編者按：5月29日下午，有網(wǎng)易科技&智能硬件主辦的第四季開物沙龍在北京舉行，本次主題為智能語音與聊天機器人。微軟資深產(chǎn)品總監(jiān)、小娜項目負責(zé)人閆勃，ROOBO CTO雷宇，云知聲CTO梁家恩，海知智能CEO謝殿俠，思必馳CMO龍夢竹，出門問問NLP工程師李理分別發(fā)表了演講。與此同時，北極光創(chuàng)投副總裁蔡偉還與以上嘉賓進行了深度交流與討論。包括智能語音和聊天機器人都有哪些進步？智能語音是不是下一個互聯(lián)網(wǎng)入口？目前聊天機器人的瓶頸到底是什么？哪些語音交互場景最具增長潛力？等等。

智能語音在最近得到了國外互聯(lián)網(wǎng)巨頭得到了相當(dāng)程度的重視。除了蘋果推出的Siri，谷歌發(fā)布的Google Now，以及微軟推出的Cortana（小娜）以外，亞馬遜近段時間大力推廣Echo智能音箱，4月份，F(xiàn)acebook也宣布推出聊天機器人Messenger Platform，希望建立一個對話式的系統(tǒng)，實現(xiàn)訂餐、下單、獲取資訊等各種各樣的服務(wù)。接著，谷歌在今年5月的I/O大會上就發(fā)布了Google Home智能音箱。那么，巨頭們?yōu)楹稳绱诵那械牟季种悄苷Z音和聊天類智能硬件呢？在巨頭之外，中國的諸多創(chuàng)業(yè)公司也開始聲勢漸起。

智能語音和聊天機器人都有哪些進步？

目前聊天機器人的火爆，從技術(shù)角度看，微軟小娜項目負責(zé)人閆勃認為主要有兩點，一是得益于語音識別的提高，二是創(chuàng)業(yè)企業(yè)對垂直領(lǐng)域的語義理解技術(shù)的增強。這是做智能語音的企業(yè)從訓(xùn)練上拿到了更多語量，從實際的硬件產(chǎn)品使用上有了更多的用戶數(shù)據(jù)。

從語音識別角度看，一些企業(yè)已經(jīng)不僅僅限于識別文字，已經(jīng)出現(xiàn)了識別語調(diào)甚至定制人的聲音。據(jù)國內(nèi)創(chuàng)業(yè)企業(yè)思必馳CMO龍夢竹介紹，思必馳已經(jīng)能夠做到只需通過很短時間的訓(xùn)練數(shù)據(jù)，比如20分鐘或半小時，就能做出定制人的聲音。當(dāng)然，因為訓(xùn)練素材的問題，所以它的還原度沒有那么高，不會像剛才的童音和名人聲音那么真實，但至少能聽出這個人的屬性，讓未來的聲音可以定制化。

而在語義理解上，出門問問NLP工程師李理稱，出門問問在語義分析做了很多事情，一是問答系統(tǒng)，包括回答垂直領(lǐng)域的問答。比如對60多家服務(wù)提供查詢，比如查天氣、查周圍餐館、講笑話、切換歌曲和導(dǎo)航。另一個是通用領(lǐng)域的問答，比如“劉德華的老婆是誰？”“北京有多少人口？”等等。目前，出門問問已經(jīng)針對不同場景和服務(wù)做了多輪對話業(yè)務(wù)，比如訂餐、訂咖啡、打車、手機充值，包括訂票、送貨、上門服務(wù)等。

從產(chǎn)業(yè)的角度看，云知聲CTO梁家恩認為，聊天機器人的火爆是因為人工智能已經(jīng)進入產(chǎn)業(yè)化階段。在產(chǎn)業(yè)化的過程中，感知、認知和通用智能是三個不斷深化發(fā)展的過程。目前市場正處于從感知到認知的變化過程。感知過程主要是從信號到符合辨識的問題，以前機器智能只能接受確定性符號，對于圖像、語音這種變化性比較大的符號是沒辦法解決的?，F(xiàn)在隨著深度學(xué)習(xí)的推動個，不管是語音還是圖像都取得了大的突破性進展，包括深度學(xué)習(xí)也在自動駕駛方面起到了非常好的結(jié)果。

智能語音是不是下一個互聯(lián)網(wǎng)入口？

PC時代，瀏覽器成為了互聯(lián)網(wǎng)的一道入口；到了移動互聯(lián)網(wǎng)時代，以App  Store為代表各類應(yīng)用商店成為了入口。而到了IOT（物聯(lián)網(wǎng)）的時代，人工智能助手可能會成為入口。ROOBO CTO雷宇認為，從入口上可以看到用戶界面的交互方式，最早看到的是Web，然后是App，到了新時代可能是自然語言。

海知智能CEO謝殿俠也認為，從鍵盤、鼠標(biāo)到觸摸屏、再到語音交互或者說自然語言交互，這實際上是三個時代的變革。實際上，作為業(yè)內(nèi)很少露面的公司，海知智能的業(yè)務(wù)主要還是向開發(fā)者提供語義API接口，幫助開發(fā)產(chǎn)品。謝殿俠預(yù)計，到2020年人人事事物物都有自己的bot，就像皇帝有”三宮六院七十二妃“一樣，達到需求的爆發(fā)。

關(guān)于智能語音與互聯(lián)網(wǎng)相結(jié)合的未來的發(fā)展路徑，雷宇稱，現(xiàn)在所謂聊天機器人和Bot的基本框架，簡單來講它首先有一個載體。對于軟件機器人，肯定是有超級App，F(xiàn)acebook在上面的野心是非常大的。包括騰訊的微信，從某種意義上，微信公眾號也可以認為是機器人，只不過這個機器人和聊天系統(tǒng)比較隔離。之后一定會有智能助手出現(xiàn)，這是它的體現(xiàn)形式。然后后面是有很好的Bot  Framework，微軟在這方面做得不錯。最后還有一個服務(wù)方，因為一個企業(yè)不可能解決所有服務(wù)，因為用戶最終還是要它。

聊天機器人目前的發(fā)展瓶頸到底是什么？

然而，雖然以智能語音為基礎(chǔ)的聊天機器人在近期獲得了很大的發(fā)展，市場上也推出了一大批聊天類機器人。但是，這些機器人和智能語音技術(shù)仍然面臨語義理解不準(zhǔn)確、用戶黏性不強等問題。謝殿俠在沙龍上一針見血的指出，語言是思維的一種表述，語言本身有多樣性，也有多義性，你怎么能夠用現(xiàn)在二進制的計算機來理解多樣性和多義性的語言呢？

云知聲CTO梁家恩認為，聊天機器人面臨的困難是不斷的進行學(xué)習(xí)，而在機器學(xué)習(xí)方面面臨的最大困難就是缺乏一個穩(wěn)定性泛化能力。通俗的說，就是我們在實驗室用得很好，在現(xiàn)實的復(fù)雜環(huán)境中卻很難用起來。雖然目前的聊天機器人和特定的服務(wù)結(jié)合后獲得了一些發(fā)展，但是如何解決隨著數(shù)據(jù)積累越學(xué)越聰明，現(xiàn)在整個業(yè)界還沒有特別好的機制和辦法做這個工作。

龍夢竹認為，聊天機器人的最大瓶頸是缺乏人機交互，它的外觀做得再漂亮，也不過是一個玩具。龍夢竹還稱，我們在機器人里遇到的最大障礙就是遠場交互的問題。現(xiàn)場很多廠商只能做到5米內(nèi)的聲源定位。

至于如何解決聊天機器人面臨的困境，謝殿俠認為，智能語音這塊要突破，第一還需要巨大的數(shù)據(jù)、好的算法，甚至可能牽涉到現(xiàn)在計算機的結(jié)構(gòu)，另外知識圖譜也是很大的挑戰(zhàn)。閆勃認為，關(guān)于人工智能發(fā)展有幾個絕對因素，一是核心產(chǎn)品，二是生態(tài)性，只有產(chǎn)品落地，才能反哺整個技術(shù)在產(chǎn)品層面的再發(fā)展。

哪些語音交互場景最具增長潛力？

智能語音技術(shù)和聊天機器人得到了較大程度的提升，但又面臨一些問題。面向未來，創(chuàng)業(yè)企業(yè)該如何發(fā)展？哪些語音交互場景會成為最具潛力的市場？

關(guān)于智能語音交互的未來場景，沙龍嘉賓都表示，智能語音的技術(shù)應(yīng)用應(yīng)該集中在垂直領(lǐng)域上，例如小孩和老人。閆勃提醒到，智能語音的市場突破一定要有特定的人群、特定場景來體現(xiàn)。在具體場景上，雷宇認為，有潛力的使用場景是客服以及功能、助理類的場景。感情機器人和閑聊還有很長的路要走。龍夢竹則認為，智能語音目前被看好的交互場景應(yīng)該是車載。這是因為家庭的場景太復(fù)雜，還需要數(shù)年的進步，但車載對于語音控制和對話是剛需。

謝殿俠稱，目前智能語音技術(shù)應(yīng)用的關(guān)鍵有三點，一是找到用戶的痛點，落地到具體的產(chǎn)品。二是讓機器人能懂得每句話的意思，理解準(zhǔn)確。三是發(fā)展用戶量。謝殿俠認為，從具體的能夠突破的用戶場景上，家庭里的智能音箱類產(chǎn)品會起來。第二塊是出行領(lǐng)域，比如車載控制和對話會逐漸火熱。第三塊是辦公領(lǐng)域，將會有各種各樣專業(yè)的知識工作者會在或大或小的程度被簡化或者被替代。

從產(chǎn)業(yè)鏈的角度看，不同于其他幾家通過豐富的服務(wù)把信息查詢到信息服務(wù)打成閉環(huán)的模式，出門問問的思路是做一個領(lǐng)域必須要從硬件、軟件、操作系統(tǒng)各個環(huán)節(jié)都能深度定制，他們認為只有這樣才能帶給用戶最好的體驗。

放眼更遠的未來，閆勃認為，人工智能下一階段的發(fā)展，在電影作品、文學(xué)作品里，第一部最突出意義上的感情交流就是《HER》這部電影，主人公和人工智能（虛擬人）之間產(chǎn)生了情感交流。閆勃稱，微軟也會大力提倡“情感交流”的概念，這樣才能讓智能語音真正走近一個爆發(fā)點。