人与人之间说不同言语，姑且会呈现交流妨碍，当人类和机器交互时，这种妨碍则会变成巨大的距离。毫无疑问，人工智能是年代开展不可逆的技能趋势，而作为这个年代的中心参与者——人与机器，怎么更好地交互始终是待解问题。其间，最要害的是让机器能够了解人类的言语。
市面上现已呈现了许多的自然言语处理（NLP）企业，致力于人机之间的言语交互问题。不过，人工智能企业深度猎奇则将研制的重心细化到NLP范畴的中心——自然言语了解（NLU），以发掘深度语义了解的商业价值。NLU旨在把人类言语翻译成机器能够“读懂”和“运用”的方法，即把非结构化的数据变成结构化的、机器简单操作的东西。当文本变成机器能够读懂的结构化信息时，同一流程上的许多操作就能够让机器来做，或许让机器之间进行某种方法的交互。
与NLP比较，NLU愈加深度笔直，就像“深度猎奇”这个姓名相同奥秘。该公司的创始人兼CTO吕正东，曾任职于微软亚洲研讨院、华为诺亚方舟实验室，长时间从事机器学习和自然言语处理的研讨。作为自然言语处理范畴的专家，他创业的初衷是做出具有簇新技能高度的言语智能产品。
不过，因为公司切入点比较深化，吕正东笑称许多人不了解他们在干什么。“咱们期望构成一个完好的职业语义图谱，一方面，它能够和其他结构化信息做无缝衔接，另一方面，它能够直接辅佐职业专家的决议计划。”吕正东介绍到，公司的愿景是探究了解人类言语的算法，而且发明服务于职业的人工智能。
据他介绍，深度猎奇最开端触及的范畴是法令，现在首要在公安和金融范畴中做使用，代表性的例如智能审问类产品和智能风控产品。以公安相关场景为例，吕正东介绍到，深度猎奇有两大技能结构，一是做杂乱文本的解析，行将杂乱的文本转化成语义图谱；二是根据语义图谱进行推理，包含图谱之间的比对、交融、猜测、剖析等。
案子里的信息首要体现为文本方法的非结构化数据，深度猎奇首要需求对文本数据进行结构化，然后串联整个案子已知和待承认的信息，构成一个完好的语义图谱，这便是语义解析途径的功用。此外，深度猎奇还有一个推理途径，能够用来处理语义图谱与其他信息的交融、比对以及在此之上的猜测和举动主张等。需求阐明的是，在侦破过程中的许多信息是含糊和待承认的，推理途径会经过多信息源的比对以及和人的交互，来逐步完成对信息的丰厚和明晰化。跟着事实性信息的不断完善，该图谱会变成一个越来越完好和明晰的对案情信息的归纳表征。
吕正东表明，公安场景是NLU能够大展拳脚的范畴。“其实，在逻辑层上大有可为。之前许多企业现已在感知层上获得了快速生长，但总的来说，感知层商场的增加现已大幅放缓。”他以为，公安方面接下来更亟待解决的使命，便是怎么在认知层和逻辑层把数据串联起来构成解决方案。
与医疗范畴有着较为类似的痛点，公安范畴也面临着专家资源的缺少以及与年代的脱节。“新差人缺少经历，老差人也在被一个问题所困扰：他的经历未必能和最新的侦破手法结合。“吕正东说。所以，在这样的布景下，亟待一个既能交融老差人办案思路，又能以极速的方法接触到各种信息、习惯最新侦破手法的解决方案。吕正东表明：“现在国际还没有技能能一开端就做到机器版的福尔摩斯或许狄仁杰，可是咱们能够在一些部分进行打破，先进步差人的办案功率，逐步就会串联起一个更完好、更强壮的解决方案。”
据悉，深度猎奇在公安商场的商业模式现在首要有两种：其一是将产品直接出售至公安局，用户已掩盖多个县区级公安局、地市级公安局和省厅；其二是与不同类型的途径型公司协作，经过他们的途径进行商场推广。明显，深度猎奇的技能产品在效果与落地方面均有所成，未来也或许衍生到其他范畴。
深度猎奇现已于2016年末完成了合力本钱及阿米巴本钱的天使轮融资，现在关于新一轮融资持敞开情绪。