会议服务里面用AI的地方，其实就是一个不断学习、不断进步的过程，怎么个过程呢？
先说这个“好奇”。你想想，开会的时候，各个国家的代表进来，每个人问的问题都不一样。比如说，突然有个代表问了一个关于他们国家刚发布的新政策，这个政策名字可能以前谁都没听过。这时候AI就得有点好奇心，它不是不懂装懂，而是能主动发现这个东西是个新词，是个没见过的术语，然后自动给它打个标签标记下来。这就好比一个人听到新鲜事儿，哎这是什么，我得记一下。这个“好奇”就是第一步，发现问题。
然后就是“学习”。光标记了还不够，你得真弄明白啊。这个阶段AI就会去更新那个会议的专用知识库，把这新政策、新术语加进去，下次再有人问，它就能答上来了。它不是死记硬背，是增量更新，就是说原来的东西不动，新东西加进去，这样知识越来越多，越来越聪明。就跟咱们学习一样，今天学一个字，明天学一个词，慢慢就会说话了。
接着是“记录”。这个好理解，就是整个会议过程中，代表跟AI每一次聊天、每一个问题、每一个回答，全部记录下来。但不是随便记，是要脱敏保存，就是把那些人名、身份证号、国家机密啥的给去掉，保护好隐私。记录下来的目的是什么？是为了后面分析用的。就像咱们写日记，把每天的事儿记下来，过段时间回头看看，就知道自己哪儿做得好哪儿做得不好了。
有了这些记录，就可以“提炼”了。会议结束之后，AI就能根据这些海量的聊天记录，生成一个叫“效率瓶颈热力图”的东西。听上去挺专业，其实说白了就是一张图，上面用不同颜色标出来哪个环节大家等的时间最长，哪个问题反反复复有人问，哪个步骤最卡。红色可能就是最堵的地方，蓝色就是比较顺畅的。这样主办方一看就明白，哦，原来代表们都在这里卡住了，下次得改。这不就是把一堆乱七八糟的数据，提炼成一眼就能看明白的东西嘛。
然后是“改进”。有了上面的热力图，有了记录分析，自然就知道怎么改进了。这个改进是为下一届会议服务的，给下一届的模型微调提供建议。比如说，发现今年代表们问签证问题的特别多，而且AI经常答不明白，那改进建议就是明年专门把签证相关的问答好好训练一下。这个微调不是大动干戈，是在现有模型的基础上，根据实际问题做小范围的优化，就像你跑步姿势有点不对，稍微调整一下，速度就上来了。
最后，也是最贴近人的，就是“体验”。这个对AI比较困难，要求它不光看你说了什么，还看你的表情。每个代表跟AI交互之后，会有一个摄像头或者什么设备去识别你的表情，你是笑了还是皱眉了。你要是笑了，说明AI答得不错，它就把这个策略记住，以后多用。你要是皱眉了，那就糟糕了，说明你没搞明白或者不满意，那AI就得修正一下自己的应答策略，下次换一种方式说话。这个就真的很像人与人打交道了，你说话人家不耐烦了，你肯定得换种说法对吧？这叫看脸色行事。不知道现在的AI能不能做到这一步？
10个月宝宝每天需要喝多少奶粉？
