siri未來(lái)能讀心？看看AI語(yǔ)音助手的五大進(jìn)階趨勢(shì)

【網(wǎng)易智能訊 10月9日消息】自2011年Siri首次出現(xiàn)在iPhone 4S上以來(lái)，語(yǔ)音助手已經(jīng)從一種華而不實(shí)的噱頭變成了智能音箱技術(shù)的根基。未來(lái)的AI語(yǔ)音助手還會(huì)進(jìn)化成什么樣的高度呢？

如今，智能音箱已經(jīng)滲透到了美國(guó)六分之一的家庭。

尖端人工智能語(yǔ)音技術(shù)開(kāi)發(fā)商N(yùn)uance Communications的創(chuàng)新主管湯姆?赫伯納(Tom Hebner)向Digital Trends表示：“在Siri出現(xiàn)之前，當(dāng)我談?wù)?我所做的)事情時(shí)，人們的眼神都是茫然困惑的。人們會(huì)說(shuō)，‘是你們開(kāi)發(fā)了那些可怕的手機(jī)系統(tǒng)嗎？我恨你們。’當(dāng)時(shí)人們對(duì)于語(yǔ)音技術(shù)都是這樣的反應(yīng)。”

但今天情況已經(jīng)截然不同了。據(jù)市場(chǎng)研究機(jī)構(gòu)eMarketer預(yù)測(cè)，到2020年，將有近1億智能手機(jī)用戶使用語(yǔ)音助手。盡管人工智能助手不再是新鮮事物，但我們?nèi)蕴幱谠擃惣夹g(shù)的進(jìn)化初期。要完全兌現(xiàn)語(yǔ)音助手作為一個(gè)產(chǎn)品類別的潛力，仍然長(zhǎng)路漫漫。

目前，可以從以下五個(gè)方面來(lái)讓AI 助手變得更智能、更高效，從而幫助我們過(guò)上富有成效的生活。姑且把它們稱為“預(yù)測(cè)”或“愿望清單”，畢竟它們都是些需要解決的挑戰(zhàn)。

1）充實(shí)專業(yè)知識(shí)庫(kù)

亞馬遜的AI語(yǔ)音助手Alexa可以告訴你各種各樣的東西，比如：馬來(lái)西亞吉隆坡的天氣狀況；總共720南非蘭特可以兌換720美元；生僻復(fù)雜的單詞如何拼寫(xiě)。但從本質(zhì)上講，消費(fèi)級(jí)人工智能助手就相當(dāng)于數(shù)字世界中一個(gè)擁有一整套最新百科全書(shū)的人。你從它們那里得到了正確的信息，但它們并不具備專業(yè)級(jí)別的專項(xiàng)知識(shí)。

赫伯納在接受Digital Trends采訪時(shí)表示：“你家里的智能設(shè)備所面臨的挑戰(zhàn)是，它們嘗試給你解決的事情太過(guò)寬泛了。”

這是一個(gè)很難解決的問(wèn)題，但一旦解決了，就能產(chǎn)生顛覆性的影響。Nuance開(kāi)發(fā)了許多針對(duì)特定用例的專家級(jí)系統(tǒng)，比如幫助航空公司客服回答客戶的問(wèn)題，或者幫助醫(yī)生做筆記。這樣做不僅意味著這些系統(tǒng)可以深度獲取更詳盡的信息，還意味著它們可以產(chǎn)生更多的智能。“人們對(duì)能夠理解單詞意思的計(jì)算機(jī)感到非常興奮，但如果計(jì)算機(jī)不知道該如何作出回應(yīng)，那就不一定有意義了。”赫伯納說(shuō)道。

他列舉了一個(gè)例子：一個(gè)Nuance系統(tǒng)不僅能理解醫(yī)生跟病人說(shuō)的潛在藥物清單，還能指出那些藥物之間潛在的沖突。這遠(yuǎn)遠(yuǎn)超出了大多數(shù)消費(fèi)級(jí)人工智能助手的能力。

然而，AI助手在不同領(lǐng)域擁有更專業(yè)、更詳盡的知識(shí)——Alexa技能暗示了這一點(diǎn)——可能是革命性的。從表面上看，向你的智能助手尋求法律或醫(yī)療方面的專業(yè)建議聽(tīng)起來(lái)很瘋狂。但業(yè)界在法律機(jī)器人等領(lǐng)域已經(jīng)取得了非凡的進(jìn)步，最近發(fā)布的一份報(bào)告也顯示，蘋(píng)果希望到2021年Siri能夠與用戶進(jìn)行以健康為主題的對(duì)話。

人工智能助手的專業(yè)知識(shí)圖譜可謂兌現(xiàn)了科幻小說(shuō)的情節(jié)，最近發(fā)布的Voicebot.ai報(bào)告也顯示，虛擬助手的技能集正在迅速擴(kuò)大。隨著它們進(jìn)入各個(gè)專業(yè)領(lǐng)域，我們將會(huì)受益不淺！

2）更強(qiáng)的個(gè)性化功能

今天智能音箱的個(gè)性化還處于起步階段。你可以改變語(yǔ)音助手的口音和性別表現(xiàn)，為其添加或刪除技能，給它輸入一些信息，比如你的名字和工作地點(diǎn)。在某些情況下，你可以設(shè)置多個(gè)語(yǔ)音配置文件，以便谷歌的Google Home能夠識(shí)別你家中的各個(gè)成員。

亞馬遜Echo Show智能音箱

但智能助手在個(gè)性化上還有很大的提升空間——不過(guò)往這方面努力還是很值得的。Mattersight公司開(kāi)發(fā)了一種名為“預(yù)測(cè)行為路由選擇”(Predictive Behavioral Routing)的人工智能呼叫中心技術(shù)，該技術(shù)可以分析呼叫者的言語(yǔ)模式，并將其與性格相容的人類接線員進(jìn)行匹配。根據(jù)該公司的說(shuō)法，給呼叫者匹配性格相容的人類接線員有助于溝通順暢，相比匹配性格相沖突的接線員，通話的時(shí)間也能縮減一半。

使用類似的方法，可能會(huì)使得人工智能助手會(huì)用你喜歡的方式與你交談。比如提供像匹配談話對(duì)象的口音和音量這樣的簡(jiǎn)單的功能?；蛘?，智能助手也可以改變其表達(dá)方式，對(duì)某些用戶使用更有感情色彩的詞匯來(lái)表達(dá)感想，而不是像面對(duì)其他用戶那樣更多地使用細(xì)節(jié)性的信息。也許有的人想要與語(yǔ)音助手進(jìn)行長(zhǎng)時(shí)間的交談，有的人則只是想要語(yǔ)音助手能以最簡(jiǎn)潔的方式傳達(dá)必要的信息。人工智能助手應(yīng)該同時(shí)具備這兩種能力。

像谷歌Duplex這樣的技術(shù)顯示出，人工智能生成的合成語(yǔ)音和對(duì)話正在變得多么地準(zhǔn)確。隨著人工智能涉足比回應(yīng)歌曲播放請(qǐng)求和設(shè)定食物定時(shí)器更復(fù)雜的任務(wù)，預(yù)計(jì)這項(xiàng)技術(shù)將會(huì)在我們的日常生活中扮演更加重要的角色。

這有望借助語(yǔ)音識(shí)別技術(shù)的突破得到實(shí)現(xiàn)。赫伯納指出，Nuance的技術(shù)僅憑一秒鐘的音頻便能識(shí)別用戶身份。 “過(guò)去，語(yǔ)音識(shí)別技術(shù)需要10秒鐘的時(shí)間才能了解你是誰(shuí)，才能得到準(zhǔn)確的信號(hào)。” 他說(shuō)，“如今，這種技術(shù)威力非常強(qiáng)大。”這種技術(shù)能夠通過(guò)一小段語(yǔ)音識(shí)別用戶意味著它能解決密碼問(wèn)題，也意味著你可以選擇使用語(yǔ)音助手來(lái)獲取相對(duì)微妙的機(jī)密信息。

3）由被動(dòng)變主動(dòng)

優(yōu)秀的助手會(huì)在你提出要求的時(shí)候給你做事，而卓越的助手則不需要你提出要求，而是能夠前瞻性地主動(dòng)幫你解決問(wèn)題。目前，人工智能助手還處于第一個(gè)階段。用戶可以得到他們想要的歌曲，可以得到他們所需要的提醒，但通常只有在他們向語(yǔ)音助手明確提出要求以后才能得到。隨著人們?cè)絹?lái)越習(xí)慣于使用語(yǔ)音助手，它們有很大的機(jī)會(huì)從單純的被動(dòng)型設(shè)備轉(zhuǎn)變?yōu)橹鲃?dòng)型設(shè)備。

你覺(jué)得人工智能助手代表你做決定怎么樣？這些建議可以是：當(dāng)有人說(shuō)他們覺(jué)得冷的時(shí)候，把恒溫器打開(kāi)；或者因?yàn)槟氵t到了，重新預(yù)約了一次午餐會(huì)議；督促你更多地進(jìn)行運(yùn)動(dòng)鍛煉，或者節(jié)省開(kāi)支。隨著越來(lái)越多的智能設(shè)備進(jìn)入家庭，語(yǔ)音助手可以控制的東西將會(huì)大大增加。

這在一定程度上是一個(gè)社會(huì)問(wèn)題，即人們對(duì)讓機(jī)器做決策有多放心。人們是否愿意把某些任務(wù)交給機(jī)器呢？這還存在很大的疑問(wèn)。不妨將此想象成把你的信用卡和房子鑰匙交給你的人類助手。不好的地方在于，你得放棄一定程度的控制權(quán)。潛在的好處是你會(huì)有更多的空閑時(shí)間。當(dāng)然，這是一個(gè)巨大的技術(shù)挑戰(zhàn)……

4）反饋機(jī)制

赫伯納指出了賦予語(yǔ)音助手主動(dòng)性的一大挑戰(zhàn)：我們的機(jī)器如何知道自己做對(duì)還是做錯(cuò)？說(shuō)回“優(yōu)秀的助手”和“卓越的助手”的概念上，卓越的助手會(huì)在一個(gè)大型會(huì)議之前把你所有的文件都拿出來(lái)，而不需要你提出要求。但是，如果文件拿的不對(duì)呢？讓家庭人工智能助手變得更主動(dòng)的一個(gè)大問(wèn)題在于，目前只有有限的方法來(lái)揭示我們獲得的信息是不是我們所需要的信息。

Pepper人型機(jī)器人

“如果我每天走進(jìn)家門(mén)都要聽(tīng)同一首歌，然后有一天我走進(jìn)家門(mén)，智能助手就開(kāi)始播放，它怎么知道自己選對(duì)歌了呢？”赫伯納說(shuō)，“如果我不停止播放，那是否意味著它選對(duì)了呢？如果我跟它說(shuō)“停止播放”，那又是不是意味著它選錯(cuò)了，不應(yīng)該再播放那首歌了？反饋機(jī)制缺失，是你沒(méi)有得到更積極主動(dòng)的智能系統(tǒng)的原因之一。”

對(duì)于工程師來(lái)說(shuō)，這是一個(gè)具有挑戰(zhàn)性的問(wèn)題。任何有過(guò)被實(shí)習(xí)生就每一項(xiàng)任務(wù)征求指導(dǎo)和反饋意見(jiàn)的經(jīng)歷的人都知道，有時(shí)候自己親自做一項(xiàng)工作比委派別人去做來(lái)得更容易。人工智能助手要能夠讓你的生活工作變得更順暢；而不是每天讓你做幾十個(gè)小調(diào)查來(lái)確認(rèn)它的工作有沒(méi)有做對(duì)。這將需要以一種不會(huì)損害這些設(shè)備的用戶友好性的方式來(lái)解決，并且在系統(tǒng)了解你的偏好之前不需要進(jìn)行大量的預(yù)先培訓(xùn)。

5）新的交互方式

科幻電影《2001太空漫游》(2001：a Space Odyssey)有這么一個(gè)場(chǎng)景：兇殘的HAL 9000——令人不安的是，它仍然是歷史上最著名的虛構(gòu)人工智能助手——揭示出，它不只是利用麥克風(fēng)來(lái)判斷別人對(duì)它說(shuō)了什么。當(dāng)兩名機(jī)組人員試圖選擇一個(gè)他們知道HAL 9000聽(tīng)不見(jiàn)的地方說(shuō)話時(shí)，HAL 9000透露，透過(guò)閱讀兩人的嘴唇運(yùn)動(dòng)，它仍然能夠知道他們說(shuō)了些什么。

很可怕吧？未來(lái)人工智能助手或許也能這么干。

語(yǔ)音助手應(yīng)該局限于語(yǔ)音互動(dòng)的想法，減少了它們與我們有效互動(dòng)的潛在方式。隨著面部識(shí)別和情緒跟蹤技術(shù)日益興起，人們?cè)絹?lái)越多的生物特征識(shí)別數(shù)據(jù)被不斷收集，讀心技術(shù)甚至也有可能出現(xiàn)，人工智能助手可以使用大量不同的信號(hào)來(lái)得出結(jié)論。

10年后，我們將只能使用語(yǔ)音來(lái)控制這些人工智能助手的想法，就像在上世紀(jì)80年代初看到個(gè)人電腦時(shí)，會(huì)想，我們永遠(yuǎn)不會(huì)再有別的帶有鍵盤(pán)的計(jì)算設(shè)備。（樂(lè)邦）