產品：
1. 聊天：小黃雞
2. 服務：
Google now (deep learning)
Apple SIRI
IBM watson (deepQA)
MS 小冰+小娜 (deep learning)
光年無限 圖靈機器人 (deepQA) +蟲洞語音助手
訊飛語點
需求：
1. 聊天：始終保持會話持續。每週解鎖一項技能？
2. 服務：解決用戶問題。e.g.京東購物
目標：不盲目追求龐大的用戶數，而是追求用戶的高度粘性。
流程：
1. Q
(1) Preprocessing: 分詞、NER, RE, entity linking
(2) 問題/答案分類：5W1H; informational (事實、列表、定義), navigational, transactional
(3) 查詢擴展、意圖, e.g. 埃菲爾鐵塔有多高？m, km, inch
2. D (knowledge-graph http://www.ccf.org.cn/sites/adl/ADL55.rar adl55150107)
3. Matching (從聊天語料中獲取上下文語義相關的模板, slots)
4. 生成答案（及驗證）
5. 會話控制
數據：
1. MS
bing: 300億網頁，60億中文網頁
6年積累，全部公開的中文聊天記錄，從中精煉出1500萬條記錄(>1000條模板)+情緒語料
0.7%的速度擴大規模
E/2014: 600萬註冊用戶，6億次對話，人均1200條/月
舉個栗子，問小冰
(1) 寶寶過敏怎麼辦？小冰答：在可控條件下多接觸直至脫敏，或者不接觸（全網只有百度知道有這條回答；反而如果用必應搜，排名靠後）
(2) LG和三星哪家冰箱好？小冰問：什麼型號？並給出一條網友評論。
2. 海天瑞聲
聊天室bbs: 4,000萬字+4,300萬字
團隊：
小冰：100人（前端50人（4個編輯模板）），1200多人(STC)
IBM: >20研究員
問題：
1. 意圖分析：回家
2. 多輪交互、會話控制：
向前：蘋果的CEO? google的呢？MS的呢？
向後：多想幾步，例如，天氣、帶傘、給家人帶傘
讀心機器人：取熵最大/信息增益最大
錯誤分析：
1. 終點
2. 高頻 vs. 長尾