在最近谷歌的Google I／O大會(huì)上，谷歌CEO“劈柴“直接祭出了這次大會(huì)的王牌AI，這個(gè)AI產(chǎn)品似乎像人們展現(xiàn)了人工智能技術(shù)的進(jìn)一步提升，Assistant的“持續(xù)性對話”功能讓對話更自然，而“多重行動(dòng)”功能讓用戶在一次對話中可以提出多個(gè)問題。

這似乎是一個(gè)標(biāo)志性的轉(zhuǎn)變，存在對話生硬、無法多輪對話等諸種弊病的語音助手在這場GoogleI／O大會(huì)上表現(xiàn)的尤為智能。相比Apple Siri和Microsoft  Cortana只能機(jī)械式對話的語音互動(dòng)，Google Assistant似乎表現(xiàn)尤為優(yōu)異（至少在發(fā)布會(huì)上），那么，GoogleAssistant的出現(xiàn)是谷歌在AI語音助手領(lǐng)域的一張王牌嗎？

驚艷全場的“嗯哼”

想要探究AI語音助手的智能程度，其評判標(biāo)準(zhǔn)就是如何做到讓AI“像人”，這是一個(gè)深度學(xué)習(xí)的能力問題，而體現(xiàn)在表現(xiàn)形式上則為“話術(shù)”，如何能夠讓語音助手真正突破“圖靈測試”，讓用戶人機(jī)難辨。然而，當(dāng)下Google Assistant似乎正朝著全面“類人化”的方向發(fā)展。

以Google Assistant在GoogleI／O大會(huì)上的表現(xiàn)為例，發(fā)布會(huì)上，用戶對Google Assistant說：我想剪頭發(fā)。Google Assistant接受指令后直接幫你電話預(yù)約。

Google Assistant先撥通了Jim理發(fā)店的電話，進(jìn)行電話預(yù)約剪發(fā)。

Google Assistant：你覺得時(shí)間定為3號可以嗎？

理發(fā)店：我需要查查Jim老師的檔期，稍等。

Google Assistant：嗯哼？

這一句“嗯哼”讓全場所驚艷，AI的反應(yīng)似乎出乎了所有人的預(yù)料，然而，這一切并沒有結(jié)束。

理發(fā)店：3號12點(diǎn)不行，Jim老師已經(jīng)有預(yù)約了。

Google Assistant：那10點(diǎn)到12點(diǎn)這段時(shí)間呢？

理發(fā)店：您的顧客是想燙頭發(fā)還是剪頭？

Google Assistant：只是簡單修剪一下。

理發(fā)店：那沒有問題，我們10點(diǎn)見！

誠然，對于人類來說，此類“嗯”、“呃”之類的語氣詞是再正常不過，可是對于機(jī)器而言，這是一件難以做到的事情。事實(shí)上，Google Assistant說“嗯嗯”，好似在點(diǎn)頭同意；而其所拉長的某些詞的發(fā)音，又好像它正在花時(shí)間去思考一個(gè)問題的答案，當(dāng)然，這一切都是是由編程算法即時(shí)實(shí)現(xiàn)的。

谷歌助手的背后是一種稱之為“Duplex”的技術(shù)，這由紐約、特拉維夫和山景城的谷歌工程師和產(chǎn)品設(shè)計(jì)師聯(lián)合開發(fā)，該技術(shù)可實(shí)現(xiàn)一小部分人可以完成預(yù)訂餐廳、查看假日時(shí)間等通常通過電話進(jìn)行的活動(dòng)。所有這些交互都發(fā)生在后端——谷歌數(shù)字助理Assistant和餐廳之間。

搭載數(shù)字助理Assistant的智能家居

此外，Google Assistant除了一種男性發(fā)音和女性發(fā)音外，其還可以用六種聲音說話。谷歌還使用戶能夠更輕松地提出后續(xù)問題，并在開車并使用谷歌地圖時(shí)自動(dòng)向某些人發(fā)送你的預(yù)計(jì)抵達(dá)時(shí)間。

GoogleAssistant真的“完美無缺”嗎？

Google Assistant新技術(shù)的應(yīng)用，許多人認(rèn)為“這下真的分不清對面對面是人是狗了”，但是，Google Assistant顯然并不是完美無瑕，皮查伊在開發(fā)者大會(huì)上展示的 demo 距離落地還有多遠(yuǎn)？所展示的GoogleAssistant落地后真的會(huì)如此驚艷嗎？智能相對論分析師柯鳴認(rèn)為，谷歌語音助理雖然已經(jīng)突破了眾多技術(shù)瓶頸，但其真正能夠應(yīng)用于生活場景中，并完全替代“人類助理”，依然尚需時(shí)日。

首先，google duplex似乎已經(jīng)可以解決自然對話的問題。展開一段自然的對話有這么幾個(gè)難點(diǎn)：自然語言難以理解，人類的自然行為很難建模，人類對延遲的耐受性很低所以需要高處理速度，以及生成聽起來自然的語音，其中還要適當(dāng)?shù)貖A雜一些語氣詞。

谷歌聯(lián)合使用了一個(gè)級聯(lián) TTS 引擎和一個(gè)生成式 TTS 引擎（其中使用了 Tacotron 和 WaveNet），根據(jù)不同的情境控制語音的語調(diào)。

為了讓語音變得更加親切自然，這個(gè)系統(tǒng)能夠生成一系列語氣詞，這也是讓大家所驚嘆的地方，比如“hmmm”、“uh”等語氣詞。

當(dāng)級聯(lián) TTS 需要組合變化很大的語音單元，或者需要增加生成的停頓時(shí)，語氣詞就會(huì)被添加到生成的語音中，這就讓這個(gè)系統(tǒng)可以以一種自然的方式向?qū)Ψ绞疽狻笆堑奈衣犞�呢”或者“我還在考慮”（人類說話的時(shí)候就經(jīng)常在思考的同時(shí)發(fā)出一些語氣詞）。谷歌的用戶調(diào)查也確認(rèn)了人類覺得帶有語氣詞的對話更熟悉、更自然。

Duplex的運(yùn)作模式

但是，也正是TTS的表現(xiàn)讓人覺得其仍有可商榷之處。如從自然語言訓(xùn)練的方法角度看，通過充分的數(shù)據(jù)梳理，借助機(jī)器學(xué)習(xí)在某個(gè)單一領(lǐng)域窮舉各種情況，繼而達(dá)到Google 在今天所展示的效果尚有可能。

但目前沒有公司可以做到全方位理解各種場景。也就是說，Google Assistant所擅長的也是針對特定場景的，例如預(yù)訂餐位和理發(fā)。

這能否在所有場景中具有普適性，目前依然無法得知。從這個(gè)角度來看，小場景有限話題模擬對話并不是難題，針對 demo 優(yōu)化到流暢也能夠做到，這是否能夠真正替代“人類助理”，依然是一個(gè)尚未確知的問題。

其次，從倫理和信息安全的的角度來看，Google Assistant依然存在著諸多爭議。比如，谷歌官方曾表示：“現(xiàn)在的技術(shù)并沒有達(dá)到只通過與開發(fā)人員對話就學(xué)會(huì)如何像人一樣說話的水平，為了獲得高精度，我們在匿名電話的會(huì)話數(shù)據(jù)庫上對Duplex的RNN進(jìn)行了訓(xùn)練�！�

在數(shù)百個(gè)小時(shí)的訓(xùn)練過程中，它記錄下了客戶們電話中的通話記錄。這讓我們又一次回到了十年來一直在進(jìn)行的辯論，即維護(hù)個(gè)人數(shù)據(jù)隱私和推進(jìn)技術(shù)便利的界限究竟在何處，F(xiàn)acebook的信息泄露案更將這個(gè)問題推到了風(fēng)口浪尖。

當(dāng)然，倘若撇開公地悲劇的存在主義解決方案不談，Duplex AI的出現(xiàn)還暴露了許多實(shí)際問題。例如，如何防止某人非法利用公眾人物的錄音來訓(xùn)練人工智能，并生成偽造的音頻？

此外，我們還需要防止偽造視頻的攻擊，鑒于人們已經(jīng)能夠偽造圖像和視頻（甚至色情），并能夠合并一層虛假音頻，谷歌和Facebook的內(nèi)容審核工作將面臨著更大的困難。

谷歌這條路好走嗎？

谷歌語音助手這條路，已經(jīng)走了很久。最早的GoogleNow作為谷歌語音助手的最初形式出現(xiàn)在人們面前，Google Now 2012 年最早出現(xiàn)在安卓 4．1 和 Nexus 手機(jī)上，隨后又推出面向移動(dòng)設(shè)備信息快速檢索服務(wù)的“Now On Tap”、以及“Now cards”。

從 2016 年開始，Google Assistant 就開始逐步取代 Google Now，相應(yīng)的功能也被替換，“Now cards”被“Feed”取代，“Now on Tap”被“Screen Search”所取代。

最早于2016年與Google Home一起亮相的Google Assistant，依托著谷歌系產(chǎn)品的用戶量級，雖然同類競品亞馬遜的Echo已經(jīng)占據(jù)一定市場，但是依然有著一定發(fā)展的前景和底氣。

但是，如果谷歌的目標(biāo)是讓Assistant成為擬人化的谷歌，那么仍有很多事情要做。若想實(shí)現(xiàn)與斯派克·瓊斯（Spike Jonze）科幻電影《她》（Her）中的操作系統(tǒng)Samantha進(jìn)行對話的那樣，谷歌依然還有一定距離。、

當(dāng)然，相較于市場上同類系的其他產(chǎn)品，Google Assistant的表現(xiàn)確實(shí)稍顯優(yōu)秀。Stone Temple Consulting與ROAST公司2018年發(fā)布的智能語音助理測試報(bào)告也顯示，Google Assistant手機(jī)版能回答的題目最多，高達(dá)90％，準(zhǔn)確率也有將近80％的超高表現(xiàn)。

來源：Stone Temple Consulting、ROAST測試報(bào)告

其實(shí)，嚴(yán)格來說，谷歌的競爭對手Alexa，Siri和Cortana都沒有兌現(xiàn)他們的承諾。Alexa，Siri等都存在著或大或小的問題，每個(gè)產(chǎn)品在市場中的表現(xiàn)似乎都沒有人們想象中的優(yōu)異。

當(dāng)然，谷歌并非第一個(gè)進(jìn)入語音助理領(lǐng)域的公司。作為后來者，CIRP公司的數(shù)據(jù)顯示，2016年發(fā)布的GoogleHome占有31％的市場份額，較之亞馬遜的69％的市場份額稍顯不足。

總的來說， “AI很好，但不夠驚人”，始終是近年來籠罩在AI語音市場上的濃重陰影。當(dāng)然，隨著日后GoogleAssistant新技術(shù)的逐漸應(yīng)用，這是否能夠成為谷歌新的“殺手锏”仍需時(shí)間檢驗(yàn)，而谷歌語音助理的這條路，也將堅(jiān)定的走下去。

智能相對論：深挖人工智能這口井，評出咸淡，講出黑白，道出深淺。重點(diǎn)關(guān)注領(lǐng)域：AI＋醫(yī)療、機(jī)器人、智能駕駛、AI＋硬件、物聯(lián)網(wǎng)、AI＋金融、AI＋安全、AR／VR、開發(fā)者以及背后的芯片、算法、人機(jī)交互等。

文 ｜ 柯鳴