兩個月前的Google I/O大會上,“劈柴哥”祭出了手中的王牌AI:GoogleAssistant的一句“嗯哼”,讓全場為之驚艷。
在語音助手的智能化標準還是如何做到“像人”的時候,Google Assistant的語氣詞,給人的感覺像是在和真人對話。本以為谷歌會因此再度“封神”,卻沒想到在不到兩個月后的百度AI開發(fā)者大會上,百度的AI客服便上演了更精彩的一幕。
會賣萌的AI客服
介紹完L4級別無人駕駛的阿波龍后,李彥宏似乎想讓現(xiàn)場的開發(fā)者們輕松一下,播放了兩段AI客服邀請開發(fā)者參加百度AI開發(fā)者大會的錄音。錄音中,百度的AI客服不僅會在對話中自然地加入“喔”、“額”、“嗯”等語氣詞,還能清楚地聽到它換氣和呼吸的聲音,給人的感覺像是在和真人對話。
如果只有這些的話,百度AI客服和Google Assistant算是旗鼓相當,但電話過程中的一個個小插曲,除了現(xiàn)場的一陣陣笑聲,也著實讓人領略到了百度的技高一籌。這里對兩段AI客服和開發(fā)者的對話片段做一個還原:
對話一:
開發(fā)者:“誒,你是不是機器人???”
AI客服:“呃……被您發(fā)現(xiàn)啦,我是開發(fā)者大會智能客服機器人,很高興為您服務。”
開發(fā)者:“機器人,哈哈,那你是哪里人?。俊?/p>
AI客服:“這個還用問么,我是百度人?!?/p>
開發(fā)者:“那百度給你發(fā)工資嗎?”
AI客服:“嗯……百度為我免費充電?!?/p>
對話二:
AI客服:“想給您確認,4號、5號的百度AI開發(fā)者大會是否會出席?”
開發(fā)者:“會。”
AI客服:“哦,好的?!?/p>
開發(fā)者:“喂?”
AI客服:“嗯,您說。”
開發(fā)者:“哦,沒事,我以為你是機器人呢,哈哈哈哈,不好意思?!?/p>
事實上,從7月1號開始這位特殊的客服勤勤懇懇地服務了幾百位開發(fā)者,有人聽出了機器人的身份,有人壓根就沒有發(fā)覺,有人誤以為是機器人接下來又自我否定……雖然百度官方沒有做出正式的公告,但百度的AI客服已經在某種程度上通過了圖靈測試,比如機智地應對突如其來的質疑。
人類的語言系統(tǒng)一直是個奧秘,文字僅僅承載了20%的溝通,剩下的80%要靠情感來溝通,從而聽出對話人的喜怒哀樂,做出不失分寸的回答,這也成了人機對話與生俱來的瓶頸。即便語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,自然會被開發(fā)者們吐槽成“人工智障”。
而百度AI客服驚艷的地方就在于:不僅可以通過語氣詞“蒙混過關”,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,依舊應答如流。
AI為何要學會打電話?
驗證AI語音能力的方式有很多,為何百度要選擇打電話?這還要從谷歌和微軟的兩個先例說起。
正如前面所提到的Google Assistant用一句“嗯哼”驚艷全場,其實是谷歌有意展示語音助手幫客戶打預約電話的能力,比如電話訂餐、理發(fā)店預約啥的,甚至將Google Duplex定義為能打電話完成真實世界任務的 AI 系統(tǒng)。
無獨有偶,微軟在中國召開的人工智能大會上也上演了一場電話秀,甚至為了Diss 隔壁 的Google Duplex,微軟宣布在過去兩年的時間內,小冰與人類用戶完成了累計超過 60 萬通電話交流,并將小冰定義為情感聊天機器人。
弄明白了這個問題,我們不妨對比下百度、谷歌、微軟三家人工智能的“打電話”能力。
Google Duplex與真人溝通對話的過程中,可以準確理解人類語言,并根據任務目標做出合理自然的應答。目前這項技術針對的是執(zhí)行一些特定的任務,比如為某幾類活動約定時間。而對話之所以聽起來真實自然,在于使用了一個級聯(lián) TTS 引擎和一個生成式 TTS 引擎,能根據不同的情境控制語音的語調,同時生成一些語氣詞。
第五代小冰采用了全雙工語音技術和生成模型,允許數(shù)據在兩個方向上同時傳輸,可以實時預測人類即將說出的內容,實時生成回應,并控制對話節(jié)奏,從而使長程語音交互成為可能。此外采用該技術的智能硬件設備,也不需要用戶在每輪交互時都說出喚醒詞,僅需一次喚醒,就可以輕松實現(xiàn)連續(xù)對話,使人與機器的對話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,“多模態(tài)深度語義理解”是百度大腦3.0的核心,包括數(shù)據語義、知識語義、視覺語義、語音語義一體化和自然語言語義等等。而在語音對話方面主要有兩點,一個是自然語言處理和知識圖譜,讓AI有能力回答“超綱”的問題;另一個是語音合成怎么聽起來更加自然的語音語義一體化技術,將傳統(tǒng)的拼接技術和最新的WaveNet技術有機結合在一起,既保證了拼接時說話人的情感,又保證了在WaveNet技術中輸出聲音的穩(wěn)定性,同時降低了需要使用的數(shù)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料庫的階段,打電話也符合小冰作為“聊天機器人”的定位;Google Assistant仍然只能完成特定任務,完全替代“人類助理”仍尚需時日;而百度借助AI客戶則展示了全方位的溝通對話能力,特別是被“識破”后的機智,讓外界看到了開放應用的可能。
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、微軟那么簡單,早在去年9月份,在百度金融APP中在線機器人的服務占比就已經高達95%。也從另一個層面證實:對手們還在炫技的時候,百度已經開始了商業(yè)化的應用。
而AI智能客服涉及到的語音語義一體化、自然語言處理等只是百度大腦3.0的一小部分能力。比如視覺語義化可以讓機器從看清到看懂視頻,可以實現(xiàn)顧客在無人超市購物的完整體驗;數(shù)據語義化技術可以將大千世界中多元、異構和多模態(tài)的三元空間大數(shù)據,形成包含千億節(jié)點、萬億關系的龐大數(shù)據語義網絡。如此種種。
值得一提的是,目前百度大腦3.0已經對外開放了110多項領先的AI能力,并通過開放EasyDL等定制化平臺、軟硬一體的AI能力,持續(xù)降低AI應用門檻,幫助開發(fā)者和企業(yè)應用AI實現(xiàn)業(yè)務創(chuàng)新與升級。這也是谷歌、微軟難以企及的。
也就是說,開發(fā)者可以通過簡單的接口調用就能獲得強大的AI能力,進而不斷讓創(chuàng)意落地成真。就拿語音語義一體化技術來說,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品上,甚至是我們預想不到的場景里。
關于人工智能的使命,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。相信這絕非是一句空談,就好像會賣萌的AI客服,難道不是你Pick的對象嗎?
(免責聲明:本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網站出現(xiàn)的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。 )