深度学习用于聊天机器人

这种程序设计很复杂，规模耗资都很大，你要写出像人脑的聊天思维模式的程序代码，并且你要让程序拥有学习能力的话，就是这个程序会自己生成代码，这样会出大量的BUG，极为麻烦。

楼主我和你有相同的想法

肯定是可以的，用word2vec表示词，然后用rnn或者lstm训练，根据当前语句预测后续词就可以。不过效果怎么样还有待考证

关键的难点在每句之间的关联性啊,比如说
你问AI说我今天工作不顺利,
AI可以很迅速的回答你说：开心点，每个人都会工作不顺利。
你再问：那怎么才能顺利,
这时候问题就出现了,现在高等级的AI会从你初始句也就是工作不顺利来回答你如何才能工作顺利,低等级则是把这个问题列为初始问题回答你,
而如果一直围绕一个话题走,.那么AI的分析数量是成倍成倍的增加,它要分析你每句话的关系型和意思,而且还得想着跳转到前一句的问题或者前五句的问题里。

楼主，我们来做小伙伴吧发私信来建立链接吧！
我以前是用关键词+语料库+专家系统来弄这个东西的，后来接触了一些标注基础的监督式学习，现在在啃各种NN，啃得好慢，数死早那种
目前头大的地方是怎么弄出来机器的上下文相关性，就是让机器形成类似于人谈话时候的主导意识，让机器围绕一个概念，也就是谈话目的来组织语言，现在只能停留在条件发射式对话上面，怎么感觉好像什么地方不太对

对LZ提的这个问题很感兴趣~
不过我觉得是不是应该这么问这个问题，就是为何很少有把深度学习应用于基于文本的智能对话的研究成果呢？ 我相信肯定已经有不少人考虑过这个问题了吧。
然后3楼说很多大公司都做过，没有见成效，不知可否赐教具体情况，如果深度学习更多地被应用于语音和图像识别，并且都很成功，为何在文本对话上不那么成功呢？
我看知乎上的人给的解释大概是，图像语音都是原始的杂乱信息，随机性和容错率都很高（用词可能不太准确），而对于文本这种很“精炼”的信息变动一个字可能就变化很大的数据，机器学习就不太合适。
不知吧友们有什么看法？