图灵汇官网

在过去的一年半时间里，Arthur Coleman带领的Acxiom Research团队深入研究了名为自然语言处理（NLP）的人工智能领域。他们最引人注目的项目名为ABBY，这是Acxiom Research的第一位人工智能员工。

Arthur Coleman提出了两个关于NLP的重要观点：

首先，围绕NLP的开源技术非常强大，只需一个小而精的团队，就能迅速开发出高效的NLP应用。这意味着开发者可以站在前人的基础上，利用现有工具和技术，实现创新。

其次，尽管拥有如此多的技术支持，创建一个前端NLP（即对话式AI，这是大多数人对人工智能的第一印象）仍然充满挑战。这需要远见和毅力。远见在于能够预见技术的价值，并说服内部的利益相关者；毅力则意味着在看到实际收益之前，必须投入大量资源和精力。此外，还需要掌握面向消费者市场的技巧，并应对用户行为带来的复杂情况。

相比之下，后端NLP项目实施起来更为容易，且能更快见到回报。这类项目通常能在几个月内由两三人的小团队完成，无需复杂的对话前端，主要关注于提升语言分析能力，从而实现较高的投资回报率。

然而，专注于会话NLP（或AI）则面临更大的技术挑战和更高的成本。这里提到的不是简单的聊天机器人，而是更加复杂、灵活的交互系统，如Alexa。这些系统能够在不同场景下无缝切换，处理多种任务，甚至能根据不同用户的需求作出个性化的回应。为了实现这一目标，需要构建一个全面的AI平台，涵盖各种应用场景和用户交互模式。

目前，已经有多个开源平台支持团队在较短时间内开发出基本的会话AI。这些平台通常需要3到4人的团队，在一年左右的时间内，花费约50万美元。初期平台可能包括一些基础功能，但不具备复杂的对话管理能力和用户记忆功能。根据应用的复杂程度，新功能的成本可以从1万美元（如查询天气）到2.5万美元（如会议室预订）不等。

这些开源平台的出现，得益于苹果、谷歌、微软和亚马逊等科技巨头的巨额投资以及顶尖专家的研究成果。这些平台使得团队能够以较低的成本，快速搭建起一个初步的会话AI系统，为未来的进一步发展奠定基础。