近年来，深度学习的发展给人工智能带来了深远的推动。而人工智能的下一个重大突破在于理解自然语言。
6月23日，中国计算机学会举办主题为“人机对话的产业应用与技术发展”的研讨会，京东AI研究院常务副院长何晓冬博士发表关于“自然语言理解技术突破”的主题报告。
在这场报告中，何晓冬博士首先简略回顾了深度学习技术对语音，语言，视觉等方面的驱动，然后着重从两个方面探讨了其在自然语言处理（NLP）方面的前沿研究，一是如何让AI通过NLP技术理解人类，如理解意图，解析语义，识别情绪，搜索推荐；二是如何让AI的结果能被人类理解接受，如文本摘要，内容生成，话题展开，情感对话等。最后，探讨了在多模态智能，长文本生成，情感和风格表达，及人机对话这些前沿方向上的最新研究进展。
雷锋网注：何晓冬博士发表演讲
今年3月，何晓冬博士加盟京东，出任京东AI研究院常务副院长及深度学习及语音和语言实验室主任。在深度学习、自然语言处理、语音识别、计算机视觉及信息检索等方面均有重要贡献。其工作包括DSSM（深度结构语义模型/深度语义匹配模型）和图像描述机器人Caption Bot等。在加入京东之前，何晓冬博士就职于美国微软雷德蒙德研究院，担任首席研究员（Principal Researcher）及深度学习技术中心（DLTC）负责人。何晓冬博士于1996年获清华大学学士学位，1999年获中国科学院硕士学位，2003年获美国密苏里大学-哥伦比亚分校博士学位。
以下是何晓冬博士所做报告的具体内容，雷锋网做了不改变原意的编辑整理。
深度学习发展历程
深度学习的前身，当时叫作“神经网络”，在80年代就曾经流行。在90年代，大家对神经网络的期望到达顶峰，但是发现很多问题它解决不了，比如解决一些语音识别问题，神经网络的效果并不见得比其他基于统计的模型好。
2000年代的时候，深度学习还没有被广泛认知。2008年，我和微软同事邓立在NIPS办了个研讨会，邀请到Geoff Hinton 等来介绍最新的一些深度学习方面的进展。直到2010年左右，深度神经网络模型开始在大规模语音识别上产生了大的突破。从那时候开始，大家对神经网络和深度学习有了新的信心，经过进一步推动，神经网络在2012年在图像识别上产生很大的突破，2014、2015年，神经网络在机器翻译上也有了很大的突破。之后神经网络技术在越来越多AI领域产生更大的影响。
以语音识别为例，2000年以前，语音识别发展上不停有进步，使得语音识别的错误率有一个很明显的下降趋势。
