图片61
我一直认为，实现人工智能驱动的人机协同编程的关键途径是识别、理解和表达。因此，围绕人工智能识别和人工智能理解，人工智能表达与国内外知名大学开展了广泛的合作。
识别
需求识别：通过NLP、知识地图、图神经网络、结构化机器学习等人工智能技术，识别用户需求、产品需求、设计需求、运营需求、营销需求、研发需求、工程需求等，识别概念与概念之间的关系。
设计草案的识别：通过CV、GAN、对象识别、语义分割等人工智能技术，识别设计草案中的元素、元素之间的关系、设计语言、设计系统和设计意图。
用户界面识别：通过用户脚投票的结果回归，用户界面对用户行为的影响、影响效果、频率、时间等，并识别用户界面的可变性与这些用户行为的影响之间的关系。
计算机程序的识别:通过对代码、AST等Rawdata的分析，通过API的交互，通过NLP技术识别计算机程序中的语言表达能力、语言结构、语言逻辑、语言和外部系统。
日志和数据识别：识别程序的可用性、性能、易用性等指标，识别日志和数据的NLP、回归、统计分析，识别影响这些指标的日志和数据来自哪里，找出它们之间的关系。
理解
横向跨领域的理解：降低识别概念的维度，从而找出不同领域之间的映射关系，从而实现不同领域概念的比较，然后理解某一领域的其他领域。
纵向跨层次理解：利用机器学习和深度学习的人工智能算法能力，放松不同层次概念的组成关系，实现对低层次概念的跨层次理解，形成更丰富的技术、业务能力供应和使用机会。
常识、通识理解：基于常识和通识构建的知识地图，将人工智能面临的开放问题领域化，将常识和通识作为理解的基础，而不是猜测和猜测，而是在理论基础上真正构建的理解。
表达
个性化：借助大数据和算法，实现用户与软件功能的匹配，利用人工智能的生成能力降低1000人以前的研发成本，真正实现个性化的软件服务能力，将软件即服务推向极致。
同理心：利用终端智能在用户侧部署算法模型，不仅可以解决用户隐私保护的问题，还可以及时学习和响应用户不断变化的情绪、需求和场景，使软件从程序功能的角度，思考用户的想法，与用户同理心，与用户产生共鸣。
