的塑料壳称为“机器人”。应用也逐渐细分，如儿童、恋爱、健康、娱乐等等。这些都是有益的尝试，但是还是忽悠居多。
特别是最近的一些“智能”玩具机器人（儿童机器人，陪伴机器人），基本看不懂。我买了个1000块的某某儿童对话机器人来玩，头5分钟大家都很兴奋，然后就没有然后了。关键连开关都没有，又蠢又停不下来。然后给我们COO拿回家给4岁的儿子玩，基本没法用，错得驴唇不对马嘴。强烈怀疑儿童陪伴、听歌、故事机器人现阶段实用了。后来又玩了几个市面上能买到的问答系统硬件。得到的结论是为时尚早，问答系统难以实用。
从外观来征服用户的，也是一条路。工业设计、硅胶科技的方法都有……看起来好看其实蛮重要的，有利于user acquisition。当然user retention就不够了，那还是要真本事。
在我看来，聊天机器人，个人助手这些东西的场景绝不是智能对话，不是智能对话，不是智能对话（重要的事情说三遍）。聊天机器人往问答系统的方向做本身就错了。问答系统实用化根本不可能。聊天机器人的定位应该是自动化，就酱。
我想，做语义技术的应用第一重要的是盈利，而不是扩大市场份额。要垄断一个小市场，竞争对手还不够强大，市场小到巨头们无利可图。语义搜索，一定要走K策略，深挖领域知识，而不是推出一个大而全，大而无用的知识库、问答系统、个人助手、搜索引擎blah
blah。历史上那些走R策略的语义搜索都活不长。一些垂直的客服系统可能是有用的。我没做过那样的系统，所以也不知道其中的坑在哪里。
不仅技术上有无数的坑，要在工业界搞好一个问答的团队，那是真心不容易! 就是在IBM,
说服上层领导就花了好几年。而且摊子一大，各种山头光内耗就能搞死。另外，问答系统是最接近图灵测试的，如何巧妙地应对来自上面的各种不切实际的灵感，是多考验负责人的情商和智商啊。
鲍捷，文因互联创始人、CEO
微信公众ID：wenyinx3b
文因互联简介： 文因互联致力于用人工智能解决金融数据分析问题。创始团队来自MIT、RPI、Wright State、Marvell等知名大学和公司。技术团队核心人员深耕人工智能十余年，是知识图谱领域领军人物；金融团队核心人员来自海外对冲基金、BCG和麦肯锡，具备丰富的投资研究经验。
原文链接：
http://blog.memect.cn/?p=2839
