7月27日消息，在中國，研究人員往往把2017年稱之為交互式計算元年。無論是語音識別技術(shù)還是自然語言處理技術(shù)，都取得了巨大的進(jìn)展；無論是阿里巴巴還是百度都在開發(fā)語音通信相關(guān)技術(shù)，而兩家的語音交互式產(chǎn)品都已經(jīng)進(jìn)入了市場。
阿里巴巴發(fā)布的天貓精靈（Tmall Genie）智能音箱與亞馬遜的智能音箱產(chǎn)品Echo類似，內(nèi)置了阿里巴巴的數(shù)字助理阿里精靈。用戶可以通過語音來在線下單，查詢當(dāng)日天氣，播放音樂或是控制家中的其他智能設(shè)備。
同樣，百度旗下的DuerOS語音交互式平臺也是一種數(shù)字助理，不同的是其將電視機(jī)頂盒以及HTC智能手機(jī)等產(chǎn)品功能融入其中。除此之外，DuerOS與阿里精靈等數(shù)字語音助理的功能類似。百度稱已經(jīng)獲得了DuerOS開發(fā)套件的大量訂單。
百度DuerOS業(yè)務(wù)部門主管Kun Jing預(yù)計，由于亞馬遜Echo等智能音箱的成功刺激到中國科技投資者的興趣，今年將會有更多公司進(jìn)入語音交互領(lǐng)域。
市場研究公司IDC預(yù)計，到2020年，51%的自動駕駛領(lǐng)域、68%的智能手機(jī)和可穿戴設(shè)備都將整合進(jìn)基于語音交互的人工智能系統(tǒng)。Jing認(rèn)為，正如觸控屏讓用戶與移動設(shè)備的交互更為便捷一樣，會話界面將會使交互更加自然，吸引更多用戶進(jìn)入互聯(lián)世界。
基于語音的交互式計算對于中國來說也是一個選擇。目前在標(biāo)準(zhǔn)化鍵盤上輸入漢字，主要依賴于漢字發(fā)音的漢語拼音。但由于中國普通話有四個音調(diào)，而每個音調(diào)的漢字都代表著不同的含義，這導(dǎo)致用戶必須從菜單中挑選出正確的漢字。像“yi”這樣的發(fā)音對應(yīng)的漢字多達(dá)60幾個。當(dāng)然，一些輸入法可以根據(jù)上下文輸入來確定最有可能的漢字，但準(zhǔn)確率依舊不盡人意。因此，微信用戶經(jīng)常會通過語音聊天而不是輸入漢字，也就不足為奇了。
現(xiàn)在，語音助理技術(shù)能夠?qū)⒂脩舻陌l(fā)音轉(zhuǎn)換成文本命令，并根據(jù)文本的含義來做出相應(yīng)。這一技術(shù)對基于任務(wù)的命令非常有效，比如可以查詢天氣情況或是查詢特定漢語的英文翻譯，但目前還無法進(jìn)行多主題的流暢對話。
不得不承認(rèn)的是，中文語言的復(fù)雜性仍是解決會話計算問題的巨大挑戰(zhàn)。在漢語言中，相同漢字排列順序不同，其含義也不同。甚至于即便以相同的次序排列漢字，前后文意思不同也會導(dǎo)致語義不同。此外，書面漢語并不像英文單詞那樣用空格加以劃分，因此對于漢語言的自然語言處理來說，研究人員必須要讓算法在漢字之間插入空格，從而確定漢字組合的正確含義。何況漢語還沒有時態(tài)之分，沒有過去式、現(xiàn)在或是將來之分，這使得機(jī)器分析用戶要表達(dá)的時間更為困難。
除此之外，面對漢語，自然語言處理研究人員還需要應(yīng)對方言等其他挑戰(zhàn)。很多方言晦澀難懂，沒有固定的搭配。
專門研究自然語言處理的清華大學(xué)副教授吳志勇（音譯）指出，為了能真正理解講話者的意圖并進(jìn)行適當(dāng)?shù)臏贤ǎ嬎銠C(jī)需要對講話者的語調(diào)變化以及重音節(jié)進(jìn)行深入分析。而清華大學(xué)副教授賈佳（音譯）則認(rèn)為，計算機(jī)還需要理解人類情緒，因為人們在做決斷時往往并不是完全依賴于邏輯。
為了讓其系統(tǒng)更加智能化，今年百度在其平臺上引入了“培訓(xùn)師”模式，允許軟件開發(fā)人員通過系統(tǒng)內(nèi)置的注釋機(jī)器人提供語言處理的相關(guān)數(shù)據(jù)。注釋機(jī)器人在收到開發(fā)者的反饋之后，會從中進(jìn)行學(xué)習(xí)，然后對結(jié)果進(jìn)行更正。
對于中國的自然語言處理研究人員來說，其最大的優(yōu)勢在于規(guī)模化的數(shù)據(jù)。當(dāng)前支持自然語言處理的神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)訓(xùn)練。公司擁有的數(shù)據(jù)量越大，神經(jīng)網(wǎng)絡(luò)的智能化程度就越高。諸如百度和阿里巴巴這樣的公司都得益于其擁有的龐大用戶群。截止2016年底，百度月平均用戶數(shù)位6.65億。而截止到今年三月份，阿里巴巴月平均用戶數(shù)位5.07億。
但阿里巴巴人工智能實驗室研究人員王剛（音譯）表示，研究人員需要設(shè)計出這樣一種高效率的神經(jīng)網(wǎng)絡(luò)，無需大量數(shù)據(jù)訓(xùn)練就能夠從容處理自然語言。他認(rèn)為，在現(xiàn)實世界中人們往往會用不同的方式表達(dá)同一個意思，機(jī)器無法通過訓(xùn)練窮舉所有例證。他和同事曾提出一種讓機(jī)器在較少數(shù)據(jù)訓(xùn)練情況下學(xué)會理解主題的方法：也就是使用相關(guān)主題的數(shù)據(jù)。比如在訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)動醫(yī)學(xué)方面的自然語言處理時，大可以利用運(yùn)動數(shù)據(jù)以及醫(yī)學(xué)相關(guān)數(shù)據(jù)。王剛指出，這種方法的效果不及使用特定數(shù)據(jù)。但在缺乏相關(guān)數(shù)據(jù)的情況下，也可以通過這種方法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
總之，就像Ainemo創(chuàng)始人宋晨楓認(rèn)為,在中國市場智能語音助理成功的關(guān)鍵在于內(nèi)容和服務(wù)。該公司曾于今年六月份發(fā)布了一款名為“小魚”的家用語音助理機(jī)器人。
宋晨楓計劃在智能語音助理中添加教育和保健的相關(guān)內(nèi)容。據(jù)悉，“小魚”家用語音機(jī)器人采用了百度的DuerOS會話平臺。宋晨楓指出，語音為包括老人和幼兒在內(nèi)的特殊人群訪問互聯(lián)網(wǎng)提供了新的內(nèi)容和方法。
微信掃一掃
