经过孔社的测试，这项技术已经基本上可以实现人机自然对话了，而且还会随着用的越多，性能会更好。
李智看完，忍不住把这项技术和自己的“吉吉国王”比较了一下。
总的来说。
这项技术的人工智能做到：在不理解的情况下说话。
而“吉吉国王”可以做到：在不说话的情况下理解。
想到这，李智一拍脑袋，这尼玛不是绝配吗？
正好可以互补啊。
至于怎么配，一时还理不清头绪。
不过李智不急，拎着小板凳和心爱的小茶壶来到熟悉的小阳台上。
慢悠悠的喝着茶，一边看着校园里的景色，一边让各种思路在脑海中翻腾。
经过一段时间的发展，AR眼镜的“美颜”功能更加完善了，校园里的景色更加优美，校园里的妹纸更养眼了。
李智心情变得舒畅活跃起来，思维也愈发活跃了。
人工智能和人机智能的功能，虽然目前看起来比较互补，但是，如何利用好这种互补，却不是那么简单的事。
最简单的做法，就是把二者强行揉合在一起。
需要进行人机对话的时候，就由人工智能上；而需要对人的行为进行理解的时候，就用人机智能。
但这种做法的缺陷也比较明显，把二者之间割裂开，不但用户体验不会太好，而且对人机智能的发展并没有明显的好处。
再复杂一点的做法，就是用人工智能去训练人机智能，让人机智能逐步学习，进而具备对话能力。
这种做法的缺点是见效比较慢，而且人机智能本质上就是逐步向人学习的，再加上人工智能的训练，虽然会有所促进，但本质上没多大区别，甚至可能干扰人机智能对人类语言的正确理解。
这两种做法，似乎都没有抓住问题的本质。
那么，本质是什么呢？
语言的本质是“符号-规则”体系。
而解决人工智能和人机智能如何互补的问题，实现人机对话只是问题的表面，关键还是应该从“符号-规则”体系的角度入手。
一个又一个的方案从李智的脑海中浮现，经过比较，李智终于找到了一个比较满意的方案。
人工智能的最大作用，不是建立拟人对话，而是建立符号体系！
通过人工智能对对话数据库的运用，建立起一个个简短的完整对话，最好只有一两个对话循环，每个完整对话，形成一个“符号”，通过找到“符号”和具体场景直接的联系，实现特点“符号”对应特点的场景。
而人机智能要做的，就是通过分析人的行为与特定场景的联系，以及人的行为在不同场景之间的联系，建立起“规则”体系。
经过人机智能中的人机互动，这套“符号-规则”体系就能逐步的越来越贴合人的行为，这就是人机智能“理解”人类的语言的过程！
在一开始，选择什么样的“符号”代表什么样的场景，由于涉及大量对话库素材和场景，需要对人工智能进行相应的训练，才能建立起初步的“符号”库，这项工作，适合交给“宇微”来做。
而在建立“符号”库的过程中，一开始就应该把人机互动的因素考虑进去，这样才能适合在人机智能中使用。
一个可行的方法就是，当人机开始对话时，人工智能会根据它的分析，给人提供几个现成的发言选项，由人来根据自己的需求，选择其中一个说出来，这样一来一回，就建立起了一个特点场景下的简短对话，也就是形成了一个“符号”。
这样做的好处就是，由人工智能提供的选项，是范式化的，即使其中有些词汇根据具体场景进行调整，也是在范式化的算法框架中的，这样就能形成标准化的“符号”，方便在此基础上建立“规则”。而如果由人随意发言，往往同一个意思，可以通过很多种不同的方式表达，就会形成一大堆“符号”对应同一个场景的现象，在建立“符号-规则”体系的初期，这种现象无疑会产生一定程度上的混乱，严重降低人机智能“理解”语言的效率。
当然，随着人机智能“理解”语言能力的成熟，这种方式就可以逐步淘汰了。
咦？这种做法怎么感到似曾相识呢？想到这里，李智心中突然蹦出这样一个想法。
仔细回忆，李智终于想起“一花一世界”在聊天群里的行为方式，老孔有一次曾说过，他有时会借助聊天助手发言，他那种先来一句“老衲超度你”，然后甩出一个文档或链接的发言模式，就是预先设定好的一个程序。原来，老孔早就这么做了。也难怪，对这种既喜欢在群里时不时冒个泡，又有严重“社交懒惰症”的人来说，这确实是一种不错的选择。
而想起老孔，也让李智意识到，这种由人工智能提供选项的对话方式，不太适合自然语言对话，因为人在把话说出口前，不太可能提前看看“提示板”。而是非常适合文字对话，尤其是对像老孔这种患有“社交懒惰症”，又在某些情况下需要发言的人来说。
这让李智升起设计一个“群聊助手”的念头，想到就做，李智给孔社发了条消息，把自己的想法和他说了一下，让他把他那个聊天助手改造一下，然后让“宇微”训练成一款适合做“符号生成器”的“群聊助手”。
想到了老孔，李智又联想到了老孔的御用翻译官-贾专，这家伙和老孔一起搞出来的那套“微表情”分析程序，不正好适合结合人的“微表情”来建立特点“符合”与场景之间的联想吗？
这简直是辅助人机智能建立“规则”体系的利器啊！
有了贾专的“读心术”的辅助，初步建立的“符号”体系，就能运用到游戏中去，在虚拟宠物、游戏NPC等虚拟角色和人对话时，“读心术”可以辅助人工智能根据当时的场景，识别出适合的“符号”，建立起对话，并在和人的互动中，验证“符号”是否与场景契合。
