自然語言處理的智能問答（QA）和智能對話（conversation）哪一個更有前景？

01-29

各位大神，請問自然語言處理的智能問答（QA）和智能對話（conversation）哪一個更有前景，現在做科研好像只能選一個方向去做。

智能問答和智能對話哪個更有前景其實很難回答，看一下最近幾年的論文，這兩個題目都有不少論文，不過相對來說智能問答的論文會更多一些（沒有做嚴格的統計），多論對話難度還是比較大，一般公司都是採用FAQ的方式來配置的，不是完全靠技術來解決。相對來說，智能問答可以做知識庫上的智能問答、資料庫上的智能問答、文本上的智能問答、圖像上的智能問答、混合智能問答，可以做的點比較多，我覺得還是智能問答更有意思點，當然，這只是一家之言。

比較對話與問答來說，對話的維度更高一些。問答通常背景是固定的，而對話需要動態地不斷更換背景。這個問題就想問專科和本科哪個更有前途，答案是看情況。

謝邀，作為門外漢就簡單說點：一般不這樣分，按這種分法前者商業化進度更快，可借鑒的經驗還比較多，適合切入具體場景解決具體問題，比如智能客服、知識問答的專家系統。後者需求一直是存在，但不看好現有的主流技術解決這塊的問題。但是現有面世的智能交互產品效果全都很差（不是大多數，確實是全部）不具有真實感，靠脫離場景、情境的海量語料庫訓練出來的機器人想要有真實感希望不大，所以只能在趣味性上下功夫，裝傻賣萌。當然執行特定指令的助手另當別論，用戶在乎結果不在乎交流的過程體驗。選擇科研，對於廣大有需求的群眾而言希望你們搞後者，不過路會很長而且艱難，但是市場的需求是大大的有的。

如果能順利做出來的話，在某個領域上（法律、金融、醫學）的智能問答其實是前景非常大的（顛覆性不亞於自動駕駛），nlp也會從此有不一樣的地位。

我個人猜想，應該需要結合知識圖譜和深度學習（比如記憶網路、注意力機制類的模型），也需要有領域內的知識專家。

斯坦福的 @李紀為博士，一顆冉冉上升的nlp巨星，已經回國創業了，做的就是金融問答，叫香儂科技，最近還在招人（寫於2018-01-28）。

@張少典博士和 @馬漢東博士回國創業的公司叫森億智能，做的是醫學方面的知識的語義分析。

general conversation在2018年肯定會泡沫破裂。

謝邀。想起一副對聯「功在朝庭，原無分先主後主;名高天下，何必辨襄陽南陽。」應該是殊途同歸吧，做好了都是錢途無量，做不好也都只能望洋興嘆了。具體來說兩個方向都有很多課題，但關鍵都是自然語言理解和基於知識和常識的推理判斷。詳細可關注我在知乎主頁的連載。

問答和對話，那個更具有前景？

這個我不知道，我講講我理解的問答和對話的相同和不同嘛。相同就是都需要根據接收到的信息，反饋出相應的信息；不同就是問答要比對話接收到的信息更集中，更完整(比如你在利用搜索引擎進行搜索時)；並且反饋的信息需要更明確，還更需要相關和正確。

從接收信息來講，問答肯定更簡單，從反饋信息來講，問答或許要難一點，但也有策略(比如返回一些模糊的答案，或者先進行意圖分類，不同的意圖配置不同的答案，而且答案的生成和檢索都有很多成熟優秀的研究成果)。整體來講，問答要簡單一些。目前多輪對話的難點就在聯繫上下文進行解析，也就是難點在接收信息，這個在學術界和工業界都還沒有很好的解決方案。

而且我知道現在很多公司都想把對話做好，但現實就是基本上都在做問答。還有的就是把多輪對話轉換成一輪對話來做，或者是把對話轉換成問答來做。

要是真正的把對話做好了，那麼離強人工智慧也就不遠了。

不知道我這樣講，算不算在回答問題。

才疏學淺，請多包涵！

當NLP能做到語義分析和傾向識別的時候，這兩塊其實是同一個業務。

我投問答，工業上，我感覺，十年內

智能對話沒啥商業前景。

問答可以解決具體問題。