谷歌搜索也是如此。搜索越多，Hummingbird就越能理解这个问题。 “Hummingbird”是一种能够真正理解这一问题的“RankBrain”算法。你可以对它进行更多的训练，理解这些结果，效果会更好。
我想这里的问题是，最后你是如何达到人类的程度的。我可能是某个特定领域的顶级专家，但我不会在凌晨三点回答一个问题。
GotIt的理念非常简单。今天我们有一个很大的社交网络，有20亿人。我想说的是，社交网络上的大部分交流都是社交的。这并不是说，“嘿，我有问题，我需要一些知识来解决它。”
想象一下这个有70亿人口的世界。猜猜看。世界上有多少辆车?一百万?世界上有多少房子?一百万?然后，我们就可以提供按需服务，将家庭和汽车的供应与住房和汽车的需求联系起来。这些公司做得很好，Airbnb和Uber。那么世界上到底有多少人的大脑呢?世界上有多少公司或系统需要在知识网络中连接到合适的大脑以解决某个特定的问题?
有一个人专门为你提供你所需要的知识。但目前还没有这样的体系。所以我们的想法是，建立一个和Facebook一样大的知识网络，但不是社交网络。有趣的是，如果你拥有一个房子，就会有抵押贷款的成本。如果你有一辆车，那就有租赁费。但是10分钟，在那10分钟的聊天中——在你大脑中所携带的知识，所知道的东西是不需要任何代价的。我们拥有世界上最没有充分利用的资源，而且是免费的。而能连接它并像Facebook那样庞大的知识网络是不存在的。
因此，我们的愿景是让每个人都成为系统中某个或另一个方面的专家，并建立一个能找到问题的合适人选的人工智能引擎。我们已经进行了超过300万次的聊天。我们在网络上有12500名专家。每天还有200人加入。我们的申请数量超过了25万。我们有像软件工程师一样对Excel提出质疑的人。他们正在吃午饭，这个东西会蹦出来，看起来很有趣。
这种脑容量的边际成本为零。因为人类的存在，我们所需要的只是人工智能。我们不缺人。我们不想取代他们。我们想要找到他们。
VB:你现在在哪里?你要去哪里的路线图?
Relan:今天，就像我说的，我们已经提供了大约300万次聊天。现在我们有了数据。最有趣的一件事情是，我们的数据库中有300万个聊天会话，在这些会话中，客户和专家就某个问题进行了讨论。现在我们言归正传“我们怎样才能挖掘出我们的机器学习算法的数据呢?”我们如何从专家的角度来看待这些数据呢?
我们的人工智能算法会根据6个因素来考察每一个环节，调整专家的排名。第一个因素是礼貌。我们有这样的处理：“专家有礼貌地跟用户说话了吗?”这是一种效用。用户支付这一费用。其次是同理心。用户是否感觉——他们会说，“是的，我觉得你理解我的问题”?在聊天中，这些都是信号，表明用户对专家产生了共鸣。第三，当然，是准确性。他们回答了这个问题吗?他们的Excel透视表最终会奏效吗?第四是个人信息。他们是否试图交换个人信息?
如果你看看这10分钟聊天中其丰富的会话内容，你会发现量非常大。最后，你会获得礼貌、同理心、准确性和客户服务。嘿，我们完成了吗?你满意吗?所有的人都进入了这一领域，因此专家的排名也会相应调整。在会话结束的时候，他们会被告知，“嘿，这是次很棒的会话。”这是你的新等级。
我们的路线图非常明确。我们永远不会取代人类，但我们将永远在寻找人工智能的内容，清除不好的内容，提供良好的服务，促进同理心和理解。当你开始在聊天会话中描述这些属性时，听起来很人性化，不是吗?我们要求我们的人工智能引擎提供好的内容，和Facebook一样。我们希望它能找到一个相关的专家，一个合适的人，和谷歌一样——就像它相关的搜索结果一样。最后一件事就是会话的人性化。这是由一个人发起的，我们看着它说，“它是通过一种让它成为一个很棒的一对一聊天会话的方式来进行的吗?”
VB:这是一种服务，随着时间的推移，这种服务还会越来越好。
Relan:随着时间的推移，情况只会越来越好，因为数据一直在改善。我们会发现更多糟糕的内容。我们会为人们的问题找到相关性更强的专家。只要我们继续增加数据来训练我们的人工智能，我们就能在会话中得到更好的结果。