這個不給大家全放完了，大家家里可能不止買了一個人工智能的設備，可能各種各樣的設備，今天買的很多東西里面大家會用到比如說您好，幫我把燈打開，前者更是命令的方式，是完成讓機器更多完成一個又一個的任務。我們設計所有人工智能交互系統(tǒng)的時候，我們希望她的對話和交流方式跟我們今天人類是一樣的。我今天和蔡書記說話，不會講您好蔡書記今天會幾點開始？蔡書記說下午1點半，蔡書記是在三層嗎？是在三層。不是這樣子。所有科技公司投入這么大力量研究人工智能，相信整個人機交互里面經(jīng)過第一代圖形交互界面，第二代以搜索引擎為主的頁？娼換ィ砩嫌吹諶斯ぶ悄芙換ァＪ裁詞僑斯ぶ悄芙換ィ咳斯ぶ悄芙換ナ貝锎蠹銥錘痔賴纈襖錈媯卸際峭ü死嘧勻揮镅越渙魘迪鄭迪終飧齬袒∩弦朔芏嗟惱習熱纈鏌羰侗稹⒆勻揮镅岳斫夂陀镅允涑觥５比幌衷諍芏囁萍脊徑薊嶠菜滴業(yè)撓鏌羰侗鷴視卸喔叩鵲齲萍冀緄撓鏌羰侗鷴蝕？6.7%開始基本上已經(jīng)到達了那個邊界。因為我們?nèi)硕紵o法識別超過96%的，但是語義自然語言理解這里最重要的過程，自然語言理解怎么理解？給大家舉個例子，比如見到人類說這個“女神”經(jīng)常來這里吃飯，這個“女神經(jīng)”常來這里吃飯。這兩句話從語音識別角度來講都會識別出一模一樣的文字，人類語言里面代表完全不同的語義和意圖。
我們經(jīng)常講做人工智能包括把人工智能應用在各種應用場景里面，不止它的硬指標，還有它背后自然語言理解這部分最重要。否則所有說的一切都是憑空和造夢，都是泡沫。這是為什么微軟在這么多年里，包括我們?nèi)コ掷m(xù)投入技術，包括做微軟小冰讓她跟大家交流。只有這樣才能去學習人類的自然的語言交流和意圖的理解。
除了我們剛才講到交流這部分，我們還嘗試讓機器去做一些跟創(chuàng)作力有關的東西，包括什么？我們今天可以讓機器從事不管是詞曲創(chuàng)作、對話還有有聲讀物還有電視內(nèi)容創(chuàng)作等等。這些在嬰幼兒教育也有借鑒和參考，給大家看看。舉個例子詩歌創(chuàng)作，這是我們?nèi)ツ曜龅囊粋€項目，讓機器學習從1920年開始519個現(xiàn)代詩人作品，每6分鐘學習一遍，學習一萬遍之后，機器可以開始進行創(chuàng)作了。它的能力模型不停迭代，今天上線已經(jīng)第四代了，今天這個技術是一個公開的技術，可以在微軟小冰微信平臺里跟她講寫詩，她給你推出一個鏈接，您可以鏈接現(xiàn)場嘗試它給你創(chuàng)作詩歌。我們目前為止用這個工具為中國的人民群眾每上傳一張照片創(chuàng)作一首詩，創(chuàng)作了2000萬+首詩。我們經(jīng)常講模型不停的迭代升級之后，我們在去年這時候跟中國作家協(xié)會的論壇當中，中國作家協(xié)會副主席曾經(jīng)生動描述他對這件事情的感受。我們第一代模型推出之后，中國的詩人很生氣，他們就各處開研討會批判，怎么可以讓機器寫詩，這是沒有靈魂的事情。后來發(fā)現(xiàn)后來寫的比第一代好，到了第三代的時候中國作家協(xié)會副主席說其實已經(jīng)比90%的詩人寫的好，至少在文字方面。
我們想說這個能力并不是我們寫詩或者詩歌可以被機器創(chuàng)作出來，所有文字的東西通過機器大量的學習它是可以被創(chuàng)作出來。今天對大家來講小學生的作文或者各種各樣的文字的東西，同樣的道理，今天的詩歌這種創(chuàng)作能力也可以反過來用作教育。我們今年6月份的時候把這個能力面向全世界開放說允許機器和人共同創(chuàng)作，機器先寫完一部分，人類再進行創(chuàng)作，我們下個月會出一本詩集是機器和人共同創(chuàng)作的。南京一所小學四年級小學生做了一次實驗，小學生在上面改詩，然后再發(fā)表。后來整個那個小學形成了創(chuàng)作詩歌的熱潮，詩歌創(chuàng)作門檻被降低了，大家都可以學習創(chuàng)作。我們可以理解如果讓一個小孩子去嘗試一些有難度的東西的話，讓他一開始就做非常難度高的東西，這可能是一個特別大的門檻。但是如果你讓他一點點嘗試，有了機器幫助他的話，這可能從某種角度來講是一個捷徑。或者他可以把他更多的詩歌創(chuàng)作方法和能力傳遞給小朋友。
