1，压缩多模型设计
2，要有条件激活区域网路的能力
3，要有实时能力
针对这三个问题解决方法如下
1，使用所谓的多流，其实就是将fc层分开后进行二维或者多维度的排列组合fc
2，也就是说神经网络作为一个函数 必须要有定义域和值域 ，其实就是输入输出环境。
3，上面俩个达到了基本可以做到实时
其实上面基本已经说明了该如何的模仿人类说话办事。
就目前来神经网络其实就是一个总结数据规律后对数据进行压缩存储，列出全部可能结果的能力。
但是，谁又能说这不是人脑工作的本质呢。毕竟人脑的神经细胞的数量那么大。假如你给他所有的结果全部排列组合那能表现的数据量是多大。
所以，目前人工智能是一个大数据的时期。
其实即使推理也是要有数据基础的，故而对于人工智能数据最为关键。其次就是降低成本。
那么接着说回来，神经网络应该如何模拟人类对话。
就目前人们使用的lstm还是什么做对话或者是语言处理，都忽视的就是上面2中提到的问题，对于语言来说重要的就是输入的环境（输入的条件，这包括人物 时间 地点 社会地位 ，细分还是包括人物性格，身高，早上晚上 ，程序员。。。同时也要考虑到回答人物的环境，。。。。）
同样回答者也是如此。
