俞凯：我觉得指标会不断地变化。其实说白了，任何科学最关键的是先定义问题，然后才是怎么去解决它。科学的发展往往是问题导向的，我感觉现在就处在一个新问题出现的前夜，但是这种事在学术界其实很难被人承认的。根据我自己的经验，我曾经投过很多关于变一个criterion的论文，但是这种论文被接收的概率比我改一个算法被接收概率要低得多。
颜水成：其实图像跟语音、语义还有另外一个很明显的差别。图像是一个universal problem，无论中国还是美国做的其实是一模一样的，但是语音和语义还有一个language问题，即使外国做的很好，但是那个模型并不一定能够在中文上做到非常好的效果，这个可能还是有一些差别的。
山世光：再回到刚才的这个问题上，我想问一下俞凯老师，在语音识别的这个领域，你刚才提到词错率这个指标基本上要饱和了，这是说再增加更多的数据性能也没法上升了呢？还是说已经做的足够好了？
俞凯：我们这个概念就是说相对错误率的下降。在语音识别历史上，相对错误率下降30%属于历史上大的进步，之前还有几个技术也是这样，相对错误率下降30%，可问题是我现在的错误率只是10%，你相对下降30%这个概念，已经变成了7%，你再相对30%，变到了多少？你会发现实际的绝对值特别小。我说的饱和就是表面上看技术还是在不断地进步，但是给人的感觉就是，对于这个问题本身，它的边际效应已经特别低了。现在比较难的是处理抗噪、俩人同时说话等问题。因为这样的东西，它的错误率特别特别的高，那样的情况，它的研究价值就大于工业价值，否则很多事就让工业去做了。之前微软将Conversational Speech Recognition的词错率做到了5.9%，和人的错误率已经一样了。从某种意义上讲，在限定的条件下，这事已经算解决了，但是在非限定条件下或者非配合条件下，这个事情才刚刚开始。
无监督学习
山世光：回到“如何在没有大量的数据情况下怎么去做学习”的这个问题。之前我们也讨论，一个思路就是做强化学习，做交互相关的这种可能。另外一个就是说贝叶斯网络和深度学习的结合形成一套新的机制，也许可以在一定程度上解决这样的问题，大家是同意还是批判？
李航：贝叶斯网络那个不好评论。但是我觉得非监督学习一定要小心，其实非监督学习指的东西现在越来越不一样了，传统的非监督学习真的是一大堆数据，learning from the scratch，找到这个数据里的规律，没有任何指导。我们人其实无师自通能学到一些东西，听起来好像能做这个非监督学习，但是这个能力的本质是不一样的。人类进化这么长时间，我们学习的能力在DNA里面已经有了。我们生长的过程当中，学到了大量的知识，也就是说成年之前学到很多东西，在成年的时候，一般的人学任何一个东西，你也可能说小数据，或者无监督的学习，但是其实之前的那些知识、能力都会帮助你。这种意义上其实大家也在做，就是迁移学习，半监督学习，最近他们比较关注的meta learning（谷歌提出来的东西）。就是说我学各种各样的分类器，各种各样的知识，这些东西怎么样能有效的结合起来，帮助我只用小数据或者不用数据，就能把这些新的东西学好，这样学习的范式更接近人，比如Bayesian Program Learning这种新的想法，都是在朝这个方向走。要么人给的知识，要么机器自动学的各种各样的知识，如何把这些有效的利用起来，再去学新的知识，这块我觉得是很有意思的方向。
山世光：我觉得李航老师说的这个引到了一个非常重要的话题上来。我就观察我家小孩，我感觉他在七八岁之前，学每一个技能其实都挺困难的，比如你让他系个扣子的话（这个跟智能没有什么关系），他要学蛮久的，但是你会发现他不同层面、不同角度的能力，在逐渐积累一段时间之后，在有了自学的能力时候，智力的发育不是线性的，那时候就会突然爆发性的自己去学。这个对机器来说，它可能有视觉、听觉等各种各样的能力，但是没有把这些结合在一起，去诞生一个智力，这块如果有突破话真的会是一个大的突破。
俞凯：我的感觉其实还是反馈通道的问题。其实很多时候是因为扣子系不好无所谓，他不知道应该把扣子系好，或者说扣子系不好就没有批评他。就是他的学习能力强了，我感觉有一个很重要的问题，他无时无刻都有新的数据接触，这些数据是没有label的，但是有compact，所以他对compact感知形成了一种感知能力的时候，他有这个信号了，然后他就可以把整个的学习流程，加上好的结构，然后贯穿起来。小的时候是因为这个信号就很简单，打一下疼了，饿了就叫，这是非常简单的。当这个compact越来越丰富，而且当他越来越能理解这个compact以后，他的学习能力才能体现出来，我感觉这也是对外部认知反馈信号的能力。