1、话说出去之前你是话的主人，说出去之后你便成了话的奴隶。
2、别人都在假装正经，那我就只有假装不正经。
3、开心了就笑，不开心了就过会儿再笑。
4、我费劲千辛爬上梯子的项端，却发现梯子搭错了墙头。
5、有些事情本身我们无法控制，只要控制自己。
6、可以爱，可以恨，不可以漫不经心。
7、长相决定命运，难怪我命运如此坎坷。
8、只要还有明天，今天就永远是起跑线。
9、要不是打不过你，我早跟你翻脸了。
10、舌头和牙齿合作几十年，偶尔还会被牙齿咬到，更何况其他呢。
11、所谓惊喜就是你苦苦等候的兔子来了，后面跟着狼。
12、经常在需要的时候你不在，那么以后你就不被需要了。
13、地球是运动的，一个人不会永远处在倒霉的位置。
14、人在悲伤的时候，不管听多么欢乐的曲子，都会止不住流泪 。
15、广告就是告诉别人，钱还可以这么花。
qq空间
如果白痴会飞，那我的公司简直是个机常
所有的男人生来平等，结婚的除外。
咱们是否可以找个地方喝上一杯，交个朋友?或者说，还是我直接给把钱包给你?
我想，只要我再稍微具有一些谦虚的品质，我就是个完美的人了。
如果您需要咨询或建议，我们将免费提供;如果您需要正确的答案，请您另外付费。
过去，闹钟响的时候，我常常有把它拍了再继续睡的毛病，但是自从我在闹钟旁边放了三个老鼠夹之后，我的毛病就根除了。
如果说贝多芬是交响乐之父，那么是不是说贝多芬的父亲是交响乐之爷?
我做过很多愚蠢的事情，但是我毫不在乎，我的朋友把它叫做自信。
盲人协会真诚劝告您：千万不要酒后驾车。
我想我应该去减肥了，上次献血的时候，居然流出了一百毫升的猪油。
把俩条虫子做实验。威士忌里的那条死了，证明喝威士忌肚子里不长虫子。
我的创造力高得无法形容，我的工作能力强得无法形容，我的文字能力妙得无法形容。
假如计算机每重启一次，比尔盖茨都可以得到一元钱，那么他可要发了。
十年后，法院第二次判杀人犯死刑。
我假装为老板工作，老板假装付给我薪水。
我和妻子已经18个月没说话了，我没机会打断她。
有没有听过大猪说有，小猪说没有的故事?
我从来不看电视，我只不过是经常核对一下报纸上的电视节目有没有印错。
你的眼睛就象天上的明月，一只初一;一只十五。
你这个孩子怎么不懂事啊?舅舅正在这里，你怎么还会想到要去动物园看狗熊?
我的视力很差，比如说，看见那边墙上那颗图钉没有?你看得见吧，而我就看不见。
每天我都不断地刷新一项世界纪录--我在世界上已经生活的天数。
在因特网世界，你的女朋友可能是一位男性，而你的男朋友可能是一位女性，这很痛苦，但你得接受。
你的射击成绩真是太糟了，我要是你，我就立刻自杀，为以防万一你要多带一些子弹的。
如果你要和老虎比谁更能挨饿，那你赢定了。
我把电视遥控器别在腰上，作出一付买了新手机的样子。
只是有钱并不能让人幸福，所以我还偷些珠宝、邮票、手表什么的生活真是没劲儿，上个月我的一个哥们儿向我借了4000块钱，说要去做一个整形手术，结果现在我完全不知道他变成什么模样了抢劫者须知：本行职员只懂西班牙语，请您抢劫时一定要有耐心，最好携带翻译一名，谢谢!
你瞎了眼啊?这么大的盾牌你看不见，偏偏要把石头朝我脑袋上扔!
各位!今天是我太太30岁生日10周年纪念日!
钱输光了，家具也输光了，衣服也输光了，我现在出门像一个阿拉伯人.
我比较健忘，于是老婆常叮嘱我，说下雨天外出办事千万别拉了雨伞，所以家里现在已经有十把雨伞了.
除了一项，其余栏目填得都挺好，关系这一栏应该填岳母，而不应该填紧张。
爸爸今天打了我两次，第一次是因为看见了我手里两分的成绩单，第二次是因为成绩单是他小时候的。
悲剧好比是我不小心切掉了自己的小手指;喜剧好比是你不小心掉进了下水道。
争吵的时候，男人和女人的区别就像是步-枪和机关枪的区别。
下面，我将公布史密斯先生的遗嘱，在公布遗嘱之前，我想满怀诚意地问一句，史密斯夫人，您是否愿意接受我的求婚?
别骂自己的孩子是小兔崽子，因为从遗传学的角度来讲，这对家长是不利的。
老婆，我不该用床单擦皮鞋，不过出差刚回来，一时半会儿还改不过来，我错了。
为提高产品的安全性，我们决定在可乐瓶子瓶盖上加印：请打开这一端;在瓶底上加印：请打开另一端。
记者：根据最近一项民-意调查显示，国民对国内外时事的关心度很低，议员先生，您对此有何看法?议员：没有看法，我不关心玛丽，如果你不答应嫁给我，我就立刻去自杀，这是我的一贯做法。
选择题：假如律师和政客同时掉进河里，请问你是去喝咖啡还是去看电影?
如果不是发生在我身上的话，那么这件事可真是太好笑了。
您想拥有一副好的牙齿吗?这里送给你三点经验：一、饭后漱口早晚刷牙;二、每两年去医院检查一次牙齿;三、少管闲事。
秀发去无踪，头屑更出众!
我们总是习惯性地认为脑子是人体最重要的器官，但是别忘了这个判断是谁做的.
在教堂听讲经的时候我们应该保持肃静，打扰别人睡觉是很不礼貌的。
这些不是破烂!是我收集的古董!当然，如果你不喜欢的话，你可以扔掉.
人工智能和天然愚蠢无法相提并论--因为我们主张纯天然.
一个人如果面对众人批评仍微笑自如，那么他很可能已经找到了替罪羊.
昨天我报名参加了一个减肥训练班，他们要我在训练时穿宽松衣服，岂有此理?如果还有宽松衣服，那我还来报名干嘛?
前面的十二场演讲中，嘉宾有讲技术、有讲产品，我希望给大家的分享一些不同的内容，以及自己独有的视角。今天大家都提到了AlphaGo，作为引爆人工智能的开端，深度学习在其中承担了最重要的责任。
今天当大家开始畅想的时候，有可能认为人工智能未来真的会取代人。那么我希望今天的分享更多地能够知道人工智能在今天能做什么？不能做什么？未来终极的理想又是什么？
AlphaGo之后，我们看到最重要的突破领域是在语音和图像领域，在文字领域的进展很缓慢。今天我们在机器翻译方面取得了一些突破，但是问答和对语义的理解是不够的。回到图灵测试，上个世纪五十年代图灵提出了问答机器推想这样一个概念，今天我们直观感受是语音图像进步很快，但是自然语言的处理其实是比较慢的。
抛开技术，以一个产品经理的身份来看，人工智能有三个产品方向，一是识别——语音识别、图像识别、视频识别；二是图像——我们去生产图像，生成识别；三是创造。大家提到了人工智能进步的层次，我想换一个方式描述——工程师在人工智能时代会处于越来越重要的位置。
我们开始提到传统的方法是把规则交给机器，随着统计系统的发展，包括深度学习，我们开始更容易地将答案交给机器。，在数据的积累下我们就可以让机器变得更加聪明。这里面更前沿的方式是将目标交给机器，AlphaGo融合了几套算法，但是我和他们工程师沟通的时候，这样的把目标交给机器的强化学习，还并不成熟，也就是说如果没有之前三千万局人机对战的棋谱的话，AlphaGo没能够做到只通过强化学习来战胜人类，这是技术层面需要往下突破的重点。如果将目标交给机器，机器能够做自我学习，这方面有新的突破，那我们离新的人工智能时代就更近了。
今年六月份，我去了英国伦敦，和DeepMind公司的工程师做了交流，我特别好奇的事情就是下棋的第四局机器输掉了，发生了什么事情？他们说不是程序有BUG，就是深度学习本身有瓶颈，围棋比赛是三月份，我是在六月份去的伦敦，已经过了三个月，三个月的时间，这个问题依然没有解决。但是我离开以后一个星期，他们的程序能够正确面对之前的第四局棋谱，我问他是否这个BUG修好了，工程师说没有，只是代表第四局那个特定问题，正好机器可以解决。但是我们依然不知道再什么情况下， AlphaGo会继续出错。所以深度学习这样一个体系其实还是有瓶颈所在的。
所以在今天我更多想谈的是以深度学习为代表的今天的'人工智能技术，还有哪些不靠谱的地方？在产品上不适用之处有哪些？
第一个问题，语音识别靠谱吗？在百度、腾讯，都提到了语音识别的能力，今天我给大家的演示也用到了语音识别，这是搜狗自己的技术。在安静的环境里面我们的识别准确度已经到了95%，甚至97%，但是一旦有噪音，准确率迅速下降。当噪音还只是汽车的引擎噪音、风的噪音时，我们把噪音当成原始数据进入监督学习系统里去，把这种噪音变成机器见过的问题之一。但是事实上我们见到更多的情况，如果同时两个人说话会怎样？在今天的学术界依然无解。
今年六月份，我问学术界的人，人和机器在语音识别上的区别，究竟怎么破解？我们用机器的时候，采用立体声的方式做定向的识别，也就是说我们做一个麦克风矩阵，通过立体的方式知道其中一个人在说话，把另外一个人说话去掉，但人本身是这样干的吗？如果把一只耳朵堵上，我是否没办法分离出谁在说话？或者把两个说话的声音录在一个单声道里面，人可以识别吗？人当然是可以的，所以人的方法和机器不一样。人怎么识别？因为人的音色不一样，还是因为两个人的一个声音大一个声音小，还是因为他们不同的语音，博士说但凡同时两个人说话的时候，只要能够找到差别，人就能够把其中的一个声音识别出来，所以人在和机器处理过程当中有巨大的不同。语音识别最成熟的领域其实还是和人有很大的区别。
另外一件事情是语义靠谱吗？对语言的理解，谷歌在之前是用知识图谱的方法解决，现在遇到了瓶颈，也是今年六月，我在一个实验室看到最先进的人机对话系统，这个系统可以帮你订餐订酒店，对话过程当中机器的表现非常惊艳，我们上去试，有一个环节，机器问你：“你是需要停车位还是不要停车位？”这个时候我们回答要或者不要都没问题，如果回答“我没车”，大家知道机器会怎么样吗？他们完全不理解我没车代表着我不需要停车位，因为今天的机器，在自然语言概念的理解方面，还是远远不够的。所以自然语言处理是可以做的，但是语义理解到现在还是一个不靠谱的阶段。谷歌也在今年发布了一套对于自然语言能够做句子分析的引擎，把主语、谓语、宾语提出来，但是准确度只有90%，提不上去了，因为这个时候光靠统计靠语法已经不能支撑，往下是需要对句子当中的具体概念有理解才能消除歧义。我们知道不能把马路放在冰箱上面，这对于人来讲非常好理解，但是对计算机的挑战非常大，这是深度学习人工智能还不够的地方。
很敏感的问题，无人驾驶靠谱吗？今天百度在大会上也提出了发布无人驾驶汽车，但是从我的了解，如果以今天人类的技术，我们确实再见过的场景和封闭场景中都可以使用。但是对于真正开放的环境，不只跑在高速上的汽车，以现在人类的技术是不安全的，因为这个场景只要没见过，可能会犯严重的错误，就像AlphaGo下棋一样会突然发疯，所以作为辅助驾驶是可以的，无人驾驶在真正的技术突破以前还做不到。今天的深度学习缺乏推理，缺乏对符号的理解，如果没有符号，对自然语言的理解就会成为瓶颈。
即便是这样，我们也提到了（人工智能）能够取代一些行业，比如说棋手、医生、司机，机器在里面都可以做很好的辅助，但是对于大家没见过的创造性的事情，比如规划、科研，其实对于机器来说还很难，今天在媒体上机器自动写文章、自动画图，在科研层面展示出了一些魔力，但是还没有到可以取代人的阶段，所以在这里面我先把大家对人工智能预期降低下来。
有人在问，（人工智能）是否会出现第三次退潮，前两次我们都认为人工智能到来了，但是这次可能会比之前好，之前的人工智能两次退潮前，我们问一个老师，说你是研究人工智能的吗？这是骂他的话。因为（大家认为）人工智能不靠谱，这次是（人工智能）第一次真正进入到了使用，切实在语言处理、声音处理、图象处理，和在一些高维数据空间上能够比人做的更好。所以这次的区别就是大量资金、资本投入到了人工智能。也有大量的研究人员在毕业以后从事人工智能工作，这是和之前不一样的。所以一方面我们开始使用这项技术，另外一方面我们开始期待不断产生新的突破。
我个人对这次人工智能的浪潮是乐观的，但是我也很紧张，也许我们自己做的搜索引擎就是会被颠覆的一部分。
在这里面我们开始畅想未来的路在什么地方，从我自己的描述来看，搜索的未来就是人工智能时代的皇冠，为什么这么说，搜索的未来是什么，人工智能的未来又是什么，为什么是皇冠？
简单来讲，我认为搜索的未来就是问答机器人。因为我们习惯了一件事情：做搜索的时候我们先输入关键词，然后搜索给你十条结果，或者叫十条链接。但是这真是最好的方法吗？肯定是不够的。我们也会提到是否我们用个性化的方法能够使得搜索的结果更准，但是其实个性化能够提供的信息非常的有限。真正能够使得这个系统变得有用的办法是用问句。以前不用问句的原因是因为机器听不懂你在说什么，真正到了问句以后，机器会从给你十条链接，变成给你一个答案，就会好很多。如果你去问机器四个字，“乌镇大会”，机器不可能给你想要的内容，最多把新闻，乌镇的百科或者是官网介绍给你，只有你问乌镇大会哪天开，这个时候机器才能理解你要什么，才有机会给你最好的答案，我相信随着技术的突破，搜索引擎会自然而然演化成为问答引擎。
很多公司都在做这件事，苹果、微软、亚马逊、谷歌。这里面起步最早做对话系统的是苹果的Siri。但是这个系统并不成功，在中国用的人很少。为什么？因为现在技术没有到来，对于自然语言的处理能力、自然语言的理解能力非常有限。那么为什么苹果这样一个追求极致的公司，会把这个系统发布出来呢？一种可能性是苹果对技术了解不够；另一种可能性是我认为这是乔布斯的一个遗愿。我们知道发布iPhone手机的时候，乔布斯病重，只能躺在病床上看发布会，发布会完成之后，他很快就离开人世了，所以Siri就像一个早产的婴儿，在iPhone4s里面发布出来，所以我认为这样的系统代表着人类终极人机交互的畅想。
事实上在大量的文学作品、科幻电影里面，都会提到问答机器人，不管是《星球大战》、《超能陆战队》，还是《星际穿越》都提到了。阿西莫夫的短篇小说《最后的问题》，描绘就是人类造了一个机器，把所有的资源都用了上去。这个机器可以回答其他任何问题，却有一个问题回答不了，就是“宇宙是怎么诞生的”，这是文学作品对问答机器的思考。
除了搜索引擎做问答以外，咱们知道在中国搜狗输入法在移动端拥有三亿用户，输入法的未来是什么呢？和自动问答有关系，大家一起来看一个视频。
之前我们讨论输入法的时候很多朋友和我说语音是最重要的，搜狗有完整的语音识别技术和语音合成技术，但是在我内心，这个远不是输入法的极致。输入法真正的极致是能够开始寻找信息，帮你思。刚才给大家演示的是搜狗输入法的分享的能力，真正的回答能力可以在后面给大家做一个新的演示。
在我们讨论问答技术和讨论人机对话的时候，输入法也许是最好的一个切入场景。输入法作为一个人的分身，更容易帮助你建立思考。输入法也会从一个拼音工具走向一个对话和问答系统。
搜狗有两个核心产品，一个是输入法一个是搜索，一个是搜索信息一个是表达信息。随着AI技术的发展，我们能更好地解放人的思考。我们有一个理念，包括两件事情：一个是做自然的交互，不只是语音，还包括语言；另外就是做知识的计算，能让机器开始逐步建立推理的能力。搜狗输入法在中国拥有最大的语言数据处理积累，我们有机会在这个领域取得突破。
这是我今天的分享，谢谢大家！
