AD
科幻作品中我们经常能够看到与人类一样聪明的机器人，但机器是如何在这背后存储知识的？是如何推理知识并运用知识的？最后又是如何实现与人的交互的？此次在的百度BIG大会上，百度技术副总王海峰博士总结了实现人工智能的三大关键技术，基本回答了这些问题，虽然讲的比较简单，但由于信息量过大没有一定背景的人是很难听懂的，所以我纯粹来给各位科普下。
关键一，让机器理解语言的技术
理解语言是一个从词语逐渐递进到事件的过程。
1，分词技术
让机器理解语言，也就是要让机器学会自己思考，那么就需要让机器去理解语言。而汉语的
理解与英语相比起来就显得更加困难，在英语中每个单词都是基本上可以被机器直接读取的，但是汉语在分词上则更为困难。我们来举几个列子。
“你|老张|着什么急|啊”
“你|老张着|什么嘴|啊”
上面是一个简单的列子，修改一个字，意思就相差十万八千里，而机器根据字的不同则可以勉强分出来。但是下面这个列子就折腾了。
“乒乓球拍卖完了”
机器该怎么分？这就困难了，机器既可以分出两种意思
“乒乓球|拍卖|完了”
“乒乓|球拍|卖完了”
那么困难就来了，我们如何告诉机器这句话中的词该怎么分呢？对于人来说很简单，根据前后文马上就能识别出来，但是对于机器来说则极为艰难。
2，句子的分析技术
分词问题解决之后便是分析句子的问题，请看下面两句
“谢霆锋|是谁|儿子”
“谢霆锋|儿子|是谁”
对于机器来说，这两句话获得的关键分词信息是一样的，都是“谢霆锋”、“是谁”、“儿子”，这三个关键分词信息。我们该如何告诉计算机，因为顺序先后的原因而导致的语义的天差地别呢？
这其中就需要对语言有很深入的分析，对语义理解，从而知道他们要找的答案是不一样。做到这单同样不容易。
3，上下文相关的分析技术
分析完一句话后，机器自然要推演到分析一篇文章的内容。
在《信息简史》中有一个很重要的信息原理，就是说当我们需要传递信息时，需要大量的冗余信息来保障信息的准确性，没用的废话越多则传递信息的准确性越高，同样对于让机器理解某句话也是基于同样原理。
但问题是，人可以依靠直觉抓取关键信息，而机器又凭借什么来抓取关键信息呢？又如何识别真正的信号与噪声？这也是至关重要的技术。
