语音专家系统中的人工智能正在朝聊天机器人的方向发展。 毫无疑问，这是所有人都可以理解的发展方向。 当然，其形成存在许多问题，这可以从
开发人员的
介绍中看出。 他们谈论他们的成就，谈论他们设法解决的问题，但是我希望看到他们无法解决的问题。
让我们看一下信息论中的所有这些问题。 信息-人和（或）特殊设备感知到的信息，反映了通信过程中物质或精神世界的事实（GOST 7.0-99）。
处理信息时的主要功能：
- 搜索新信息；
- 保存信息；
- 信息传递。
根据第一个功能。 它可以分为几个级别。 从原则上讲，任务在本地有效执行。 一个例子是用户的问题：“最近的加油站在哪里？”，系统会非常可靠地给出答案。 在我看来，术语“对新信息的本地搜索”应该定义为用户从与其他与AI不相关的资源竞争的资源中获取新信息的能力。 呈现的示例是好的，因为很自然地，用户可以从其他地图（即从其他来源）接收有关最近的加油站的信息。 来源的选择仅取决于用户的成本。
用户无法根据本地信息解决的任务可以归因于外部（上层）级别，即，其维数大于用户可用维度的级别。 一个示例就是构建一个从A到B的最佳移动路线的任务，其中要考虑到外部情况（交通拥堵等）和用户性能标准（花费的时间等）。 我们看到，对于这些问题的解决方案现在正在令人满意地实施。
需要超越社会知识范围的任务，我们将这一级别指定为“全球”，而忽略它。 因为，一方面，这些问题是预测问题，另一方面，是这些问题的类别，因此存在哥德尔不完备性定理。
通过保存信息的功能。 我假设这些系统在目前可以达到的水平上做到这一点。
第三个功能是信息传递。 从理论上讲，目前，任何系统都可以各种形式传输必要的信息。 我们认为这方面的发展水平令人满意。
让我们从这里对这种专家系统的开发表达的观点来看。 让我们看一下
开发人员使用的原则：“幸运的是，我们拥有Yandex搜索引擎的全部功能，它每天都会面对数百万个查询，搜索数百万个答案，并学会了解其中哪些是好的，哪些不是。” 也就是说，实际上，物理解决方案搜索方案被简化为一个简单方案：
-> ->
如您所见，答案似乎是已记录的结果之一，也就是说，现有结果已从多个记录的结果转换和/或同意为单个结果。 或来自
编辑数据库 ：“我们希望私人助理成为具有明确定义的特质的整体性人格。 在这里，我们的社论文本得以拯救。 它们的独特之处在于它们最初是代表我们要在Alice中重现的性格而编写的。 事实证明，您可以继续在数百万行随机文本上对Alice进行培训，但是Alice将着眼于社论答案中规定的行为标准。 这就是我们已经在努力的目标。”
实际上，事实证明，聊天机器人是用户和不确定数量的人之间的中介（法律文字）。 而且我认为，从这些系统的角度来看，您可以构造任务和问题，详细说明它们并定义新目标。
什么是对话。 这是在一个会话中将信息从一个主题传输到另一个主题的过程。 它在各种情况下使用。 在主题相等的情况下，要协调行动，在主题不平等的情况下，要确定从属主题的行动。
然后，根据任务的类型形成会话任务的类型。
按参加人数：
- 独白;
- 对话；
- 集体对话（会议）；
- 与无限的人交流。
通过这种聚类，考虑到对“本地搜索新信息的水平”的态度，可以看出，对于AI的搜索主要是在将AI用于第四类任务“与不确定的人群通信”时进行的。
让我们看看其他类型。
独白-在这里，我们将主体尝试将分析结果系统化，固定结果的尝试视为独白。 根据M. Twain的说法：“媒体上任何提及，即使是negative告，最消极的词都是广告。” 如果一个人独白，AI可以帮助他。 答案很明显-从数据库中查找类似的独白。 随即出现了一个方面，从本质上讲，以及任何科学研究，在出版之前都是一个或多个作者的独白。 这项任务对于AI是否可行，今天要找到类似的研究。 答案是肯定的。
对话。 以一首以著名歌曲为基础的社交网络为例：
“你爱我吗？”
-是的
-你愿意和我在一起吗？
-是的
-所以我们会在一起，所以我们会一直在那里，永远与您在一起！
我们分析这个例子。 AI可以在本地帮助用户吗？ 我认为这是微不足道的，因为在地方一级，对话者对进行对话的人具有优先权。 但是，从上级任务的角度来看，已经有了AI的帮助，因此有很多任务要做。 首先是确定对象是否正在与机器人对话。 第二是答案的有效性。 此外，还有大量任务：拖钓，兴趣程度，隐藏的目标等。
增加对话的重要性。 您可以看到如何在各个领域使用AI的力量：
A）招聘；
B）谈判；
C）诉讼。
任务清单很大。
想象一下一个清晰的招聘示例模型。
甲方（雇主）。 作业提交。 认可机构会分析所提交的简历，并提出合适的候选人名单。 Eichar分析并拒绝了所有内容，AI就更改，补充等必要内容提供了建议。 如果他（人力资源）找不到员工，那么请让他考虑他的遵守情况以及要求和奖励的比例。 （这是我对所有人力资源的耳光）。
B面（申请人）。 写简历。 AI的汇编，技巧，等级，比较结果。 好吧，申请人有机会认真地看一下他们的能力。
会议。 对于这种类型的交流，通过编写一个类比对话，还可以看到许多对AI有用的任务。 从当前的技巧到发信号通知所有参与者的对话主题的参与程度。 每个参与者对会议结果的影响。 在当前模式下搜索并连接外部专家。 对于不相等的实体，这些是使用设备的说明。 还有更多。
与无限的人交流。 在这种交流中，从创建广告文字到在联合国大会上发表演讲，已经有大量使用人工智能的例子。
在这里，向公众展示了系统化AI任务的尝试。 还提出了用于比较各种AI的标准的想法。 基本上，这种材料是根据
Alice的技能测试结果焊接而成的，各种开发人员都试图实施这种
技能测试。