蘋果、百度、科大訊飛，語音語義技術(shù)哪家牛？

　　從1945年到2015年，以人工智能為題講述了許多很美的故事，模仿游戲便是其實之一。但春冬輪回，在人工智能的世界里，人們的幻想像一個小球一樣，被拋得高高，也注定摔得慘慘（1974與1987年兩次人工智能寒冬）。

　　這一次，人們對人工智能的幻想被扔得更高了。強(qiáng)人工智能、機(jī)器毀滅人類的說法時常有。但這更像是預(yù)言家的說法，像陰謀論。目前的人工智能還是基于邏輯與數(shù)據(jù)、沒有直覺，對情感的理解與創(chuàng)造力更是無從談起。

　　球被拋得高就一定會落得慘，甚至摔得粉碎。不過，做工程的人更謹(jǐn)慎些，要給這個球栓上一根繩子。這根繩子就是“從實際應(yīng)用出發(fā)、從用戶角度考慮”。

　　語音語義的現(xiàn)狀可以大致描繪人工智能在工程界的應(yīng)用情況。有自主語音語義相關(guān)技術(shù)且可以在國內(nèi)使用其服務(wù)的幾家公司有：出門問問、科大訊飛、云知聲、思必馳、百度（度秘）、騰訊（騰訊小鯨）以及Google（Google Now）、微軟（小冰、小娜Cortana）、蘋果（Siri）。

　　到底哪家的語音語義技術(shù)牛？

　　微軟小冰屬于聊天機(jī)器人，主打人機(jī)對話，每周例常解鎖一種玩法。但微軟小冰不能提供太多的實質(zhì)性的服務(wù)，比如查詢機(jī)票、查詢車票、叫車，這些出門問問卻能做到。

　　如何客觀的評價技術(shù)的優(yōu)劣？在這個信息交流特別頻繁的時代，被使用的人工智能算法大都來自學(xué)術(shù)界的公開成果，很難有一家公司擁有不屬于這個時代的技術(shù)。就從語音識別的角度上講，各個公司的識別率大都在90%以上（這個問題實際上要復(fù)雜些，比如方言識別率、生僻詞識別率等就有更多說法了）。當(dāng)一家公司的技術(shù)只比另一家的好5%或者1%，用戶便很難感受到優(yōu)劣，技術(shù)被應(yīng)用的場景便成了重要的不同之處。

　　人工智能語音語義系統(tǒng)的基本實現(xiàn)方法

　　這些公司的語音語義技術(shù)都和“云”離不開關(guān)系。人工智能系統(tǒng)按照一套邏輯推理程序，在海量的數(shù)據(jù)中尋找其認(rèn)為最正確的答案。這就意味著，被使用的人工智能系統(tǒng)其覆蓋的領(lǐng)域越廣，就越是對數(shù)據(jù)以及運(yùn)算能力饑渴。小型離線設(shè)備，如手機(jī)、家用電腦都無法滿足這樣的需求。解決辦法是搭建一個擁有超強(qiáng)處理能力以及海量數(shù)據(jù)的“計算機(jī)集群”，并將其接入網(wǎng)絡(luò)，也就是我們所說的“云”。搭建了AI語音語義系統(tǒng)的云就是AI語音語義云，是這些AI公司的基礎(chǔ)設(shè)施。

　　搭建了智能云之后，還需要合適的語音輸入端口。這個端口可以來自公眾號、APP這類軟件，也可以來自音箱、可穿戴智能手表這類硬件。

　　如何正確看待目前市面上知名的語音語義系統(tǒng)？

　　雖然人工智能系統(tǒng)的概念很廣，具體到語音語義的概念還是很廣，因此這么多類似但不同的人工智能公司在不同方向上深耕。從用戶角度看，這些產(chǎn)品的不同之處還蠻大。

　　擅長搜索查詢消息的個人助理的有騰訊小鯨和出門問問

　　1、騰訊小鯨目前公開的信息較少，主要被嵌入TOS系統(tǒng)。與Ticwear類似，TOS系統(tǒng)被搭載在智能手表當(dāng)中。不過，小鯨的功能與其他語音助手類似，可以設(shè)置鬧鐘、查詢信息，但不能像出門問問那樣直接叫車、訂咖啡。

　　有資料顯示，曾在GoogleBrain工作過的工程師創(chuàng)立了名為ScaledInference的公司，該公司的種子輪投資者就包括騰訊首席探索官David Wallerstein和騰訊本身。另外，也有消息稱，騰訊沒有停止其他視覺識別產(chǎn)品的研發(fā)。

　　這有點(diǎn)像微信當(dāng)年的研發(fā)。

　　2、出門問問主要做2C（面向消費(fèi)者）硬件產(chǎn)品，其智能手表Ticwatch是國內(nèi)銷量較高的一款全交互智能手表。出門問問的人工智能語交互技術(shù)自成體系，包含語音識別、語音合成（TTS）、語義理解、垂直搜索、智能推送5個部分。其最大的特點(diǎn)是可以語音呼喚本地化生活服務(wù)，導(dǎo)航、看新聞、查天氣等都可以通過手機(jī)APP或者手表實現(xiàn)。

　　最近，出門問問推出了內(nèi)測版的“魔法小問”，要把人工智能從查詢信息——如“今天有什么電影”——提升到提供完整服務(wù)，如直接幫助用戶訂電影票。這一點(diǎn)是其他智能系統(tǒng)做不到的。

　　擅長連續(xù)對話的“聊天機(jī)器人”有圖靈機(jī)器人和度秘

　　3、圖靈機(jī)器人主要做2B業(yè)務(wù)，其語音語義系統(tǒng)與小冰很相似，是連續(xù)對話機(jī)器人。圖靈可以被嵌入微信公眾號、APP、網(wǎng)站或者智能硬件，用戶可以讓它講笑話、做游戲，也可以用它查快遞、查新聞。最近圖靈機(jī)器人接受了奧飛動漫的投資，走智能兒童玩具的路。

　　4、度秘是百度推出的一款與小冰類似的連續(xù)對話機(jī)器人。另外，用戶可以在對話的同時，查詢“圖靈是誰”這樣的信息——這借助了百度的搜索引擎。最近，百度推出嵌入了”度秘“的實體機(jī)器人”小度“。

　　還有一類人工智能系統(tǒng)即不是助理也不是聊天機(jī)器人，而是被用于做智能語音交互解決方案，他們有訊飛語音云、云知聲的、思必馳

　　5、科大訊飛的“訊飛語音云”包括語音合成、語音識別和搜索、語音聽寫等技術(shù)，該云對方言、生僻字的語音識別率較高。訊飛語音輸入法就是基于此云開發(fā)的?？拼笥嶏w“主要”做的是2B（面向企業(yè)用戶）服務(wù)，將自己的人工智能服務(wù)授權(quán)給其他企業(yè)。

　　另外，科大訊飛在最近幾年也開始發(fā)力2C（面向消費(fèi)者）的產(chǎn)品，比如智能音箱、錄音寶、錄音筆等硬件。可以看到，科大訊飛的產(chǎn)品多是智能化的傳統(tǒng)產(chǎn)品，而非個人助理或聊天機(jī)器人。另外，科大訊飛偏向深耕“語音識別”，而非連續(xù)對話。

　　6、云知聲主要做2B業(yè)務(wù)，方向是智能家居和車載市場，這里便有了與出門問問類似的“軟硬結(jié)合”的概念。

　　與“可穿戴設(shè)備、手機(jī)及電腦上的智能語音語義系統(tǒng)”不同，智能家居語音系統(tǒng)的聲源可能很遠(yuǎn)且被噪音包圍。也正因此，云知聲把推廣的重點(diǎn)放在了“聲源識別、噪聲抑制、回聲消除”以及指令的識別上，而非對用戶意圖的理解上（語義理解）。

　　值得一提的是，在京東與科大訊飛宣布“在一起”的時候，阿里與云知聲就達(dá)成了合作。不過，最近一段時間，未有相關(guān)消息。

　　7、思必馳與云知聲的方向挺相似，為企業(yè)客戶提供智能硬件語音交互方案，比如通過語音控制智能硬件的開關(guān)。思必馳在車載領(lǐng)域的合作多一些，比如車蘿卜。最近，思必馳又宣布完成了融資，要把“智能語音融進(jìn)硬件”這條路走得更遠(yuǎn)些。

　　8、小冰、小娜（Cortana）、Siri和Google Now

　　Cortana、Siri和Google Now，即是聊天機(jī)器人，也是個人助理。

　　微軟小冰與微軟小娜都基于必應(yīng)搜索和深度神經(jīng)網(wǎng)絡(luò)等技術(shù)，屬于2C產(chǎn)品。微軟小娜如今可以在iOS、Android、Window 10系統(tǒng)中使用，她更像一個秘書，可以打電話、發(fā)短信、發(fā)郵件以及查詢上一場曼聯(lián)的比分。但是微軟小娜在國內(nèi)手機(jī)中的功能少很多，語音響應(yīng)很慢。

　　微軟小冰作為一個對話系統(tǒng)，入駐于微信、微博等應(yīng)用或者Windows 10系統(tǒng)中，她也可以查詢各種信息。與小娜不同，小冰不可以調(diào)用電話等應(yīng)用，她更像一個虛擬人物，可以陪用戶聊天（連續(xù)對話）、玩游戲（基于圖像識別等人工智能技術(shù)）。

　　總的來看微軟小娜和小冰代表著微軟的兩個方向：小冰連續(xù)對話能力強(qiáng)，可移植行強(qiáng)，因此可以嵌入到微信、微博、美拍等應(yīng)用中。小娜是Window 10配套的人工智能系統(tǒng)，能夠調(diào)用Windows 10中的各種應(yīng)用和數(shù)據(jù)，被視為個人助理。

　　Siri大家熟悉，是一款可以調(diào)用應(yīng)用的聊天機(jī)器人。如今的Siri除了定鬧鐘、發(fā)短信以外，還可搜索照片、播放音樂、提供建議。它或許不是最強(qiáng)大的，但更面向用戶。

　　Google Now在國內(nèi)無法良好的使用，對中文的識別效果很差，中文版的能力也很弱。但是作為Google的產(chǎn)品，它天生便有了比其他人工智能產(chǎn)品更多的數(shù)據(jù)、更好的數(shù)據(jù)挖掘能力，這使得Google Now成為了一款“主動推送”能力很強(qiáng)的助理產(chǎn)品。

　　Google Now憑借與Chrome瀏覽器、Gmail、Google日歷等等Google應(yīng)用以及Android系統(tǒng)的“近親關(guān)系”，使得其可以實現(xiàn)很多其他產(chǎn)品做不到的功能。比如，語音解鎖、任意界面“OK，Google”喚醒、主動推送你喜歡的和你需要的“即時帖”。有人曾稱贊：

　　“早上醒來，我驚奇的發(fā)現(xiàn)Google Now居然直接告訴了我去兼職工作的路上所要花費(fèi)的時間。但是我沒有設(shè)置，而且那不是我真正工作的地方?！?/p>

　　可以看到，Google從用戶的地理與實踐信息中明白了他何時去何地兼職。但仍需強(qiáng)調(diào)，Google Now在國內(nèi)的功能很少，而且實現(xiàn)一些即時功能，用戶必須把個人數(shù)據(jù)交給Google。

　　作為巨頭推出的產(chǎn)品，小娜、Siri和Google Now經(jīng)常被媒體用來比較，但這種比較有些不太恰當(dāng)。一方面，幾款產(chǎn)品中，只有Siri的易用性在國內(nèi)不錯。另一方面，人工智能系統(tǒng)要明白用戶的用意，必須獲取數(shù)據(jù)——越多越好。因此，人工智能系統(tǒng)必須入駐更多的軟件或者平臺，獲取更高的權(quán)限。小娜雖然入駐了Android與iOS，但她仍然是微軟的產(chǎn)品，在Windows 10上才有更好的易用性。同樣，Google Now與Siri分別是Android陣營與iOS陣營的產(chǎn)品，前者擅長挖掘數(shù)據(jù)、主動推送，后者擅長聊天、被動建議。

　　可以看到，這些語音方面的人工智能公司有業(yè)務(wù)2B或2C的，選擇軟硬結(jié)合或者只做軟件解決方案，深耕智能家居或者智能穿戴。這些選擇，無分對錯或者好壞。但總體來看，人工智能仍然沒有認(rèn)知能力，人與人工智能聊天又涉及到感情投入——這是一個超出自然科學(xué)范疇的問題。用戶對智能家居的認(rèn)知度還不夠高，相關(guān)產(chǎn)品不夠成熟、定價不夠親民。這樣看，搞智能家居系統(tǒng)這樣的生態(tài)，似乎有點(diǎn)望得太遠(yuǎn)。

　　因此，人工智能在普通消費(fèi)者身上的落地是否可以先在“一個點(diǎn)”上引爆，比如人工智能系統(tǒng)作為助理，從僅可查閱機(jī)票信息提升到可以提供訂票服務(wù)。