實(shí)現不間斷對話(huà)后，微軟小冰距離理想中的樣子又近了一步

　　更加自然的全雙工語(yǔ)音交互感官

　　其實(shí)我對于此次小冰所具備的智能家居設備控制技能、更加人性化的情感和同理心能力以及獨特的「小冰姐姐」模式這三項功能并不感到意外,而真正值得關(guān)注的地方是其一次喚醒可進(jìn)行連續對話(huà)。

　　要知道,目前包括智能音箱在內,絕大多數語(yǔ)音控制設備都采用了「一問(wèn)一答」的交互方式。理由也很簡(jiǎn)單,這樣的方案允許設備在技術(shù)并不足夠成熟的前提下,依舊能夠可以相對不錯的識別準確度。

　　但這樣的人機交互方式所存在的不足之處在于,其并不符合人們自然的交互習慣。從某種角度上來(lái)說(shuō),即便是它在準確度和回饋速度上都做到了接近完美,但可能也還是更多地停留在「工具」的層面,并非人們理想中人工智能該有的模樣。

　　而對比來(lái)看,搭載了微軟小冰的 Yeelight 可以實(shí)現對話(huà)像河流一樣不間斷進(jìn)行,在語(yǔ)音交互方式上顯然要更自然一些,微軟稱(chēng)之為全雙工語(yǔ)音交互感官。

　　不顧想要實(shí)現近乎于人與人之間的交流方式,顯然并不是一件容易的事情,在前幾天的媒體溝通會(huì )上,小冰團隊也對這背后部分技術(shù)特征進(jìn)行了披露。

　　首先在基礎框架上,微軟沒(méi)有選擇面向單個(gè)任務(wù)的的 Turn-oriented,而是采用了面向對話(huà)全程的 Session-oriented。

　　同時(shí)在實(shí)際的人機交互過(guò)程中,小冰所采用的全雙工語(yǔ)音交互技術(shù),在包括邊聽(tīng)邊想、節奏控制器、對聲音場(chǎng)景的理解以及自然語(yǔ)言理解與生成模型等多個(gè)維度上進(jìn)行了探索。

　　首先它建立了一套預測模型,來(lái)實(shí)現邊聽(tīng)邊想。簡(jiǎn)單來(lái)講,小冰會(huì )提前預測你想要表達的完整意思,從而實(shí)現更快的響應速度和改口能力。同時(shí)在回答你所提出的問(wèn)題時(shí),可以實(shí)現動(dòng)態(tài)回應,通過(guò)有選擇的將回答分成多段,來(lái)減少你的等待時(shí)間。

　　另外,為了讓小冰在與人類(lèi)的對話(huà)過(guò)程中可以更好的掌握時(shí)機和重要內容,它也設置了節奏控制器。當然,人與機器交互時(shí)需要它能夠很好的實(shí)現對聲音場(chǎng)景的理解。比如識別你的性別、對指令的正確識別等等。

　　還有一個(gè)重要的技術(shù)特征是,小冰擁有自然語(yǔ)言理解與生成模型,從而實(shí)現更好的容錯性以及基于整個(gè)對話(huà)對上下文的理解。

　　綜合來(lái)講,在語(yǔ)音交互方式上,微軟選擇了一條短時(shí)間內可能并不容易獲得明顯效果,但上限更高的技術(shù)路徑。不難想象的是,未來(lái)隨著(zhù) Turn-oriented 框架走到極致而無(wú)法更進(jìn)一步的情況下,也會(huì )有越來(lái)越多語(yǔ)音平臺加入到這個(gè)行列中。

　　但顯而易見(jiàn)的是,早先一步開(kāi)始布局 Session-oriented 框架的微軟已經(jīng)領(lǐng)先了半個(gè)身位。從長(cháng)遠來(lái)看,其將獲得更高的收益。

　　回過(guò)頭來(lái)看小冰這個(gè)平臺,正如我們前邊提到的,雖然就目前而言它的整體體驗并不那么完美,但其成長(cháng)上限非常高。一旦未來(lái)各方面走向成熟,這個(gè)平臺或許將最早成為我們理想中的人工智能。