摘要

人类对话是一种复杂的机制，包含微妙的细节。因此，开发能够流利参与对话的人工智能代理是一个雄心勃勃的目标。尽管我们距离实现这一目标还有很长的路要走，但近期在视觉问答、图像描述生成和视觉问题生成方面的进展表明，对话系统可能在不久的将来成为现实。为此，最近引入了一个新的数据集，并展示了令人鼓舞的结果，特别是在问答方面。在本文中，我们展示了一种简单的对称判别基线方法，该方法既可用于预测答案也可用于预测问题。我们证明了这种方法的表现与现有最先进方法相当，甚至包括基于记忆网络的方法。此外，首次在视觉对话数据集上评估了系统提出问题的能力，并展示了如何通过判别式问题生成和问答来生成视觉对话。