雷軍：小愛同學(xué)5.0背后的人工智能

在本月上旬舉辦的 2020 小米開發(fā)者大會上，小米發(fā)布發(fā)布小愛同學(xué) 5.0 版本。

小米集團副總裁、集團技術(shù)委員會主席崔寶秋此前表示，小愛同學(xué)將從過去的語音助手升級為智能生活助手。

IT之家了解到，今日上午，小米創(chuàng)辦人，董事長兼 CEO 雷軍發(fā)文表示，小愛同學(xué)激活的設(shè)備數(shù)已經(jīng)達到達 2.28 億，月活已經(jīng)達到 7840 萬，累計喚醒 617 億次，“小愛同學(xué)也成為目前行業(yè)內(nèi)唯一一個擁有大規(guī)模落地場景的語音助手”。

以下為《雷軍：小愛同學(xué) 5.0 背后的人工智能》全文：

在月初舉辦的 MIDC 開發(fā)者大會上，我們發(fā)布了最新一代的小愛同學(xué)——小愛同學(xué) 5.0。全新的小愛同學(xué)帶來了五大升級，覆蓋了囊括影音娛樂、生活服務(wù)、信息查詢、出行路況等 8 大領(lǐng)域 1400 + 技能，成為大家生活中離不開的智能生活助手。

從 2017 年 3 月 21 日，“小愛同學(xué)”第一次與大家見面，到現(xiàn)在僅僅 4 年時間，小愛同學(xué)激活的設(shè)備數(shù)已經(jīng)達到達 2.28 億，月活已經(jīng)達到 7840 萬，累計喚醒 617 億次，小愛同學(xué)也成為目前行業(yè)內(nèi)唯一一個擁有大規(guī)模落地場景的語音助手。

新一代小愛同學(xué) 全新五大升級

新一代小愛同學(xué)的 5 大升級包括：全場景智能協(xié)同、對話式主動智能、定制化情感聲音、多模態(tài)融合交互和智慧學(xué)習(xí)好助手。

小愛同學(xué) 5.0 全場景智能協(xié)同

目前，擁有 5 件及以上連接小米 AIoT 平臺的設(shè)備用戶已達 560 萬。隨著用戶家中的智能設(shè)備越來越多，使用和操作也變得更加復(fù)雜。全場景智能協(xié)同就是讓小愛同學(xué) 5.0 成為控制家中眾多 IoT 設(shè)備的大腦，當你發(fā)出一條需求指令時，小愛同學(xué)會進行統(tǒng)一決策，家中多個設(shè)備進行協(xié)同配合，達到 “再多設(shè)備，都能化繁為簡”的效果，是當之無愧的 “智能生活助手”。

想要達到智能協(xié)同，這其中需要解決的問題非常復(fù)雜。不僅要根據(jù)設(shè)備距離、活躍狀態(tài)、形態(tài)等綜合條件判斷，自主選擇出設(shè)備能力最能滿足當前語義需求的設(shè)備，甚至還需要預(yù)測用戶潛在的設(shè)備控制需求，適時主動的作出提醒和建議。

截止 2020 年 6 月，使用協(xié)同喚醒的總用戶數(shù)已達 94.4 萬，同時喚醒的攔截次數(shù)已達 9.4 億。

小愛同學(xué) 5.0 對話式主動智能

有別于傳統(tǒng)移動互聯(lián)網(wǎng) APP 或信息流被動猜測用戶的形式，對話式主動智能產(chǎn)品形態(tài)是小愛同學(xué)以自己的方式和節(jié)奏與用戶互動溝通，像人一樣發(fā)起問題來增進對用戶的了解。

主動對話本身就是高級智能的體現(xiàn)，它意味著人工智能不僅僅存在于與用戶互動的短暫過程中，而是在更長的時間內(nèi)不斷的進行思考和計算，需要像人一樣，擁有 “記憶”。

小愛同學(xué) 5.0 通過強大的自然語言處理技術(shù)，主動學(xué)習(xí)其中關(guān)于用戶的知識，從而建立記憶。這有賴于小米自然語言處理技術(shù)（MiNLP）的深厚積累，MiNLP 目前已迭代到 3.0 版本，支持 30 多個業(yè)務(wù)場景，日調(diào)用次數(shù)達 80 億。

在記憶的存儲方面，小愛同學(xué)云端大腦會為用戶建立多維度的個人畫像，實現(xiàn)全設(shè)備個人信息互聯(lián)互通。小愛同學(xué)的所有功能，會對內(nèi)共享這些關(guān)于用戶的 “記憶”，每次交互結(jié)合個人畫像進行計算，產(chǎn)生出面向用戶個人的個性化結(jié)果。

小愛同學(xué) 5.0 定制化情感聲音

為了滿足用戶提出的，可以跨越地理、時間阻礙，隨時隨地就可以得到陪伴感的 “情感訴求”，小愛同學(xué)定制聲音項目應(yīng)運而生。

定制化情感聲音的實現(xiàn)，不是僅依靠常規(guī)聲音處理技術(shù)就可以做到的。首先需要能夠?qū)τ脩?a target="_blank">音頻數(shù)據(jù)進行預(yù)處理。然后是提取關(guān)鍵聲學(xué)特征，區(qū)別不同音色在頻譜上的表現(xiàn)。最后是通過定制合成音庫訓(xùn)練的基礎(chǔ)模型，進行自適應(yīng)學(xué)習(xí)，最終才能可實現(xiàn)只需少量的用戶錄音，就能取得很好的合成效果。

除了定制聲音功能以外，小愛同學(xué) 5.0 針對粵語也進行了深度的優(yōu)化，并在 8 月份開啟了粵語在音箱上的內(nèi)測。本月中旬，我們已正式啟動在手機及電視上小愛同學(xué)粵語功能的內(nèi)測，預(yù)計在月內(nèi)，小愛同學(xué)粵語功能將陸續(xù)開放到所有音箱上。

小愛同學(xué) 5.0 智慧學(xué)習(xí)好助手

小愛同學(xué) 5.0 將學(xué)習(xí)作為一個重要的升級模塊，整合了海量的優(yōu)質(zhì)的 K12 網(wǎng)課資源，精選 1000 + 網(wǎng)課視頻資源，與讀書郎、義方教育等 35 家優(yōu)質(zhì)資源方達成了合作，并拉通了電視 / 音箱 / 手機教育會員同步。

課程表是學(xué)生學(xué)習(xí)中最基本的一個工具類需求。我們把課程表與小愛同學(xué)結(jié)合在一起，打造了一個擁有國內(nèi)首發(fā) AI 拍照導(dǎo)入課程功能等先進人工智能技術(shù)加持的 AI 課程表。

另外一大工具，就是翻譯。為了讓翻譯更高效、更精準，小愛同學(xué)團隊在文本前處理模塊進行了優(yōu)化，包括基于語言規(guī)則和模型的文本順滑技術(shù)、融合上文內(nèi)容的實時文本糾錯算法、基于多語言預(yù)訓(xùn)練模型的實時語義斷句算法等。

小愛同學(xué) 5.0 多模態(tài)融合交互

為了讓小愛同學(xué)與用戶之間進行更自然的溝通，我們做了更智能的多模態(tài)融合交互，可以通過聲音、肢體語言、信息載體（文字、圖片、音頻、視頻）、環(huán)境等多種方式與智能設(shè)備進行交流。打破了傳統(tǒng) PC 式的鍵盤輸入和智能手機的點觸式交互，定義了下一代智能產(chǎn)品和人的專屬交互模式。

新一代小愛同學(xué)背后 是小米 AI 能力的長期積累

小米集團擁有非常豐富的業(yè)務(wù)線，包含了硬件產(chǎn)品、電商和新零售以及互聯(lián)網(wǎng)業(yè)務(wù)。小米的人工智能不僅僅體現(xiàn)在小愛同學(xué)上，還擁有非常廣泛的應(yīng)用領(lǐng)域，比如計算機視覺技術(shù)、計算機語音技術(shù)和機器學(xué)習(xí)技術(shù)等。經(jīng)過這幾年的努力，我們的 AI 已經(jīng)建立了比較完整的能力圖譜和小米的 AI 能力平臺，在此基礎(chǔ)上打造了小米的相關(guān)應(yīng)用，包括智能相機、小愛同學(xué)、機器翻譯等等。強大的智能硬件生態(tài)為 AI 能力的快速提升建立了基礎(chǔ)，同時 AI 能力又反過來，全面賦能了小米各個業(yè)務(wù)線。

比如在計算機視覺技術(shù)方面，我們做了大量的工作，包括超級分辨率、文檔模式 / OCR、魔法換天、魔法分身等。今年，我們的 HDR（高動態(tài)范圍拍照）也助力小米 10 Pro / 至尊紀念版相機成功獲得 DXOMARK 評測世界第一。

我們在計算機語音、機器學(xué)習(xí)等很多方面也都做了大量的工作，整個集團在人工智能領(lǐng)域的投入，可能遠遠超過大家的想象。截止 2019 年 12 月 31 日，小米集團共提交專利申請 33000 余件，其中 AI 領(lǐng)域?qū)＠暾垟?shù)量已進入全球互聯(lián)網(wǎng)企業(yè)第一陣營。包括端到端語音識別、就近喚醒、分布式放音、離線翻譯等在內(nèi)的多項技術(shù)處于行業(yè)一流水平。

同時，我們也在積極引入全球頂尖的研發(fā)人才，比如我們成功邀請到了人工智能領(lǐng)域的頂尖專家 Daniel Povey 加入小米。

未來，小米的人工智能會進一步打造核心技術(shù)，推進各項 AI 技術(shù)的業(yè)務(wù)落地，給用戶打造更好的體驗。同時，也會更加的開放，繼續(xù)加強和高等院?？蒲性杭捌淦髽I(yè)的合作，將更多更好的 AI 技術(shù)開放給社會，為每一個人帶來更美好的和智能的生活。

責(zé)任編輯：haq