國產(chǎn)智能音箱，“聽得見，說得出”中國企業(yè)沒有掉隊

率先扎進(jìn)智能音箱領(lǐng)域的亞馬遜可能沒有想到，它的一次嘗試居然讓這個行業(yè)在4年后影響了全世界。從2018年第一季度全球智能音箱920萬個的出貨數(shù)據(jù)上就能看出，越來越多的智能音箱產(chǎn)品正在走進(jìn)人們的日常生活。如今，依托互聯(lián)網(wǎng)技術(shù)的服務(wù)能力，智能音箱已經(jīng)擁有涵蓋影音娛樂、新聞資訊、購物外賣、家居控制、生活助手、兒童教育等領(lǐng)域的100多項(xiàng)技能。

全球的互聯(lián)網(wǎng)大佬都在追逐這一潮流，連一向“高冷”的美國蘋果公司今年初也推出了內(nèi)置人工智能語音助手的智能音箱。“我們認(rèn)為，客戶將被它的音頻質(zhì)量震驚。”蘋果公司全球營銷高級副總裁菲利普·席勒對自家產(chǎn)品充滿自信。

亞馬遜和谷歌兩家公司則更早布局市場。亞馬遜于2014年推出的智能音箱目前已經(jīng)售出數(shù)千萬臺，在智能音箱市場處于領(lǐng)先位置。谷歌的智能音箱于2016年在年度開發(fā)者大會上推出，一直是該公司深受歡迎的產(chǎn)品之一，占據(jù)智能音箱市場第二的位置。

在中國市場，智能音箱行業(yè)同樣引領(lǐng)潮流，互聯(lián)網(wǎng)企業(yè)忙著搶占風(fēng)口：百度推出“小度”，騰訊推出“聽聽”，京東推出“叮咚”，小米推出“小愛同學(xué)”……市場反應(yīng)積極熱烈，在1月24日的天貓年貨節(jié)首日，開場1小時，智能音箱“天貓精靈”就賣出近3萬臺。

彎道超車

智能音箱風(fēng)靡的背后，是智能語音識別和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，這兩個技術(shù)，一個讓音箱“聽得見，說得出”，一個讓音箱“聽得懂”。而這一次，中國的企業(yè)沒有掉隊。

科大訊飛是中國智能語音識別領(lǐng)域的王牌企業(yè)。在日前于貴陽舉行的“2018中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會”上，科大訊飛展出了一系列新產(chǎn)品，包括智能客服、曉曼智能音箱、曉譯人工智能助理等。據(jù)工作人員介紹，這是當(dāng)前人工智能領(lǐng)域的語音識別、語音合成、自然語言理解等技術(shù)的綜合應(yīng)用。“我們最新推出的訊飛翻譯機(jī)2.0，能支持中文與33種語言互譯，粵語、四川話等方言也都能翻譯成外語。”

語音識別解決了“主人說的話是什么內(nèi)容”的問題，機(jī)器學(xué)習(xí)解決的則是“主人說的話是什么意思，我該怎么響應(yīng)”的問題。通過“吃進(jìn)去”大量數(shù)據(jù)，智能音箱逐漸學(xué)會把用戶指令和相應(yīng)操作一一對應(yīng)起來。說“播放新聞”就打開新聞客戶端，說“播放音樂”就打開音樂播放器。伴隨著與用戶的持續(xù)互動，智能音箱還能不斷進(jìn)化成長，實(shí)現(xiàn)“千人千面”，能夠根據(jù)每個人的喜好進(jìn)行內(nèi)容設(shè)定和推薦。

智能音箱也能成為智能家居“指揮部”。通過聲紋識別技術(shù)，智能音箱能“認(rèn)識”主人，分辨出陌生人的聲音，主人只需對智能音箱發(fā)號施令，不用伸手、不出房間，就能遙控位于家中各處的門窗、電燈、空調(diào)或熱水器。

“中國在這次科技浪潮上是趕在前面的，深度學(xué)習(xí)有超過40%的論文是華人發(fā)表的。我們有很好的數(shù)據(jù)、巨大的樣本群，有很好的工程師隊伍，又有全球一流的制造能力。”獵豹移動創(chuàng)始人兼首席執(zhí)行官傅盛表示：“未來是人與機(jī)器人共存的時代，中國存在彎道超車的機(jī)會。”

服務(wù)生活

目前，市面上大多數(shù)智能音箱產(chǎn)品的用戶體驗(yàn)都有很大改善空間，在語音交互、語義理解等方面還不夠“智能”，這也是很多廠商現(xiàn)階段的攻堅重點(diǎn)。小米“小愛”團(tuán)隊采用的是交互式學(xué)習(xí)的算法，其總監(jiān)王剛博士表示：“剛開始小愛也沒有這么聰明，很多東西聽不懂，但與用戶的交流會讓它越來越聰明，更多的用戶數(shù)據(jù)會讓小愛自己學(xué)習(xí)理解以前聽不懂的問題。”

智能音箱只是一種形式，實(shí)際上語音交互才是最核心的突破。“其實(shí)我們推動產(chǎn)品落地有很多種方式，智能音箱只是其中的一個。讓語音交互與別的形式結(jié)合，也有可能。”阿里人工智能實(shí)驗(yàn)室相關(guān)負(fù)責(zé)人表示。

不管是什么形式，服務(wù)人類生活是最根本的目的。“人工智能技術(shù)的不斷發(fā)展必將不斷重塑各行各業(yè)以及改變我們的生活。”微軟亞洲研究院副院長張益肇將這種“重塑”概括為3個方面：推動產(chǎn)業(yè)向智能化轉(zhuǎn)變、引發(fā)商業(yè)創(chuàng)新、讓人們的生活更美好。

南京工業(yè)大學(xué)碩士研究生宋昊旻的故事正印證著這一點(diǎn)。宋昊旻在1歲時失去聽力，被診斷為終身聽力嚴(yán)重?fù)p傷。在上月舉行的微軟人工智能大會上，他體驗(yàn)了一款語音服務(wù)設(shè)備，這款設(shè)備能夠把宋昊旻努力發(fā)出的聲音以極高準(zhǔn)確度轉(zhuǎn)換成文字，還能同步翻譯成英語或其他語種，真正實(shí)現(xiàn)無障礙溝通。語音交互技術(shù)或?qū)⒏淖兯酉聛淼娜松?。這就是技術(shù)變革給人類帶來的福音。