比智能音箱體驗要好的智能硬件

10月24日已是昨日，但屬于開發(fā)者的1024一直都在——2018 AI開發(fā)者大會就是你的1024。11月8-9日，現(xiàn)場聆聽國內(nèi)外AI大牛的深知灼見，與工業(yè)界AI應(yīng)用思維緊密同步，收獲60+技術(shù)大咖的干貨分享。掃碼填寫大會注冊信息表，就有可能獲得專屬定制版門票（含主會+任一半天分論壇），僅限10人。

毫無疑問，搜狗的大部分 AI技術(shù)已嵌入到搜索和輸入法這兩大“拳頭”產(chǎn)品中。

語音技術(shù)最大的一個落地產(chǎn)品當(dāng)屬搜狗輸入法，它集成了搜狗的語音輸入功能、語音翻譯功能。而在搜索上，主打搜索直達功能背后的智能匹配技術(shù)可以在用戶提出問題后在首條就直接給出最為匹配的答案，而不再單純給出多種結(jié)果。

除了在雙引擎上落地 AI 技術(shù)，搜狗也在發(fā)力 B 端政企領(lǐng)域，打造相應(yīng)的 AI 解決方案，比如為一些行業(yè)提供定制的輸入法以及智能客服產(chǎn)品。

當(dāng)然，與其他諸多互聯(lián)網(wǎng)巨頭一樣，搜狗也開始發(fā)力 AI 硬件。比如搜狗的翻譯機，其中結(jié)合了語音識別功能、拍照翻譯功能。翻譯機只是個開始，搜狗 AI 事業(yè)部總經(jīng)理張博告訴AI科技大本營，搜狗接下來會推出幾款不同的智能硬件，這些智能硬件都是搜狗 AI 技術(shù)的大集成、大載體，并且也會著力在 AI 硬件上做一些拓展，爭取讓硬件成為搜狗接下來收入的一個重要來源。

9 月初，在浪潮集團承辦的 2018 人工智能計算大會（AICC ）上，張博接受了 AI科技大本營的采訪，講述了搜狗在翻譯機等 AI 硬件上的技術(shù)、產(chǎn)品認(rèn)知和發(fā)展戰(zhàn)略，以下為對話內(nèi)容：

▌翻譯機是搜狗做 AI 硬件的起點

AI科技大本營：無論是翻譯機還是會務(wù)翻譯系統(tǒng)的離線翻譯效果都不太好，與在線翻譯相比主要有哪些技術(shù)挑戰(zhàn)？

張博：離線翻譯確實不好做，它在沒有網(wǎng)絡(luò)的情況下，不能調(diào)用云端的 API 推理接口，只能在終端實現(xiàn)所有計算。

我們知道，翻譯機使用的其實是跟手機類似的 SoC 芯片，而在手機端上要實現(xiàn)一套完整的語音識別、語音合成、機器翻譯和 OCR 這套流程，計算量是非常大的，這種情況下效果一定是比在線要差，因為數(shù)據(jù)、算法都會有一些裁減，包括本身的算力也會低一些。

有了專用 AI 芯片后，離線的翻譯技術(shù)是不是更好？其實不是這樣的，目前國內(nèi)外主流的 AI 芯片公司第一步做的是與圖像相關(guān)的 AI 加速，但沒有跟語音和 NLP 相關(guān)的加速。語音這塊其實是有一些坑的，比如所有 AI 芯片廠商目前都久攻不下 CNN。

那離線情況下怎樣實現(xiàn)更好的結(jié)果？比如一代搜狗翻譯機的手段是專注于旅行這個場景，其實就是我們把數(shù)據(jù)裁減成（與旅行相關(guān)的）數(shù)據(jù)集，就可以得到比較好的結(jié)果。

接下來其實就是拼算法能力，相當(dāng)于在更小的空間復(fù)雜度和時間復(fù)雜度里去做更好的效果，這就看算法工程師的能力了，我們也可以做產(chǎn)學(xué)研的道路，跟學(xué)校做聯(lián)合研發(fā)和攻關(guān)把這件事做好。

提問：現(xiàn)在做翻譯機的企業(yè)都強調(diào)說自己的神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)多么好，支持的語音翻譯種類是最多、準(zhǔn)確率最好。但這套說辭太泛了，關(guān)于具體實現(xiàn)條件和使用環(huán)境好像沒有一個比較統(tǒng)一的標(biāo)準(zhǔn)？

張博：這個問題問的很專業(yè)。目前大部分人工智能技術(shù)都沒有一個標(biāo)準(zhǔn)的評測規(guī)范和手段，可能像人臉檢測這種安防領(lǐng)域公安部做了一些標(biāo)準(zhǔn)，比如在一個什么樣的條件下，輸入多少張圖片，這些圖片中有多少男、女，多少戴眼鏡。但以語音技術(shù)為核心的領(lǐng)域，目前國內(nèi)沒有什么權(quán)威的評測的機構(gòu)。這個問題正在得到一步一步解決，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟也在推動這種標(biāo)準(zhǔn)的建立，標(biāo)準(zhǔn)的建立有利于整個行業(yè)發(fā)展。

提問：現(xiàn)在翻譯機功能有離線翻譯還有拍照翻譯，甚至嵌入了語音助手等功能，對這款硬件產(chǎn)品來說，以后的發(fā)展走向是更多功能集于一身，還是根據(jù)細分應(yīng)用場景做出適當(dāng)?shù)挠布a(chǎn)品？

張博：這跟整個社會、整個用戶的使用習(xí)慣有關(guān)系，我們知道移動互聯(lián)網(wǎng)之所以能打敗 PC 互聯(lián)網(wǎng)，跟智能手機的普及有很大關(guān)系。在智能手機普及之前，大家也沒有意識到手機竟然成了我們?nèi)松铌P(guān)鍵的一部分?，F(xiàn)在其實就已經(jīng)有這樣的爭論，我們已經(jīng)有手機了，為什么還要再去做一個翻譯機。有翻譯機了為什么還要加語音交互，你就會發(fā)現(xiàn)越做越大，越做越亂。

退一步想，如果拿一個翻譯硬件來解決所有交互方式是不是最合理的？我覺得不一定，所以搜狗也在致力于解決這個問題，接下來會推出一系列新的爆款的智能硬件，很有可能就能解決交互的方便性，以及解決到底是再來一個翻譯機還是再來一個手機的問題，結(jié)果就是可能不同的場景有不同的硬件。

提問：一代翻譯機和翻譯筆銷量大概是多少？有道翻譯蛋說賣了 10 萬個。

張博：差不多也是這個數(shù)量，因為這個市場其實目前處于一個早期市場，大家的宣傳還沒有完全打開。

▌比智能音箱體驗要好的智能硬件？

提問：剛剛您提到搜狗會做其他的智能硬件，為什么搜狗到現(xiàn)在都沒有推出智能音箱？

張博：搜狗在某些方面有特立獨行的點，我們既然要發(fā)展智能硬件，肯定會做一些比智能音箱體驗還要好的產(chǎn)品，因為智能音箱從根源上來講畢竟還是跟風(fēng)因素更多一些，大家可能看智能音箱很火，目前國內(nèi)不說上百家也有幾十家智能音箱產(chǎn)品了。但現(xiàn)在智能音箱的發(fā)展情況看起來不是那么樂觀，太亂了。

提問：搜狗認(rèn)為的不樂觀具體指的是什么？

張博：主要是這個產(chǎn)品感覺上用起來其實不一定那么自然、那么爽，它的使用場景有局限。畢竟這里面涉及到的遠場交互、方言這些東西并不一定能得到很好的解決，包括個人隱私也都存在一些問題。

提問：可以介紹一下新的智能硬件？

張博：這個不方便透露，但肯定是跟搜狗核心語音相關(guān)，其次它會大幅提升交互的方便性和自然性，翻譯機提升的不夠大，還可以更大。

提問：大概什么時候會發(fā)布？

張博：不超過半年時間。