1.語言轉文字：STT

2.文字處理

3.利用機器學習/深度學習分辨文字意圖

4.對話管理

5.最後一步，就是將可以正確反饋給使用者的文字轉換成語音，說出來，即TTS

很多公司及營銷人員介紹產品及技術都說具備機器學習，是AI產品。不得不說近年來，機器學習取得了很大的進步，所以並非所有機器學習都是“南郭先生”。快速判斷真偽的方法是向供應商詢問軟體或機器人是否可以在不進行軟體更新的情況下自動學習和調整。另外，問清楚對方如何訓練它，訓練如何幫助它學習你的環境並得到期望的結果。

　　大多數營銷人員所謂的機器學習只是邏輯上的。從第一天開始，程式設計師就一直在使用軟體中的邏輯來告訴程式和機器人該做什麼。複雜的邏輯可以為軟體或機器人提供多種路徑，根據邏輯設計的引數來進行處理。所以這種的機器學習還不如說是人類學習。

事實是，大多數被貼上“智慧”標籤的技術或產品並不智慧，僅僅算是“能”。區別在於，智慧需要智慧和認知，而“能”只需要資訊和利用資訊的能力。其實人工智慧還沒有發展到成熟的階段，阻礙AI行業發展的最大問題還是在機器的認知和思維上，簡單的說，現在的人工智慧還不具備思想和意識。就連IBM大肆宣傳的Watson也不是真正意義上的智慧。它很有能力，它非常快，它可以學習。但如果Watson真的足夠智慧，IBM早就統治商業世界了。沃森不會治癒疾病，無法幫助中東地區實現和平，也不能創造新的稅收優惠或者解決世界飢餓問題。

首先，人工智慧涉及到一個龐大的技術體系，不少企業的產品只要涉及到了一些相關的技術就說自己的產品採用了人工智慧技術，雖然能夠說得過去，但是總體上的感覺還是有些牽強。演算法、算力和資料是人工智慧的三大基礎，所以要想有較高的智慧化程度，對於這三方面的要求也非常高。

要想判斷一款產品的智慧化程度是否較高，可以從以下幾個方面入手：

第一：是否以主流人工智慧技術為依託。目前人工智慧領域的六大研究方向集中在計算機視覺、自然語言處理、機器學習、自動推理、知識表示和機器人學，以這六大方向為基礎會有一個初步的判斷。目前大量的智慧體都會採用多種技術的結合，比如計算機視覺、自然語言處理和機器學習的結合就是比較常見的組合。

第二：是否有較強的決策能力。判斷一款人工智慧產品的智慧化程度是否比較高，一個比較簡單的原則就是產品的決策力，判斷產品的決策力有多個維度，其中有兩個維度比較重要，一個是能否進行合理的思考，另一個是能否採取合理的行動。

第三：是否有更多的交流和感知渠道。智慧化產品的決策如果比較重要，那麼一定會設定多個交流和感知渠道，比如生產環境下的智慧體，要想進行落地應用，必然需要打造一個應用場景，而應用場景的重點就是要為智慧體獲取資訊和執行決策提供服務。未來智慧體要想獲得更強的決策力，必然需要網路的支撐。因此，如果智慧體的交流和感知渠道比較單一，那麼以當前的人工智慧水平來看，很難獲得較強的智慧化效果。

目前，基於大資料分析技術而做出的一些智慧化產品還是比較多的，但是嚴格上說，這一類產品的智慧化程度並不會很高。

人工智慧定義不同，可能導致大家對人工智慧的看法不同，我個人認為，只要能代替人類部分腦活動的技術，就可以認為是人工智慧了。基礎點的，比如數學運算，高階點的，語音識別，面部識別等。在高階點的，金融風險預測，疾病的發病預測，各種自然災害的預測等等。

識別真假人工智慧，要看2點:

第一點是看系統本身路北不具備自我學習和進化能力；

第二點看系統是否對未知的領域有預測能力。