※ 引述《wang19980531 (中立評論員)》之銘言：
: 雖然現在實驗室接到很多公司計畫還是和機器學習相關，
: 但其實很多教授都覺得AI在走下去也過不了幾年，
: 技術方面已臻成熟，玩不出什麼把戲了。
: 不知道業界怎麼看呢？
: 未來的發展是量子計算機嗎？
雖然CV透過DL取得了重大進展，但在NLP領域，AI仍然處於發展初期，技術談不上成熟，
以敝人負責的Chatbot領域來說，有個可以參考的例子，自從圖靈測試在2014年被聊天機
器人Eugene通過後，加拿大學者改進測試的缺失提出了威諾格拉德架構挑戰賽(Winograd
Schema Challenge)，也是目前最具權威的AI競賽。
該競賽的第一輪是代詞消歧問題(Pronoun disambiguation problems)。舉例來說，當人
類分析句子時，會用經驗來理解指代的對象：
一、市議會拒絕示威者，因為他們害怕暴力。
二、市議會拒絕示威者，因為他們提倡暴力。
而這個選擇題只有兩個答案，代詞"他們"是指"市議會"還是"示威者"，AI應該要指出在第
一句說的是市議會，第二句說的是示威者，從問題上可以發現，系統無法透過這段話的上
下文進行理解得到答案，這在實作上必須透過知識圖譜(Knowledge Graph)進行推理，要
通過比賽拿到獎金25,000鎂，準確率(Accuracy)必須達到90%以上，但目前最好的成績只
有58%，遠比人類低得多。
除了上述根本影響Chatbot問答品質的問題，還有幾個難題仍未被突破：
一、為了整合語音辨識、詞法分析、句法分析、語意分析、深度學習，答案搜尋，對話管
理、自然語言生成和語音合成等模組，確保其相容性，以及敝司過去欠下近十年的技術債
，當前Chatbot架構與模型相當複雜，管理較為困難，如何研發通用的架構與模型，是未來
所有同業的發展目標。
二、情感分析(Sentiment Analysis)可以讓Chatbot與人交互時更有溫度，是目前產學
界熱門研究方向。
三、現在的Chatbot只能做好特定領域的工作，如何建構開放領域的知識，甚至不需要人
工建構知識，讓機器自學習，也是產學界正在努力的方向。
四、端對端(End to end)系統的建立，不經過傳統的模組串聯，利用DL建立端對端的簡潔
模型；達到輸入原始資料後，可直接得到想要的輸出結果，但與此同時還要支援多輪對話
管理、上下文情境及知識圖譜推理，避免安全回答，甚至是保持Chatbot個性的一致性，
這些挑戰都是產學界近期的目標。
以上問題，可見AI還有很長的一段路要走；但不管準確率有多高，以商用Chatbot來說，
只要能節省足夠的客服成本，就能讓許多企業為高價的AI人才買單。以上是個人在業界
工作得到的經驗，分享給各位同業；這個領域還有一堆做不完的工作，也鼓勵研究生們
好好學習入坑。
文章被JPPT App吃掉了... 整理中