3月28日，蓦然认知CEO戴帅湘出席了2017春季人工智能产业峰会，并做《对话及应用-自然语言交互的未来及挑战》主题演讲，在之后的创新论坛上与众多行业大咖进行深度交流，全面阐述了蓦然认知的智能交互决策引擎Mor基于DAAA理念的商业价值和技术价值。
人机交互的发展先后经历了互联网普及前的桌面时代、互联网普及后的浏览器时代和手机出现后的移动时代，是一个逐步解放双手的过程，也是一个不断智能化的过程。如今，一个全新的时代——IoT时代正在到来，在这个时代，语音交互将是科技发展新风口。
为了更好地适应时代要求，蓦然认知不断优化自身，通过和内容、服务提供商的通力合作，着力于将优质的内容和服务进行整合，提供给有需求的用户。另外在技术上也不断寻求突破，总结以前的智能语音助手在对话和场景处理上的不足，转化为自身的优势。
戴帅湘认为，在IoT时代，互联网内容和服务的供求将呈现出以下四个新的趋势，在这些趋势的推动下，Mor能够帮助内容和服务提供商实现价值的最大化。
自然对话主导交互，用户界面弱化甚至消失
IOT时代的最大变化是我们生活中几乎所有的物体都可以变得智能，例如冰箱、电视、音箱、手表等等，但是用户需要使用这些设备时，并不能都像使用手机一样直接通过屏幕交互来操作，屏幕功能越来越弱化甚至消失，这给了语音助手大展身手的机会。如果有了Mor的支持，用户就可以用对话的方式向设备发出指令，使需求得到满足。
Mor作为智能交互与决策引擎，是以自然语言对话为主导的。无论处于什么场景、想要什么样的服务，用户都可以通过与powered by Mor的设备直接进行对话来满足自己的要求。另外，这些设备之间可以通过Mor实现智能连接，让生活智能化。
服务API化，其获取和使用成本大大降低
随着互联网的普及和深入发展，有价值的服务同有价值的网页内容一样，都变得多样而且分散。针对分散的网页内容，随后出现的搜索引擎作为一个聚合型的平台，可以索引到各种内容，并用统一查询的方式提供给用户；因此我们也需要一个更强大的引擎把有价值的服务进行聚拢融合，以一个统一和直接的方式呈现给用户，这时候基于自然语言对话的智能交互决策引擎——Mor就应运而生了。
为实现Mor服务的便利化和功能的最大化，蓦然认知为其设计了一种自动服务对接程序，可以扫描服务商提供的接口，让其尽可能自动化地接入到对话模型中，以“可拔插”的方式来满足对话过程中特定的意图需求，无需安装客户端，大大减少了工程师接入服务的开发成本。
不同场景下的服务自然融合，用户使用效率大大提升
在移动时代，APP是用户获取信息和服务的主要手段，针对不同的需求有各式各样的客户端软件，例如地图、订餐、看视频、听音乐等。但是，这种方式有很明显的弊端，用户需要在手机、平板等智能设备上安装许多APP，才能满足自己多样化的生活需求，这给他们带来了操作上的麻烦。另一方面，移动时代的APP化虽然改变了浏览器时代数据容易被窃取的问题，但是服务被离散化比较严重。基于上述问题，需要有一个能将内容和服务聚合起来的接口，Mor正是这样一个能将用户与服务对接起来的智能交互决策引擎。
服务商品化，有偿服务变得普及，商业回归本质
互联网给用户获取内容和服务提供了巨大的便利，网络上每天都会产生海量的数据和内容，可是并不是所有的数据和内容都具有价值，用户可能需要花费大量时间对信息进行筛选。
Mor可以通过与内容和服务提供商的合作接入精品数据，将其按需提供给用户。不论是耳机，还是电视机、音箱、汽车、客服电话、机器人等，很多硬件设备都可以与Mor进行对接，实现精品内容和服务的推送，使硬件更加智能化，也使服务提供商获得更大的价值回报。
在IOT的时代潮流下，蓦然认知的CEO戴帅湘提出了“对话即应用”的理念（简称DAAA），Mor就是在此理念的指导下诞生的智能交互决策引擎。它在自然语言理解、学习与决策、自动对接服务这三方面具有显著的优势。
在现有的技术支持下，戴帅湘还指出了现阶段对话交互中存在的四大误区。
对话的轮次是否越多越好？
语音助手存在的意义是通过对话满足要求，如果你想获取信息，它能给你有效的信息，如果你想让它帮你完成任务，它能高效准确地完成，这就是优秀的产品。话轮多少并不是最终的目的，能通过对话达到用户的需求、对话精准和服务精准才是终极目标。Mor可以完成多轮对话，并能准确地理解上下文，它的理解力和服务精准度是高效地帮助人完成任务的有效保障。
场景越多人工规则越多？
人类思维的不可预测性需要机器来迎合，而不是让用户改变自己的思维和表达方式。所以，设定的规则越通用越好，这样既能保证对话的任务导向性，又能赋予它足够的灵活度。小Mor强大的“知识图谱”以及它对语义的精准理解，让对话跳出囹圄，用户可以按照自己的思维甚至意识流来对话。而且，蓦然认知的算法模型是通用的，这样便能保证小Mor在处理问题时能够更好地顺应人类的思维。
需要划分明确的垂直场景？
在技术尚不成熟时，想要完全按照人类的学习方式覆盖场景是有难度的。应对策略有二：一是尽量多地覆盖场景，把希望寄托在量变产生质变上，但这不是一个长久的解决办法；二是在量的基础上，让机器探求各种知识间的关系以及场景之间的共性和差异。小Mor采取的就是后一种方法，我们强大的“知识图谱”让小Mor拥有非常强的学习能力，使它突破束缚，满足用户对信息和服务的需求，帮助人更高效地完成各项任务。
系统主动交互越少越好？
现在绝大部分的系统都是被动交互型，不求精确，只求无过，这在很多时候无法满足用户的实际需求。对于以辅助决策为目的的小Mor来说，主动交互是进行学习的必要手段。比如，我刚在家中通过小Mor找到了附近吃日料的A餐厅，上车启动车载系统，车载系统中的小Mor根据上下文位置变化，及开车这一动作，会主动发问：“主人，请确认是否为您导航到A餐厅？”。在这种情况下，系统的主动发问是非常智能的表现，主动交互以迎合用户的需求、提供更好的服务为驱动，与此同时也为系统本身提供了自动学习机制。
Mor已在路上，准备好迎接互联网新时代的挑战，抓住“对话即应用”的新机遇，期待您来共同构建人工智能的新世界！
本文作者：lemonlyn
本文转自雷锋网禁止二次转载，原文链接