3月28日，蓦然認知ceo戴帥湘出席了2017春季人工智能産業峰會，并做《對話及應用-自然語言互動的未來及挑戰》主題演講，在之後的創新論壇上與衆多行業大咖進行深度交流，全面闡述了蓦然認知的智能互動決策引擎mor基于daaa理念的商業價值和技術價值。
人機互動的發展先後經曆了網際網路普及前的桌面時代、網際網路普及後的浏覽器時代和手機出現後的移動時代，是一個逐漸解放雙手的過程，也是一個不斷智能化的過程。如今，一個全新的時代——iot時代正在到來，在這個時代，語音互動将是科技發展新風口。
為了更好地适應時代要求，蓦然認知不斷優化自身，通過和内容、服務提供商的通力合作，着力于将優質的内容和服務進行整合，提供給有需求的使用者。另外在技術上也不斷尋求突破，總結以前的智能語音助手在對話和場景處理上的不足，轉化為自身的優勢。
戴帥湘認為，在iot時代，網際網路内容和服務的供求将呈現出以下四個新的趨勢，在這些趨勢的推動下，mor能夠幫助内容和服務提供商實作價值的最大化。
iot時代的最大變化是我們生活中幾乎所有的物體都可以變得智能，例如冰箱、電視、音箱、手表等等，但是使用者需要使用這些裝置時，并不能都像使用手機一樣直接通過螢幕互動來操作，螢幕功能越來越弱化甚至消失，這給了語音助手大展身手的機會。如果有了mor的支援，使用者就可以用對話的方式向裝置發出指令，使需求得到滿足。
mor作為智能互動與決策引擎，是以自然語言對話為主導的。無論處于什麼場景、想要什麼樣的服務，使用者都可以通過與powered by mor的裝置直接進行對話來滿足自己的要求。另外，這些裝置之間可以通過mor實作智能連接配接，讓生活智能化。
随着網際網路的普及和深入發展，有價值的服務同有價值的網頁内容一樣，都變得多樣而且分散。針對分散的網頁内容，随後出現的搜尋引擎作為一個聚合型的平台，可以索引到各種内容，并用統一查詢的方式提供給使用者；是以我們也需要一個更強大的引擎把有價值的服務進行聚攏融合，以一個統一和直接的方式呈現給使用者，這時候基于自然語言對話的智能互動決策引擎——mor就應運而生了。
為實作mor服務的便利化和功能的最大化，蓦然認知為其設計了一種自動服務對接程式，可以掃描服務商提供的接口，讓其盡可能自動化地接入到對話模型中，以“可拔插”的方式來滿足對話過程中特定的意圖需求，無需安裝用戶端，大大減少了工程師接入服務的開發成本。
在移動時代，app是使用者擷取資訊和服務的主要手段，針對不同的需求有各式各樣的用戶端軟體，例如地圖、訂餐、看視訊、聽音樂等。但是，這種方式有很明顯的弊端，使用者需要在手機、平闆等智能裝置上安裝許多app，才能滿足自己多樣化的生活需求，這給他們帶來了操作上的麻煩。另一方面，移動時代的app化雖然改變了浏覽器時代資料容易被竊取的問題，但是服務被離散化比較嚴重。基于上述問題，需要有一個能将内容和服務聚合起來的接口，mor正是這樣一個能将使用者與服務對接起來的智能互動決策引擎。
網際網路給使用者擷取内容和服務提供了巨大的便利，網絡上每天都會産生海量的資料和内容，可是并不是所有的資料和内容都具有價值，使用者可能需要花費大量時間對資訊進行篩選。
mor可以通過與内容和服務提供商的合作接入精品資料，将其按需提供給使用者。不論是耳機，還是電視機、音箱、汽車、客服電話、機器人等，很多硬體裝置都可以與mor進行對接，實作精品内容和服務的推送，使硬體更加智能化，也使服務提供商獲得更大的價值回報。
在iot的時代潮流下，蓦然認知的ceo戴帥湘提出了“對話即應用”的理念（簡稱daaa），mor就是在此理念的指導下誕生的智能互動決策引擎。它在自然語言了解、學習與決策、自動對接服務這三方面具有顯著的優勢。
在現有的技術支援下，戴帥湘還指出了現階段對話互動中存在的四大誤區。
對話的輪次是否越多越好？
語音助手存在的意義是通過對話滿足要求，如果你想擷取資訊，它能給你有效的資訊，如果你想讓它幫你完成任務，它能高效準确地完成，這就是優秀的産品。話輪多少并不是最終的目的，能通過對話達到使用者的需求、對話精準和服務精準才是終極目标。mor可以完成多輪對話，并能準确地了解上下文，它的了解力和服務精準度是高效地幫助人完成任務的有效保障。
場景越多人工規則越多？
人類思維的不可預測性需要機器來迎合，而不是讓使用者改變自己的思維和表達方式。是以，設定的規則越通用越好，這樣既能保證對話的任務導向性，又能賦予它足夠的靈活度。小mor強大的“知識圖譜”以及它對語義的精準了解，讓對話跳出囹圄，使用者可以按照自己的思維甚至意識流來對話。而且，蓦然認知的算法模型是通用的，這樣便能保證小mor在處理問題時能夠更好地順應人類的思維。
需要劃分明确的垂直場景？
在技術尚不成熟時，想要完全按照人類的學習方式覆寫場景是有難度的。應對政策有二：一是盡量多地覆寫場景，把希望寄托在量變産生質變上，但這不是一個長久的解決辦法；二是在量的基礎上，讓機器探求各種知識間的關系以及場景之間的共性和差異。小mor采取的就是後一種方法，我們強大的“知識圖譜”讓小mor擁有非常強的學習能力，使它突破束縛，滿足使用者對資訊和服務的需求，幫助人更高效地完成各項任務。
系統主動互動越少越好？
現在絕大部分的系統都是被動互動型，不求精确，隻求無過，這在很多時候無法滿足使用者的實際需求。對于以輔助決策為目的的小mor來說，主動互動是進行學習的必要手段。比如，我剛在家中通過小mor找到了附近吃日料的a餐廳，上車啟動車載系統，車載系統中的小mor根據上下文位置變化，及開車這一動作，會主動發問：“主人，請确認是否為您導航到a餐廳？”。在這種情況下，系統的主動發問是非常智能的表現，主動互動以迎合使用者的需求、提供更好的服務為驅動，與此同時也為系統本身提供了自動學習機制。
mor已在路上，準備好迎接網際網路新時代的挑戰，抓住“對話即應用”的新機遇，期待您來共同建構人工智能的新世界！
本文作者：lemonlyn