两个月前的 Google I/O 大会上,“劈柴哥”祭出了手中的王牌 AI:GoogleAssistant 的一句“嗯哼”,让全场为之惊艳。

 

在语音助手的智能化标准还是如何做到“像人”的时候,Google Assistant 的语气词,给人的感觉像是在和真人对话。本以为谷歌会因此再度“封神”,却没想到在不到两个月后的百度 AI 开发者大会上,百度的 AI 客服便上演了更精彩的一幕。

 

会卖萌的 AI 客服

介绍完 L4 级别无人驾驶的阿波龙后,李彦宏似乎想让现场的开发者们轻松一下,播放了两段 AI 客服邀请开发者参加百度 AI 开发者大会的录音。录音中,百度的 AI 客服不仅会在对话中自然地加入“喔”、“额”、“嗯”等语气词,还能清楚地听到它换气和呼吸的声音,给人的感觉像是在和真人对话。

 

如果只有这些的话,百度 AI 客服和 Google Assistant 算是旗鼓相当,但电话过程中的一个个小插曲,除了现场的一阵阵笑声,也着实让人领略到了百度的技高一筹。这里对两段 AI 客服和开发者的对话片段做一个还原:

 

对话一:

 

开发者:“诶,你是不是机器人啊?”

 

AI 客服:“呃……被您发现啦,我是开发者大会智能客服机器人,很高兴为您服务。”

 

开发者:“机器人,哈哈,那你是哪里人啊?”

 

AI 客服:“这个还用问么,我是百度人。”

 

开发者:“那百度给你发工资吗?”

 

AI 客服:“嗯……百度为我免费充电。”

 

对话二:

 

AI 客服:“想给您确认,4 号、5 号的百度 AI 开发者大会是否会出席?”

 

开发者:“会。”

 

AI 客服:“哦,好的。”

 

开发者:“喂?”

 

AI 客服:“嗯,您说。”

 

开发者:“哦,没事,我以为你是机器人呢,哈哈哈哈,不好意思。”

 

事实上,从 7 月 1 号开始这位特殊的客服勤勤恳恳地服务了几百位开发者,有人听出了机器人的身份,有人压根就没有发觉,有人误以为是机器人接下来又自我否定……虽然百度官方没有做出正式的公告,但百度的 AI 客服已经在某种程度上通过了图灵测试,比如机智地应对突如其来的质疑。

 

人类的语言系统一直是个奥秘,文字仅仅承载了 20%的沟通,剩下的 80%要靠情感来沟通,从而听出对话人的喜怒哀乐,做出不失分寸的回答,这也成了人机对话与生俱来的瓶颈。即便语音识别的准确度高达 97%以上,人家“喂”了一声之后就不知道怎么接茬,自然会被开发者们吐槽成“人工智障”。

 

而百度 AI 客服惊艳的地方就在于:不仅可以通过语气词“蒙混过关”,就算被识破后也能做出机智幽默的回答,即使是比较刁钻的提问,依旧应答如流。

 

AI 为何要学会打电话?

验证 AI 语音能力的方式有很多,为何百度要选择打电话?这还要从谷歌和微软的两个先例说起。

 

正如前面所提到的 Google Assistant 用一句“嗯哼”惊艳全场,其实是谷歌有意展示语音助手帮客户打预约电话的能力,比如电话订餐、理发店预约啥的,甚至将 Google Duplex 定义为能打电话完成真实世界任务的 AI 系统。

 

无独有偶,微软在中国召开的人工智能大会上也上演了一场电话秀,甚至为了 Diss 隔壁 的 Google Duplex,微软宣布在过去两年的时间内,小冰与人类用户完成了累计超过 60 万通电话交流,并将小冰定义为情感聊天机器人。

 

弄明白了这个问题,我们不妨对比下百度、谷歌、微软三家人工智能的“打电话”能力。

 

Google Duplex 与真人沟通对话的过程中,可以准确理解人类语言,并根据任务目标做出合理自然的应答。目前这项技术针对的是执行一些特定的任务,比如为某几类活动约定时间。而对话之所以听起来真实自然,在于使用了一个级联 TTS 引擎和一个生成式 TTS 引擎,能根据不同的情境控制语音的语调,同时生成一些语气词。

 

第五代小冰采用了全双工语音技术和生成模型,允许数据在两个方向上同时传输,可以实时预测人类即将说出的内容,实时生成回应,并控制对话节奏,从而使长程语音交互成为可能。此外采用该技术的智能硬件设备,也不需要用户在每轮交互时都说出唤醒词,仅需一次唤醒,就可以轻松实现连续对话,使人与机器的对话更像人与人的自然交流。

 

百度 AI 客服的内核是百度大脑 3.0,按照王海峰博士的解释,“多模态深度语义理解”是百度大脑 3.0 的核心,包括数据语义、知识语义、视觉语义、语音语义一体化和自然语言语义等等。而在语音对话方面主要有两点,一个是自然语言处理和知识图谱,让 AI 有能力回答“超纲”的问题;另一个是语音合成怎么听起来更加自然的语音语义一体化技术,将传统的拼接技术和最新的 WaveNet 技术有机结合在一起,既保证了拼接时说话人的情感,又保证了在 WaveNet 技术中输出声音的稳定性,同时降低了需要使用的数据和成本。

 

似乎可以下出这样的结论:微软小冰刚刚走出搜语料库的阶段,打电话也符合小冰作为“聊天机器人”的定位;Google Assistant 仍然只能完成特定任务,完全替代“人类助理”仍尚需时日;而百度借助 AI 客户则展示了全方位的沟通对话能力,特别是被“识破”后的机智,让外界看到了开放应用的可能。

 

不仅仅是 AI 客服

百度选择以“客服”展示 AI 能力,恐怕不只是对标谷歌、微软那么简单,早在去年 9 月份,在百度金融 APP 中在线机器人的服务占比就已经高达 95%。也从另一个层面证实:对手们还在炫技的时候,百度已经开始了商业化的应用。

 

而 AI 智能客服涉及到的语音语义一体化、自然语言处理等只是百度大脑 3.0 的一小部分能力。比如视觉语义化可以让机器从看清到看懂视频,可以实现顾客在无人超市购物的完整体验;数据语义化技术可以将大千世界中多元、异构和多模态的三元空间大数据,形成包含千亿节点、万亿关系的庞大数据语义网络。如此种种。

 

值得一提的是,目前百度大脑 3.0 已经对外开放了 110 多项领先的 AI 能力,并通过开放 EasyDL 等定制化平台、软硬一体的 AI 能力,持续降低 AI 应用门槛,帮助开发者和企业应用 AI 实现业务创新与升级。这也是谷歌、微软难以企及的。

 

也就是说,开发者可以通过简单的接口调用就能获得强大的 AI 能力,进而不断让创意落地成真。就拿语音语义一体化技术来说,不单单是百度的 AI 客服,还将被应用在智能音箱、智能电视、智能手机等一系列软硬件产品上,甚至是我们预想不到的场景里。

 

关于人工智能的使命,百度是这么回答的:从重复、低效、繁重的脑力判断工作中把人解放出来。相信这绝非是一句空谈,就好像会卖萌的 AI 客服,难道不是你 Pick 的对象吗?