“在這個(gè)時(shí)代，如果想要獲取信息，你很難不通過嘴。” 思必馳首席科學(xué)家、聯(lián)合創(chuàng)始人俞凱在上海市北·GMIS 全球人工智能峰會(huì)的現(xiàn)場(chǎng)演講中的短短一句話，卻總結(jié)了目前人類的交互習(xí)慣發(fā)展趨勢(shì)。

思必馳首席科學(xué)家、聯(lián)合創(chuàng)始人俞凱

在智能終端時(shí)代，有人認(rèn)為 AR 眼鏡或許會(huì)是人類需要的 “最后一塊屏”，這種感覺在語(yǔ)音交互技術(shù)出現(xiàn)后可能表現(xiàn)得更加強(qiáng)烈。前瞻產(chǎn)業(yè)研究院發(fā)布的《2018-2023 年中國(guó)物聯(lián)網(wǎng)行業(yè)細(xì)分市場(chǎng)需求與投資機(jī)會(huì)分析報(bào)告》曾發(fā)布了初步估算的數(shù)據(jù)：2017 年全球物聯(lián)網(wǎng)設(shè)備數(shù)量達(dá)到 84 億，比 2016 年的 64 億增長(zhǎng) 31%，2020 年物聯(lián)網(wǎng)設(shè)備數(shù)量將達(dá)到 204 億。在這些智能設(shè)備中，屏幕已經(jīng)越來越小，而語(yǔ)音交互能力幾乎成了標(biāo)配。可見，智能語(yǔ)音交互擁有極具誘惑力的諾大市場(chǎng)。

不過，在這個(gè)百家爭(zhēng)鳴的科技時(shí)代，有趣的不僅是宏觀的市場(chǎng)增量。企業(yè)在實(shí)踐摸索出規(guī)律，并對(duì)未來進(jìn)行大膽、前瞻性的判斷，才更值得津津樂道。作為語(yǔ)音技術(shù)領(lǐng)域的平臺(tái)交互型公司，同時(shí)也是行業(yè)前列的探索者，思必馳對(duì)于如何打造更加人性化的語(yǔ)音交互技術(shù)也提出了自己的新見解。

“通用的語(yǔ)音識(shí)別率基本上能到 95% 以上，語(yǔ)義識(shí)別率能到 90% 以上。但是語(yǔ)音交互本身是一個(gè)鏈條，盡管每個(gè)體系可達(dá)到 90% 的可用度，但是技術(shù)加在一起的整體可用率會(huì)降低很多。” 俞凱先提出了現(xiàn)在語(yǔ)音交互行業(yè)面臨的技術(shù)問題。他認(rèn)為，導(dǎo)致問題的原因主要是 “沒有做聯(lián)合優(yōu)化”，即大家都是在每個(gè)任務(wù)上是獨(dú)立優(yōu)化。為了提高整個(gè)語(yǔ)音交互技術(shù)的可用性，思必馳實(shí)行了技術(shù)上的全鏈路，如以語(yǔ)義理解為目標(biāo)來優(yōu)化語(yǔ)音識(shí)別，即目標(biāo)不是看字的錯(cuò)誤率，而是看理解上的偏差。簡(jiǎn)單來說，思必馳的技術(shù)全鏈路 AI 可以把語(yǔ)音交互技術(shù)中，前面產(chǎn)生的錯(cuò)誤在后面環(huán)節(jié)中自動(dòng)做糾正，提高整體的可用率。

當(dāng)然，除了技術(shù)層面的優(yōu)化，優(yōu)質(zhì)的語(yǔ)音交互技術(shù)還需要產(chǎn)品設(shè)計(jì)的加持，以保證體驗(yàn)升級(jí)。此前，有很多基于語(yǔ)音交互技術(shù)的產(chǎn)品，如娛樂、教育機(jī)器人等遭到了用戶的 “拋棄”。這給企業(yè)帶來了技術(shù)邊界與用戶期望之間關(guān)系的深思。我們目前的語(yǔ)音技術(shù)究竟足夠支撐多強(qiáng)大的產(chǎn)品？什么樣的語(yǔ)音產(chǎn)品會(huì)減小用戶的失望程度？

“技術(shù)邊界和用戶期望平衡的核心點(diǎn)是產(chǎn)品設(shè)計(jì)。” 俞凱表示，合理的產(chǎn)品設(shè)計(jì)可以有效地 “揚(yáng)長(zhǎng)避短”。他認(rèn)為，以目前的技術(shù)發(fā)展?fàn)顟B(tài)來看，需要做一些用戶可配合的場(chǎng)景應(yīng)用，即場(chǎng)景的可控性較高。“讓用戶在合適的情況下去做一些交互，那么產(chǎn)品的性能就比較有保障。” 他以思必馳和順豐合作的語(yǔ)音下單機(jī)器人為例說明：這就是典型的比較窄的任務(wù)，用戶目的明確，所以用戶的期望比較可控。總之，在技術(shù)發(fā)展的階段中，企業(yè)不僅在自己做產(chǎn)品的時(shí)候需要實(shí)事求是，對(duì)于用戶也要誠(chéng)實(shí)。

值得一提的是，思必馳主要是為企業(yè)和開發(fā)者提供自然語(yǔ)言交互解決方案，包括 DUI 開放平臺(tái)、企業(yè)級(jí)智能服務(wù)、人機(jī)對(duì)話操作系統(tǒng)、人工智能芯片模組等。那么，對(duì)于思必馳而言，他們?nèi)绾位谧陨砑夹g(shù)實(shí)力為企業(yè)類客戶帶來新體驗(yàn)？

俞凱稱，近幾年人工智能產(chǎn)業(yè)鏈發(fā)生了比較深刻的變革——專業(yè)化分工的加速。在這樣的背景下，人工智能企業(yè)分為三層，一是基礎(chǔ)技術(shù)支撐層。他們就像發(fā)電廠商；二是中間層。他們以提供技術(shù)賦能為核心的智能交互層，像是輸電的企業(yè)；三是應(yīng)用層，集成各種各樣不同的從語(yǔ)音到圖像各種各樣不同的 AI 技術(shù)，形成綜合的產(chǎn)品解決方案，就像做電器的企業(yè)。而智能交互層出現(xiàn)了一個(gè)主要矛盾，即：越來越強(qiáng)的通用技術(shù)，與使用者高度靈活化，高度可配置的個(gè)性化需求之間的矛盾。

“面對(duì)這樣的矛盾，作為平臺(tái)型的驅(qū)動(dòng)企業(yè)，思必馳希望打造可定制的對(duì)話式人工智能。” 俞凱說道。

“定制化” 并不是新鮮詞，但是思必馳打造的可定制的對(duì)話式人工智能，兼具定制化和可規(guī)模化。眾所周知，一般來說，定制化意味著很難規(guī)模化。但俞凱表示可定制的對(duì)話式人工智能就像是 “柔性制造” 技術(shù)，可定制，可批量生產(chǎn)，可實(shí)現(xiàn) “千人千面”。

關(guān)于具體實(shí)現(xiàn)可定制的對(duì)話式人工智能的關(guān)鍵點(diǎn)，俞凱從三個(gè)方面分享：

一是工程支撐方面，首先是以全鏈路對(duì)話交互技術(shù)為核心，實(shí)現(xiàn) “高可用”，即讓更多的人可以定制，另外也要支持定制地規(guī)模化；

二是需要相應(yīng)的資源支撐，比如識(shí)別領(lǐng)域，需要方言、多語(yǔ)種、多個(gè)精細(xì)化語(yǔ)義領(lǐng)域的支撐，才能夠形成完整的模型；

三是算法支撐（個(gè)性化智能自適應(yīng)）。智能地自適應(yīng)要解決三個(gè)難點(diǎn)：一是目標(biāo)發(fā)現(xiàn)，即向誰做自適應(yīng)學(xué)習(xí)。二是小數(shù)據(jù)的自適應(yīng)，傳統(tǒng)的深度學(xué)習(xí)需要喂大數(shù)據(jù)來訓(xùn)練模型，而現(xiàn)在需要用很小的數(shù)據(jù)實(shí)現(xiàn)。三是在線的學(xué)習(xí)更新，即當(dāng)語(yǔ)義理解不精確，或者出現(xiàn)語(yǔ)音識(shí)別錯(cuò)誤時(shí)，人和機(jī)器在真實(shí)場(chǎng)景當(dāng)中可繼續(xù)交互下去，就需要一個(gè)聰明的決策。機(jī)器系統(tǒng)怎樣通過問話，或者通過引導(dǎo)使對(duì)話更平滑地繼續(xù)下去，能夠更好地把意圖推理出來。

“未來我們看到的對(duì)話智能，并不是一種通用的技術(shù)，而是可以在每一個(gè)產(chǎn)業(yè)里面有自己獨(dú)立個(gè)性的定制化對(duì)話式人工智能。” 俞凱說道。