Salesforce的一個研討團隊想出了一個聰慧的方法來進步很多古代說話法式的機能，即在練習算法完成其他義務(wù)之前，教其說另外一種說話。

　　教會機械堅持連接的對話依然是人工智能范疇的一年夜凸起挑釁，由于要想清晰地輿解白話或文字的寄義，常常須要對世界有更普遍的懂得或許知識。

　　現(xiàn)實證實，練習機械進修體系在兩種說話之間停止轉(zhuǎn)換，可以主動地教會它有關(guān)搭配關(guān)系和適當語境的內(nèi)容。當這個體系被用作另外一個練習來停止對話，或許檢測文字中包括的情感的機械進修體系的基本時，它的表示遠遠好過一個從頭開端練習的體系。

　　Salesforce的首席迷信家、運用機械進修與說話的專家理查德·蘇格說，“我們正在應(yīng)用機械翻譯數(shù)據(jù)，我們根本上是在傳授模子若何懂得辭匯和語境。”

　　這項任務(wù)是機械進修的提高進步人工智能體系說話技巧的一個例子。很多基于深度進修的盤算機視覺體系應(yīng)用了某種情勢的收集預練習，而據(jù)蘇格所言，機械翻譯能夠供給了一品種似的方法來引誘天然說話體系。

　　Salesforce是一個在發(fā)賣，營銷和貿(mào)易之間治理客戶互動的在線平臺，曾經(jīng)經(jīng)由過程其愛因斯坦平臺供給了一系列人工智能對象。個中一種是主動分類電子郵件或聊天新聞的情感的對象，另外一種是任務(wù)人員依據(jù)他或她之前的運動尋求的潛伏客戶的優(yōu)先級。

　　他信任這一發(fā)明將有助于進步愛因斯坦平臺的天然說話才能。他說，“關(guān)于聊天機械人和主動化客戶支撐來講，這長短常有效的。”

　　Salesforce的研討人員練習出了一個可以在英語和德語之間停止翻譯的深度進修體系。這觸及到將年夜量的翻譯文檔輸出到一個多層的神經(jīng)收集中，其實不斷調(diào)劑收集參數(shù)，直到它學會主動生成一個像樣的翻譯。這個體系用矢量表現(xiàn)單詞，這是一種編碼息爭析文本意義的經(jīng)常使用辦法。

　　然后，研討人員對雙語收集停止了培訓，讓他們做各類各樣的工作：肯定一段文本的情感；對分歧類型的成績停止分類；然后答復成績。他們還發(fā)明，他們的預練習收集跨越了沒有學過第二說話的人的表示。

　　機械翻譯數(shù)據(jù)集特殊年夜，這有助于機械進修這一挑釁。介入該項目標Salesforce研討人員麥凱恩說，“翻譯和其他說話之間有側(cè)重要的接洽。翻譯數(shù)據(jù)集長短常廣泛的，它們包括的信息對天然說話處置來講長短常有效的。”