視覺(jué)中國(guó)

　　“語(yǔ)言交互是智能音箱的核心功能。智能音箱的銷(xiāo)量劇增，大量的語(yǔ)音交互會(huì)帶來(lái)多樣化的數(shù)據(jù)樣本，目前研究界都在試圖突破自然語(yǔ)言處理的難關(guān)，雖然從事這項(xiàng)研究的人比以前多很多，研究條件也很好，但理論的瓶頸、語(yǔ)言理解的語(yǔ)義鴻溝問(wèn)題，不是一時(shí)半會(huì)能解決的。”

　　近日，谷歌在I/O開(kāi)發(fā)者大會(huì)上展示了備受爭(zhēng)議的Duplex AI，它通過(guò)電話完成了飯館、發(fā)廊的預(yù)約，并沒(méi)被對(duì)方“識(shí)破”。但過(guò)于干凈的對(duì)話環(huán)境，也引發(fā)了一些人對(duì)于視頻真假的爭(zhēng)論。

　　語(yǔ)音合成技術(shù)已經(jīng)可以“以假亂真”?語(yǔ)音交互取得了突破性進(jìn)展?人和機(jī)器可以對(duì)答如流?這段展示之后，圍觀者的驚喜、質(zhì)疑、擔(dān)憂紛至沓來(lái)。

　　技術(shù)加持 智能音箱爆發(fā)式增長(zhǎng)

　　“相對(duì)于觸摸、按鈕等操縱，語(yǔ)音交互直接、方便、快捷。受惠于人工智能行業(yè)飛速發(fā)展，語(yǔ)音和語(yǔ)義的識(shí)別已經(jīng)愈發(fā)準(zhǔn)確。”智能設(shè)備廠商負(fù)責(zé)人趙明對(duì)科技日?qǐng)?bào)記者表示。技術(shù)進(jìn)步為智能音箱的產(chǎn)品化提供了支撐。

　　智能音箱的基本功能是為與人類(lèi)語(yǔ)言互動(dòng)、播放媒體音頻和智能家居提供統(tǒng)一入口，其中語(yǔ)言交互是核心功能。對(duì)于用戶(hù)來(lái)說(shuō)，智能音箱可以用來(lái)查詢(xún)天氣、聽(tīng)音樂(lè)、進(jìn)行一些簡(jiǎn)單問(wèn)答等。對(duì)于廠商來(lái)說(shuō)，智能音箱意義更大：在語(yǔ)音時(shí)代，它是重要的流量入口，生產(chǎn)大量數(shù)據(jù)，并把用戶(hù)牢牢穩(wěn)固在自己的生態(tài)鏈上。

　　從2014年亞馬遜的智能音箱Echo面世，這種智能家居產(chǎn)品在過(guò)去幾年爆發(fā)式增長(zhǎng)，巨頭紛紛入場(chǎng)，智能音箱發(fā)展史上的重要產(chǎn)品不斷出現(xiàn)：國(guó)外的谷歌Home、蘋(píng)果HomePod、微軟Invoke，國(guó)內(nèi)的京東叮咚、聯(lián)想音箱、喜馬拉雅小雅、阿里巴巴天貓精靈、小米小愛(ài)同學(xué)等。據(jù)趙明介紹，全球智能音箱市場(chǎng)規(guī)模在過(guò)去幾年迅速增長(zhǎng)，從2015年的255萬(wàn)臺(tái)到2017年的3000萬(wàn)臺(tái)。去年中國(guó)智能音箱市場(chǎng)達(dá)到176萬(wàn)臺(tái)的銷(xiāo)量，銷(xiāo)售額4.9億元，市場(chǎng)潛力明顯。

　　對(duì)標(biāo)Echo 產(chǎn)品功能初級(jí)單一

　　據(jù)趙明介紹，作為智能音箱領(lǐng)域的頭部廠商，亞馬遜通過(guò)接入Alexa語(yǔ)音助手以連接其他硬件軟件服務(wù)，在先發(fā)優(yōu)勢(shì)和技術(shù)壁壘下，已經(jīng)形成一定業(yè)務(wù)體系。亞馬遜具有深厚的電商基礎(chǔ)，并在內(nèi)容、硬件、平臺(tái)、云計(jì)算、物流倉(cāng)儲(chǔ)等領(lǐng)域布局，通過(guò)智能音箱整合軟件、硬件、平臺(tái)及內(nèi)容資源，進(jìn)一步盤(pán)活電商資源。

　　“亞馬遜Alexa平臺(tái)及云計(jì)算平臺(tái)為打通多個(gè)服務(wù)鏈條奠定了基礎(chǔ)，在硬件操作、軟件應(yīng)用及內(nèi)容觀看收聽(tīng)中的海量數(shù)據(jù)被有效收集并整理，實(shí)現(xiàn)內(nèi)容與服務(wù)的個(gè)性化。”趙明表示，亞馬遜在中文語(yǔ)音識(shí)別方面缺少布局，目前沒(méi)有進(jìn)入中國(guó)市場(chǎng)，但其發(fā)展為中國(guó)市場(chǎng)提供了借鑒，多數(shù)廠商以Echo為對(duì)標(biāo)，布局智能音箱。

　　但據(jù)趙明介紹，目前智能家居行業(yè)還處于整體發(fā)展的中前期，行業(yè)標(biāo)準(zhǔn)尚未形成，巨頭之間難以統(tǒng)一的平臺(tái)標(biāo)準(zhǔn)為智能家居的普及造成了巨大困難。“目前的AI水平較為有限，很多智能家居實(shí)現(xiàn)了基本的AI功能，但都比較初級(jí)單一，用戶(hù)使用體驗(yàn)并不理想。”

　　此外，中科院自動(dòng)化所研究員王金橋表示，中文語(yǔ)音交互存在更多特殊障礙：中文的方言和口音種類(lèi)過(guò)多，交流非常困難，語(yǔ)義鴻溝難以跨越。“市面上的智能音箱都‘傻乎乎’的，只能用來(lái)搜索和問(wèn)答一些條條框框的問(wèn)題，無(wú)法理解邏輯、上下文關(guān)系等，大家買(mǎi)回家玩幾天，新鮮勁兒一過(guò)就閑置了。全國(guó)三百多家智能音箱廠商，沒(méi)有一家賺錢(qián)的。”王金橋說(shuō)。

　　靈隆科技CEO魏強(qiáng)也曾對(duì)媒體表示，目前消費(fèi)者普遍反饋智能音箱存在遠(yuǎn)場(chǎng)識(shí)別差、誤喚醒率高、連續(xù)對(duì)話功能不穩(wěn)定和語(yǔ)義理解能力差、音質(zhì)不好等問(wèn)題，看似火爆的智能音箱行業(yè)正在面臨創(chuàng)新能力弱、產(chǎn)品體驗(yàn)差、內(nèi)容和技能不足、用戶(hù)認(rèn)知度低等諸多挑戰(zhàn)。

　　水平有限 仍是簡(jiǎn)單場(chǎng)景的人機(jī)交互

　　谷歌演示Duplex AI的過(guò)程引發(fā)了真實(shí)與否的爭(zhēng)議：人們注意到，這些通話中的兩位女性員工都沒(méi)有在電話上提到自己公司的名稱(chēng)，另外這兩個(gè)錄音中也都沒(méi)有環(huán)境噪音。不過(guò)谷歌并沒(méi)有對(duì)是否編輯過(guò)電話錄音的問(wèn)題發(fā)表評(píng)論。

　　對(duì)于Duplex AI的表現(xiàn)，王金橋表示：“這只是展示了一個(gè)效果，不能說(shuō)機(jī)器通過(guò)了圖靈測(cè)試，也不代表理論上的突破。況且真實(shí)性沒(méi)有驗(yàn)證。如果是真實(shí)的，那確實(shí)是先進(jìn)的自然語(yǔ)言理解，這說(shuō)明大家都在往自然語(yǔ)言處理的方向努力。”

　　思必馳副總裁、語(yǔ)音交互科學(xué)家初敏表達(dá)了類(lèi)似的觀點(diǎn)。“這個(gè)預(yù)約的過(guò)程難度不大，是一個(gè)簡(jiǎn)單場(chǎng)景的人機(jī)交互。只是角色置換了一下，不是我們常見(jiàn)的‘人問(wèn)機(jī)器’，而是‘機(jī)器問(wèn)人’，引發(fā)了大家的熱議。”初敏說(shuō)。

　　初敏表示，谷歌展示的“機(jī)器預(yù)約餐廳、發(fā)廊”一定是可以實(shí)現(xiàn)的，沒(méi)有被對(duì)方聽(tīng)出來(lái)說(shuō)明語(yǔ)音合成的效果不錯(cuò)，但整體來(lái)看，全程“沒(méi)有展現(xiàn)有挑戰(zhàn)性的問(wèn)題”——如多任務(wù)切換、跨場(chǎng)景、噪音、上下文邏輯理解等。她同樣表達(dá)了對(duì)視頻真實(shí)性的懷疑：“餐廳聽(tīng)起來(lái)應(yīng)該是亂七八糟的，但視頻中沒(méi)有背景噪音，所以不排除表演的可能。”

　　要想質(zhì)變 需要自然語(yǔ)言處理技術(shù)突破

　　自然語(yǔ)言處理是語(yǔ)音交互的核心技術(shù)，也是三十年來(lái)幾乎沒(méi)有突破的痛點(diǎn)。通俗來(lái)說(shuō)，這項(xiàng)技術(shù)就是“讓機(jī)器理解人”。據(jù)王金橋介紹，自然語(yǔ)言處理的核心是理解，希望機(jī)器能理解人的語(yǔ)言和目的。但每個(gè)人都是個(gè)性化的，說(shuō)話的輕重緩急、重音位置，看到夕陽(yáng)西下時(shí)或開(kāi)心或傷感的個(gè)人感受，這些都是目前的機(jī)器無(wú)法理解的。尤其是在中文語(yǔ)境下，常見(jiàn)的一語(yǔ)雙關(guān)、倒裝、句式簡(jiǎn)化等，人有時(shí)候都理解不了，對(duì)機(jī)器來(lái)說(shuō)更是難上加難。

　　初敏表示，在語(yǔ)音交互背后，是語(yǔ)音識(shí)別、自然語(yǔ)言理解、對(duì)話管理、自然語(yǔ)言生成等諸多環(huán)節(jié)，各環(huán)節(jié)充分配合才能實(shí)現(xiàn)良好的交互效果。“相比于谷歌展示的預(yù)約，我們已經(jīng)可以處理更復(fù)雜的交互，只是效果沒(méi)那么好。”初敏說(shuō)。

　　“機(jī)器的認(rèn)知推理和理解是一個(gè)系統(tǒng)的處理工程，是各種復(fù)雜算法的結(jié)合，不是單項(xiàng)技術(shù)能解決的。”王金橋表示。目前比較可行的限定場(chǎng)景下的自然語(yǔ)言處理，比如兒童陪伴、學(xué)科細(xì)分的語(yǔ)料庫(kù)，可以實(shí)現(xiàn)智能化交互。中國(guó)科學(xué)院院士譚鐵牛也在兩院院士大會(huì)期間談到人工智能正處在從“不能用”到“可以用”的技術(shù)拐點(diǎn)，距離“很好用”還有諸多瓶頸。“像‘那輛白車(chē)是黑車(chē)’‘能穿多少是多少’一類(lèi)的表述，機(jī)器無(wú)法準(zhǔn)確理解和翻譯。”譚鐵牛說(shuō)。

　　語(yǔ)言交互是智能音箱的核心功能。智能音箱的銷(xiāo)量劇增，大量的語(yǔ)音交互會(huì)帶來(lái)多樣化的數(shù)據(jù)樣本，“目前研究界都在試圖突破自然語(yǔ)言處理的難關(guān)，雖然從事這項(xiàng)研究的人比以前多很多，研究條件也很好，但理論的瓶頸、語(yǔ)言理解的語(yǔ)義鴻溝問(wèn)題，不是一時(shí)半會(huì)能解決的。”王金橋說(shuō)。(實(shí)習(xí)記者 崔 爽)