有人说，会话式AI就是人类的一大灾难。尽管工程师的出发点是极好的，机器学习也拯救了个人助手，但从另一方面来看，它却成为了其发展的挡路虎。总部设于美国伯克利的初创公司Semantic Machines也面临着同样的致命弱点，但旗下由18名人工智能博士组成的团队认为，Semantic Machines的发展前景会比现今最先进的机构更长远。

想要弄清Semantic Machines正在努力构建的系统，你就必须想明白现今市场上个人助理的缺陷。Siri，Google Assistant，Cortana和Alexa的工作方式都基本相同，他们首先会识别和解析语音，然后分类意图，最后执行命令。若想要构建一个能够与一系列API连接的语音识别系统，这是一个颇为完美的框架。但如果你还奢望它具备执行智能对话的功能，其效果可能会差强人意。

人工智能可谓一个棘手的难题；它需要的不仅仅是一个强大的分类器。为了创建一个有用的系统，你需要保持数据，学习，记忆，计算以及目标相似性的均衡。Semantic Machines正试图通过对存储器的加倍强化，从而为营造出用户所期望的体验。

Semantic Machines联合创始人兼首席科学家Dan Klein解释说：“当前的对话式技术大多是直交的。你希望对话系统能够符合上下文，这样一来当你解析句子时也不会脱离语境。”

Google Assistant是市场上最好的语音助手之一，目前它致力于最简单的对话交流。从实际演示中，我们仍可以看出它从对话中提取信息时的困难性。Semantic Machines的目的便是缩小上述的差距，让记忆进一步延伸。

在酒店预订的交流过程中，Semantic公司的AI系统明显能够接受到信息，并给予建议，这一复杂的程度显然在现今市场上十分罕见。当然，在很大程度上，它依赖于API集成，尽管如此它却彰显了发展前景的广阔。即使没有图片，这一AI系统却还是能够提取到旧金山旅行和W酒店预订的信息，以供用户日后可以轻松预订。

创始人Dan Roth表示，暂时还未作向消费者推行Semantic Machine AI系统的计划。相反，他希望将其打包并销售给企业，以便能够为客户提供更好的服务。从商业模式和采纳立场来看，这有一定的道理。

借助这一模式， Semantic Machines还可以根据特定用例来获取产品的利润。当下，Roth更专注于客户支持和商务，但这个列表绝非定式。切记一定不要低估Semantic的团队以及它对竞争行业发出的声明。尽管目前它还是一个处于早期阶段的初创公司，但Semantic员工已有250多个研究出版物，且申请了300个专利。

这种高水准的智囊团扎堆聚集在一个初创公司，实为罕见。像Facebook和Google这样能够为顶尖人工智能研究人员提供薪酬补偿的公司，对于大多数人来说可谓是难于登天。这一障碍的解决，完全可以依靠团队研发产品来实现。Semantic Machines似乎就是这样。