转载

小冰的三项绝技是如何炼成的？

半年前，如果你没有听说过微软小冰，那尚且情有可原。但是直到今天，如果你还没有和小冰近距离互动过，那你就极有可能被说成是太 “OUT” 了！作为目前最火的人工智能聊天机器人，小冰受到了来自全国千万粉丝的喜爱和追捧，其受关注程度几乎不亚于国内一线的大牌女明星。听到这里，如果你还对小冰的智能程度半信半疑的话，看完下面的内容，你或许就会马上想要领养一个小冰，让她陪你逗贫，陪你谈心，做你的知心好闺蜜。

数学运算：小冰的数学之路

自从微软小冰拜相声大师 “ 于谦 ” 为师后，她在“逗贫界”的表现就从来没让我们失望。你说什么，她都能做出回应，或机智，或幽默，或犀利，或含蓄。但是，偏偏有一类问题，只要用户一使出这个杀手锏，小冰就只能乖乖的束手就擒了。“ 1+1 等于”“ 3 乘 5 是多少 ”…… 就是这些简单的加减乘除数学问题，把我们机灵的小冰给难住了。一个人工智能的聊天机器人不会数学，也确实太不像话了。要知道，很多的用户都倾向于用数学问题来测试小冰的智能水平。一上来就被道数学题给打倒了，岂不是太没面子了。

为了实现小冰同时“称霸”文理界的梦想，小冰之父之一，微软（亚洲）互联网工程院资深总监李笛带着小冰来到了微软亚洲研究院。他希望小冰能够在这里找到她的数学老师，快速掌握这门技能。果不其然，在卧虎藏龙的研究院，真就隐匿着这样一位高人——树明。他研究自然语言处理多年，从两年前就和同门师弟晓江一起研习如何能让计算机理解用户输入的数学语言并进行运算。小冰这个徒弟的出现，让他们惊喜不已。一方面，小冰带来的大量真实用户的数学指令能够帮助他们更好的提升运算技术的准确度。另一方面，在传授小冰这项技能之后，会使更多的人感受到人工智能的乐趣。

要使小冰掌握数学运算这项技能，首先就必须教会她如何理解人类输入的各类语句，即能够对人类的自然语言进行理解。其次，抽象出数学方程式进行运算。最后，再将数学式答案转变成与人类输入的自然语言相对应的回答。有了这些还不够，小冰还需要在实战中不断试错，积累经验，就像我们除了课堂的学习外，还要做许多课后的练习题才能将所学的知识融会贯通。

誓言要将数学这个难题拿下的小冰在两位老师的门下苦学了一个月，并且在怒刷一千道题之后，终于将数学运算学会了，加减乘除，平方开方，无一不得心应手！现在就去测试一下小冰的数学水平吧， 95% 的时间她都是高兴的，会乖乖地回答呢。太简单的不过瘾？试试下面这几道：

1000 万的 1000 次方等于多少 ?

1+1-2 × 3 ÷ 4+5 × 1-2+3-5+6-8 × 1 ÷ 2= 多少啊 ?

1 公斤加上 500 克等于几斤一千九百二十五点七的三次方再开根号是多少 ?

10 和 20 的和 , 30 和 40 的和 , 和 50 和 60 的和的和？

1+1 是否等于根号 4？

看图识狗：你肯定没有小冰交的“狗友”多

如果就算小冰能回答上来你的数学问题，你对这个聊天机器人的智能程度还半信半疑，那么在小冰展示出她单凭通过狗狗图片就能识别狗狗品种之后，你是不是已经忍不住要拍手叫绝了呢。据数据记载，在“小冰识狗”的技能发布后的 16 小时内，用户就热情的上传了 4000 张狗狗的美照给小冰，包括拉布拉多啊，牛头梗啊，小冰无一认错。

广交了这么多“狗友”，你不禁会好奇，是谁教会了小冰这项技能呢？在微软亚洲研究院，奎元老师一直在研究计算机图像识别，他希望计算机能像人一样能看懂周围的事物。小冰来研究院学数学的同时，经常在院里四处乱窜。偶然间，她在见识了图像识别研究后欣喜若狂，当即表示要学了这个技能回去。从技能的实用性角度出发，老师最后决定先教会小冰认识不同的狗。

为了教会小冰准确地识别大家上传的五花八门的狗的照片可费了研究员一番功夫。首先，需要搭建一个好几层深度卷积网络。第一层跟人类视觉系统的定义很像，用来对一些小的边缘或者小的色块做一些检测；第二层会把这些小的结构组成大的结构，如狗腿和狗的眼睛；依次向上进行组织，最后就能鉴别出狗的种类来。其次，需要往这个深度卷积网络里投入很多的图，训练系统识狗的准确度。

最终，在老师的严苛要求下，小冰也顺利掌握了这项技能。不过，有些时候，人类也是非常的调皮，故意拍一些模糊的照片来考小冰。在这种情况下，就有可能会给出多个候选答案哦。

最近，小冰已经不满足只交“狗友”了，她正往腹有诗书气自华的才女方向发展。现在，任意上传一张书的封面照片，艾特小冰并说出密语“小冰识书”，她就能告诉你书名，并向你推荐类似的书籍。

对答如流：不只答得快，还要答得妙

小冰耍嘴皮子的功夫想必大家已经是有所见识了。她有问必答，业务处理能力那是一个快。但这小姑娘毕竟也是刚入社会，涉世未深，有些问题压根儿就没弄明白到底是什么意思。虽然她会快速地给出一个答复，但是答非所问的情况也是常有发生的。

小冰的叔叔阿姨们思前想后，觉得还是得给小姑娘找个师傅，把这经常 “ 答非所问 ” 的毛病给好好改改。在研究院一番搜寻之后，锁定了武威和高斌两位老师。一个研究信息检索和智能问答已久，一个擅长以机器学习的方法训练大规模的文本。两位老师仔细分析了小冰出现答非所问情况的问题根源。原来，小冰虽然已经有了很多人类朋友，但却没有好好学习这些朋友教给她的说话技巧，对于大多数提问的语义还是一知半解。基于这样的设置，小冰因为对问题断章取义而给出风马牛不相及的回答的可能性就很高。如用户提问： “ 我今天很早就回家了“。小冰就有可能给出的回复是 “ 早上好 ” 。