在語(yǔ)音助手的智能化標準還是如何做到“像人”的時(shí)候，GoogleAssistant的語(yǔ)氣詞，給人的感覺(jué)像是在和真人對話(huà)。本以為谷歌會(huì )因此再度“封神”，卻沒(méi)想到在不到兩個(gè)月后的百度AI開(kāi)發(fā)者大會(huì )上，百度的AI客服便上演了更精彩的一幕。
會(huì )賣(mài)萌的AI客服
介紹完L4級別無(wú)人駕駛的阿波龍后，李彥宏似乎想讓現場(chǎng)的開(kāi)發(fā)者們輕松一下，播放了兩段AI客服邀請開(kāi)發(fā)者參加百度AI開(kāi)發(fā)者大會(huì )的錄音。錄音中，百度的AI客服不僅會(huì )在對話(huà)中自然地加入“喔”、“額”、“嗯”等語(yǔ)氣詞，還能清楚地聽(tīng)到它換氣和呼吸的聲音，給人的感覺(jué)像是在和真人對話(huà)。
如果只有這些的話(huà)，百度AI客服和GoogleAssistant算是旗鼓相當，但電話(huà)過(guò)程中的一個(gè)個(gè)小插曲，除了現場(chǎng)的一陣陣笑聲，也著(zhù)實(shí)讓人領(lǐng)略到了百度的技高一籌。這里對兩段AI客服和開(kāi)發(fā)者的對話(huà)片段做一個(gè)還原：
對話(huà)一：
開(kāi)發(fā)者：“誒，你是不是機器人啊？”
AI客服：“呃……被您發(fā)現啦，我是開(kāi)發(fā)者大會(huì )智能客服機器人，很高興為您服務(wù)。”
開(kāi)發(fā)者：“機器人，哈哈，那你是哪里人啊？”
AI客服：“這個(gè)還用問(wèn)么，我是百度人。”
開(kāi)發(fā)者：“那百度給你發(fā)工資嗎？”
AI客服：“嗯……百度為我免費充電。”
對話(huà)二：
AI客服：“想給您確認，4號、5號的百度AI開(kāi)發(fā)者大會(huì )是否會(huì )出席？”
開(kāi)發(fā)者：“會(huì )。”
AI客服：“哦，好的。”
開(kāi)發(fā)者：“喂？”
AI客服：“嗯，您說(shuō)。”
開(kāi)發(fā)者：“哦，沒(méi)事，我以為你是機器人呢，哈哈哈哈，不好意思。”
事實(shí)上，從7月1號開(kāi)始這位特殊的客服勤勤懇懇地服務(wù)了幾百位開(kāi)發(fā)者，有人聽(tīng)出了機器人的身份，有人壓根就沒(méi)有發(fā)覺(jué)，有人誤以為是機器人接下來(lái)又自我否定……雖然百度官方?jīng)]有做出正式的公告，但百度的AI客服已經(jīng)在某種程度上通過(guò)了圖靈測試，比如機智地應對突如其來(lái)的質(zhì)疑。
人類(lèi)的語(yǔ)言系統一直是個(gè)奧秘，文字僅僅承載了20%的溝通，剩下的80%要靠情感來(lái)溝通，從而聽(tīng)出對話(huà)人的喜怒哀樂(lè )，做出不失分寸的回答，這也成了人機對話(huà)與生俱來(lái)的瓶頸。即便語(yǔ)音識別的準確度高達97%以上，人家“喂”了一聲之后就不知道怎么接茬，自然會(huì )被開(kāi)發(fā)者們吐槽成“人工智障”。
而百度AI客服驚艷的地方就在于：不僅可以通過(guò)語(yǔ)氣詞“蒙混過(guò)關(guān)”，就算被識破后也能做出機智幽默的回答，即使是比較刁鉆的提問(wèn)，依舊應答如流。
AI為何要學(xué)會(huì )打電話(huà)？
驗證AI語(yǔ)音能力的方式有很多，為何百度要選擇打電話(huà)？這還要從谷歌和微軟的兩個(gè)先例說(shuō)起。
正如前面所提到的Google Assistant用一句“嗯哼”驚艷全場(chǎng)，其實(shí)是谷歌有意展示語(yǔ)音助手幫客戶(hù)打預約電話(huà)的能力，比如電話(huà)訂餐、理發(fā)店預約啥的，甚至將GoogleDuplex定義為能打電話(huà)完成真實(shí)世界任務(wù)的AI系統。
無(wú)獨有偶，微軟在中國召開(kāi)的人工智能大會(huì )上也上演了一場(chǎng)電話(huà)秀，甚至為了Diss隔壁的GoogleDuplex，微軟宣布在過(guò)去兩年的時(shí)間內，小冰與人類(lèi)用戶(hù)完成了累計超過(guò)60萬(wàn)通電話(huà)交流，并將小冰定義為情感聊天機器人。
弄明白了這個(gè)問(wèn)題，我們不妨對比下百度、谷歌、微軟三家人工智能的“打電話(huà)”能力。
GoogleDuplex與真人溝通對話(huà)的過(guò)程中，可以準確理解人類(lèi)語(yǔ)言，并根據任務(wù)目標做出合理自然的應答。目前這項技術(shù)針對的是執行一些特定的任務(wù)，比如為某幾類(lèi)活動(dòng)約定時(shí)間。而對話(huà)之所以聽(tīng)起來(lái)真實(shí)自然，在于使用了一個(gè)級聯(lián)TTS引擎和一個(gè)生成式TTS引擎，能根據不同的情境控制語(yǔ)音的語(yǔ)調，同時(shí)生成一些語(yǔ)氣詞。
第五代小冰采用了全雙工語(yǔ)音技術(shù)和生成模型，允許數據在兩個(gè)方向上同時(shí)傳輸，可以實(shí)時(shí)預測人類(lèi)即將說(shuō)出的內容，實(shí)時(shí)生成回應，并控制對話(huà)節奏，從而使長(cháng)程語(yǔ)音交互成為可能。此外采用該技術(shù)的智能硬件設備，也不需要用戶(hù)在每輪交互時(shí)都說(shuō)出喚醒詞，僅需一次喚醒，就可以輕松實(shí)現連續對話(huà)，使人與機器的對話(huà)更像人與人的自然交流。
百度AI客服的內核是百度大腦3.0，按照王海峰博士的解釋?zhuān)?ldquo;多模態(tài)深度語(yǔ)義理解”是百度大腦3.0的核心，包括數據語(yǔ)義、知識語(yǔ)義、視覺(jué)語(yǔ)義、語(yǔ)音語(yǔ)義一體化和自然語(yǔ)言語(yǔ)義等等。而在語(yǔ)音對話(huà)方面主要有兩點(diǎn)，一個(gè)是自然語(yǔ)言處理和知識圖譜，讓AI有能力回答“超綱”的問(wèn)題；另一個(gè)是語(yǔ)音合成怎么聽(tīng)起來(lái)更加自然的語(yǔ)音語(yǔ)義一體化技術(shù)，將傳統的拼接技術(shù)和最新的WaveNet技術(shù)有機結合在一起，既保證了拼接時(shí)說(shuō)話(huà)人的情感，又保證了在WaveNet技術(shù)中輸出聲音的穩定性，同時(shí)降低了需要使用的數據和成本。
似乎可以下出這樣的結論：微軟小冰剛剛走出搜語(yǔ)料庫的階段，打電話(huà)也符合小冰作為“聊天機器人”的定位；GoogleAssistant仍然只能完成特定任務(wù)，完全替代“人類(lèi)助理”仍尚需時(shí)日；而百度借助AI客戶(hù)則展示了全方位的溝通對話(huà)能力，特別是被“識破”后的機智，讓外界看到了開(kāi)放應用的可能。
不僅僅是AI客服
百度選擇以“客服”展示AI能力，恐怕不只是對標谷歌、微軟那么簡(jiǎn)單，早在去年9月份，在百度金融A(yíng)PP中在線(xiàn)機器人的服務(wù)占比就已經(jīng)高達95%。也從另一個(gè)層面證實(shí)：對手們還在炫技的時(shí)候，百度已經(jīng)開(kāi)始了商業(yè)化的應用。
而AI智能客服涉及到的語(yǔ)音語(yǔ)義一體化、自然語(yǔ)言處理等只是百度大腦3.0的一小部分能力。比如視覺(jué)語(yǔ)義化可以讓機器從看清到看懂視頻，可以實(shí)現顧客在無(wú)人超市購物的完整體驗；數據語(yǔ)義化技術(shù)可以將大千世界中多元、異構和多模態(tài)的三元空間大數據，形成包含千億節點(diǎn)、萬(wàn)億關(guān)系的龐大數據語(yǔ)義網(wǎng)絡(luò )。如此種種。
值得一提的是，目前百度大腦3.0已經(jīng)對外開(kāi)放了110多項領(lǐng)先的AI能力，并通過(guò)開(kāi)放EasyDL等定制化平臺、軟硬一體的AI能力，持續降低AI應用門(mén)檻，幫助開(kāi)發(fā)者和企業(yè)應用AI實(shí)現業(yè)務(wù)創(chuàng )新與升級。這也是谷歌、微軟難以企及的。
也就是說(shuō)，開(kāi)發(fā)者可以通過(guò)簡(jiǎn)單的接口調用就能獲得強大的AI能力，進(jìn)而不斷讓創(chuàng )意落地成真。就拿語(yǔ)音語(yǔ)義一體化技術(shù)來(lái)說(shuō)，不單單是百度的AI客服，還將被應用在智能音箱、智能電視、智能手機等一系列軟硬件產(chǎn)品上，甚至是我們預想不到的場(chǎng)景里。
關(guān)于人工智能的使命，百度是這么回答的：從重復、低效、繁重的腦力判斷工作中把人解放出來(lái)。相信這絕非是一句空談，就好像會(huì )賣(mài)萌的AI客服，難道不是你Pick的對象嗎？
