ACL2018 智能問答（question answering）方向未來研究前景如何？

從ACL2018的論文來看，智能對話的論文比問答的論文要多得多。發現之前的結合知識庫的生成式問答（genQA）也逐漸消失了，目前逐漸做成了一個對話任務。
目前QA的方向感覺還有文本問答、文檔問答、社交問答等等，其中文本、文檔問答感覺現在越做越像閱讀理解的任務，各位老師覺得哪些方向更有學術前景呢？哪些方向工業化應用前景更大呢？

參加了ACL-18，也準備整理一個聽Dialog system報告感受的文章。

廣義智能問答肯定還是比對話大的一個領域，ACL其實有兩個大的Track都可以歸做廣義的QA，一個是Question Answering。QA這個Track今年無論是投稿還是錄稿都比對話系統的Track少，算是對話系統的崛起。還有一個Track是Semantic也和QA相關，因為Semantic裡面很大一部分是做的Semantic Parser解決一些QA任務。
對話系統一半面向任務一半不面向任務。面向任務更多做End-to-end的設計。非面向任務的除了解決「萬能回復」的問題，還在追求可解釋性和可控制性。
其實非面向任務我在上半年很看好的一個方向是生成+檢索二者結合。今年ACL和IJCAI果然也都有相應的中稿，而且那兩篇paper，model基本是一樣的。我上個月也做了一個生成+檢索的文章，我覺得方法十分的靈巧，通過 query和query的diff推斷response和response的diff。詳情請見 [1806.07042] Response Generation by Context-aware Prototype Editing

如果說經典問答系統(Question Answering)的話，個人認為還是更偏向IR一些，當然QA一直以來也是ACL的經典方向，不過從最近兩年的審稿來看大家的進展一般，熱度也有所下降。

所以同意 @吳俁的看法，對話方向在ACL的熱度在逐年上升，作為做對話的人來說是很欣慰的事情。

多說一句任務型對話，也就是經典的dialog system，儘管端到端的研究越來越多，可是數據的規模遲遲跟不上，以至於很多論文看著都有點牽強。

工業上閱讀理解更實際一點，效果更可用。