值得一提的是，京东AI已计划将自主研发的这些优秀机器阅读能力应用于人工智能导购，虚拟个人助理，城市助手，合理用药引擎等多个领域，旨在降低成本、提高效率、提升体验。

WikiHop数据集是伦敦大学学院（UCL）机器学习组提出的一个需要跨多文档、多跳推理的机器阅读理解数据库。每一个WikiHop的样本有一个问题，多个支持文档，和一个备选答案集，模型需要根据问题从多个文档中搜集证据，最后从备选答案集中挑选出正确的答案。由于其更具挑战性的设置，WikiHop阅读理解数据集一经发布吸引了全球众多高校和科研机构的参与，包括来自卡耐基梅隆大学，南洋理工大学，Facebook AI研究院，IBM，罗切斯特大学，阿姆斯特丹大学，爱丁堡大学以及Salesforce等多个研究小组。

▲WikiHop数据集最新成绩榜单（截至2019年4月2日）

WikiHop数据集存在多种挑战。首先，相比于SQuAD这类只需要从单个文档中寻找答案的阅读理解数据集，WikiHop每一个样本都是多个文档，以此来考察模型从多个信息来源提取证据的能力。其次，多数的WikiHop样本必须根据多个文档才能给出答案，仅仅依靠单个文档不足以回答相应的问题，这就要求模型必须具有多跳推理的能力。例如下图中，问题是“巨魔”这个儿童故事的诞生国家，第一个支持文档提到了“巨魔“的作者之一朱莉亚%uB7唐纳森。第二个支持文档提到朱莉亚%uB7唐纳森是2011-2013年Children’s Laureate奖的获得者。第三个支持文档提到Children’s Laureate奖是联合王国（英国）所设置的。综合以上信息可以得出答案应该是“联合王国”。

人类的知识大多是通过阅读获得，所以机器阅读技术在智能对话与服务中有极高的应用价值，是对话引擎的知识的重要来源之一。在中国，技术与产业的融合正在如火如荼进行，在全球，学术研究也越来越关注技术的应用价值。这次京东在机器阅读技术上的突破性研究，也将对许多相关的应用带来创新。

此外，这一最新技术在京东的业务中会有广泛的应用，在诸如内容审核、评论观点抽取、情感分析、情感客服等多个场景中，都需要大规模的机器阅读技术处理海量的数据。目前京东已将一系列的AI能力已沉淀到京东人工智能开放平台NeuHub之上，2018年11.11期间，NeuHub平台的累计调用量达到148.7亿次。