據(jù)趙明介紹，作為智能音箱領(lǐng)域的頭部廠商，亞馬遜通過(guò)接入Alexa語(yǔ)音助手以連接其他硬件軟件服務(wù)，在先發(fā)優(yōu)勢(shì)和技術(shù)壁壘下，已經(jīng)形成一定業(yè)務(wù)體系。亞馬遜具有深厚的電商基礎(chǔ)，并在內(nèi)容、硬件、平臺(tái)、云計(jì)算、物流倉(cāng)儲(chǔ)等領(lǐng)域布局，通過(guò)智能音箱整合軟件、硬件、平臺(tái)及內(nèi)容資源，進(jìn)一步盤(pán)活電商資源。
亞馬遜Alexa平臺(tái)及云計(jì)算平臺(tái)為打通多個(gè)服務(wù)鏈條奠定了基礎(chǔ)，在硬件操作、軟件應(yīng)用及內(nèi)容觀看收聽(tīng)中的海量數(shù)據(jù)被有效收集并整理，實(shí)現(xiàn)內(nèi)容與服務(wù)的個(gè)性化。趙明表示，亞馬遜在中文語(yǔ)音識(shí)別方面缺少布局，目前沒(méi)有進(jìn)入中國(guó)市場(chǎng)，但其發(fā)展為中國(guó)市場(chǎng)提供了借鑒，多數(shù)廠商以Echo為對(duì)標(biāo)，布局智能音箱。
但據(jù)趙明介紹，目前智能家居行業(yè)還處于整體發(fā)展的中前期，行業(yè)標(biāo)準(zhǔn)尚未形成，巨頭之間難以統(tǒng)一的平臺(tái)標(biāo)準(zhǔn)為智能家居的普及造成了巨大困難。目前的AI水平較為有限，很多智能家居實(shí)現(xiàn)了基本的AI功能，但都比較初級(jí)單一，用戶使用體驗(yàn)并不理想。
此外，中科院自動(dòng)化所研究員王金橋表示，中文語(yǔ)音交互存在更多特殊障礙：中文的方言和口音種類(lèi)過(guò)多，交流非常困難，語(yǔ)義鴻溝難以跨越。市面上的智能音箱都‘傻乎乎’的，只能用來(lái)搜索和問(wèn)答一些條條框框的問(wèn)題，無(wú)法理解邏輯、上下文關(guān)系等，大家買(mǎi)回家玩幾天，新鮮勁兒一過(guò)就閑置了。全國(guó)三百多家智能音箱廠商，沒(méi)有一家賺錢(qián)的。王金橋說(shuō)。
靈隆科技CEO魏強(qiáng)也曾對(duì)媒體表示，目前消費(fèi)者普遍反饋智能音箱存在遠(yuǎn)場(chǎng)識(shí)別差、誤喚醒率高、連續(xù)對(duì)話功能不穩(wěn)定和語(yǔ)義理解能力差、音質(zhì)不好等問(wèn)題，看似火爆的智能音箱行業(yè)正在面臨創(chuàng)新能力弱、產(chǎn)品體驗(yàn)差、內(nèi)容和技能不足、用戶認(rèn)知度低等諸多挑戰(zhàn)。
水平有限 仍是簡(jiǎn)單場(chǎng)景的人機(jī)交互
谷歌演示Duplex AI的過(guò)程引發(fā)了真實(shí)與否的爭(zhēng)議：人們注意到，這些通話中的兩位女性員工都沒(méi)有在電話上提到自己公司的名稱(chēng)，另外這兩個(gè)錄音中也都沒(méi)有環(huán)境噪音。不過(guò)谷歌并沒(méi)有對(duì)是否編輯過(guò)電話錄音的問(wèn)題發(fā)表評(píng)論。
對(duì)于Duplex AI的表現(xiàn)，王金橋表示：這只是展示了一個(gè)效果，不能說(shuō)機(jī)器通過(guò)了圖靈測(cè)試，也不代表理論上的突破。況且真實(shí)性沒(méi)有驗(yàn)證。如果是真實(shí)的，那確實(shí)是先進(jìn)的自然語(yǔ)言理解，這說(shuō)明大家都在往自然語(yǔ)言處理的方向努力。
思必馳副總裁、語(yǔ)音交互科學(xué)家初敏表達(dá)了類(lèi)似的觀點(diǎn)。這個(gè)預(yù)約的過(guò)程難度不大，是一個(gè)簡(jiǎn)單場(chǎng)景的人機(jī)交互。只是角色置換了一下，不是我們常見(jiàn)的‘人問(wèn)機(jī)器’，而是‘機(jī)器問(wèn)人’，引發(fā)了大家的熱議。初敏說(shuō)。
初敏表示，谷歌展示的機(jī)器預(yù)約餐廳、發(fā)廊一定是可以實(shí)現(xiàn)的，沒(méi)有被對(duì)方聽(tīng)出來(lái)說(shuō)明語(yǔ)音合成的效果不錯(cuò)，但整體來(lái)看，全程沒(méi)有展現(xiàn)有挑戰(zhàn)性的問(wèn)題——如多任務(wù)切換、跨場(chǎng)景、噪音、上下文邏輯理解等。她同樣表達(dá)了對(duì)視頻真實(shí)性的懷疑：餐廳聽(tīng)起來(lái)應(yīng)該是亂七八糟的，但視頻中沒(méi)有背景噪音，所以不排除表演的可能。
要想質(zhì)變 需要自然語(yǔ)言處理技術(shù)突破
自然語(yǔ)言處理是語(yǔ)音交互的核心技術(shù)，也是三十年來(lái)幾乎沒(méi)有突破的痛點(diǎn)。通俗來(lái)說(shuō)，這項(xiàng)技術(shù)就是讓機(jī)器理解人。據(jù)王金橋介紹，自然語(yǔ)言處理的核心是理解，希望機(jī)器能理解人的語(yǔ)言和目的。但每個(gè)人都是個(gè)性化的，說(shuō)話的輕重緩急、重音位置，看到夕陽(yáng)西下時(shí)或開(kāi)心或傷感的個(gè)人感受，這些都是目前的機(jī)器無(wú)法理解的。尤其是在中文語(yǔ)境下，常見(jiàn)的一語(yǔ)雙關(guān)、倒裝、句式簡(jiǎn)化等，人有時(shí)候都理解不了，對(duì)機(jī)器來(lái)說(shuō)更是難上加難。
初敏表示，在語(yǔ)音交互背后，是語(yǔ)音識(shí)別、自然語(yǔ)言理解、對(duì)話管理、自然語(yǔ)言生成等諸多環(huán)節(jié)，各環(huán)節(jié)充分配合才能實(shí)現(xiàn)良好的交互效果。相比于谷歌展示的預(yù)約，我們已經(jīng)可以處理更復(fù)雜的交互，只是效果沒(méi)那么好。初敏說(shuō)。
機(jī)器的認(rèn)知推理和理解是一個(gè)系統(tǒng)的處理工程，是各種復(fù)雜算法的結(jié)合，不是單項(xiàng)技術(shù)能解決的。王金橋表示。目前比較可行的限定場(chǎng)景下的自然語(yǔ)言處理，比如兒童陪伴、學(xué)科細(xì)分的語(yǔ)料庫(kù)，可以實(shí)現(xiàn)智能化交互。中國(guó)科學(xué)院院士譚鐵牛也在兩院院士大會(huì)期間談到人工智能正處在從不能用到可以用的技術(shù)拐點(diǎn)，距離很好用還有諸多瓶頸。像‘那輛白車(chē)是黑車(chē)’‘能穿多少是多少’一類(lèi)的表述，機(jī)器無(wú)法準(zhǔn)確理解和翻譯。譚鐵牛說(shuō)。
語(yǔ)言交互是智能音箱的核心功能。智能音箱的銷(xiāo)量劇增，大量的語(yǔ)音交互會(huì)帶來(lái)多樣化的數(shù)據(jù)樣本，目前研究界都在試圖突破自然語(yǔ)言處理的難關(guān)，雖然從事這項(xiàng)研究的人比以前多很多，研究條件也很好，但理論的瓶頸、語(yǔ)言理解的語(yǔ)義鴻溝問(wèn)題，不是一時(shí)半會(huì)能解決的。王金橋說(shuō)。
