人工智能還是…人工智障？

全世界最痛苦的事，就是和一個跟你不在同一頻道的人尬聊。

相反，和自己的親朋好友另一半說話就輕松多了，比如你說 “今天上班好累啊”，你的家人、朋友就會說，“那今晚別做飯了，咱們出去吃？”

這種默契才是檢驗(yàn)交情深淺的唯一標(biāo)準(zhǔn)！

人和人之間有默契不罕見，但你能想象人和機(jī)器之間產(chǎn)生默契嗎？

還真有可能！小探獨(dú)家采訪了來自硅谷的初創(chuàng)公司 Mosaix 的 CEO 兼創(chuàng)始人 Sam，以及 Mosaix 的 Chief Science Officer （以下簡稱 CSO）勞逆，讓這兩位小哥給我們講講他們是打算怎么讓 AI 一步步成為我們的貼心小棉襖的。

（左為 Mosaix CEO、創(chuàng)始人 Sam；右為 Mosaix CSO 勞逆）

人工智能還是…人工智障？

這兩年不論亞馬遜的 Echo，還是 Google 的 Google Home，各種語音助手都很火。但我們可以想象一下，假如你的語音助手是個笨蛋，你和它交流起來該有多么痛苦。

我們來設(shè)想這么個場景：你吃著東西滿手都是油，或者在洗碗滿手都是泡沫，總之你騰不出手?jǐn)[弄你的音響。這時你突然想聽一首歌，于是你對音響說：

– 給我放首 Justin 的歌兒。

– 是名字里帶有 Justin 的歌曲？還是歌手是 Justin 的歌？

– 歌手是 Justin 的歌。

– 是賈老板 Justin Timberlake，還是賈斯丁?逼寶？

– 賈斯丁?逼寶。

– 你是想聽他最新的歌曲？還是榜單位置最高的歌曲？還是播放次數(shù)最高的歌曲？還是點(diǎn)贊次數(shù)最高的歌曲？

你覺得有點(diǎn)煩，但還是說 “都行?！?/p>

– 你想從 Spotify 播放？還是 YouTube 播放？還是 iTunes 播放？

這時你臉色已經(jīng)很難看了，但考慮到你的人工智能是個人工智障，你還是強(qiáng)壓怒火說，“那就 YouTube 吧”。

– YouTube 您想聽播放量最高的視頻、還是評論數(shù)最高的視頻、還是好評率最高的、還是最新視頻？

而讓機(jī)器真正懂你的意思，就是 Mosaix 想達(dá)成的目標(biāo)之一。

這么說吧，我們?nèi)撕腿私涣?，是從耳朵（聽到別人講話）、到大腦（明白別人的意思）、再到用手腳執(zhí)行大腦發(fā)出的命令。

人和機(jī)器交流也一樣：先到機(jī)器的 “耳朵”，也就是負(fù)責(zé)聽懂我們?nèi)祟惖降自谡f些什么的語音技術(shù)；再到負(fù)責(zé)理解這句話意思的大腦，也就是 Mosaix；再到執(zhí)行命令，也就是連著 Mosaix 的各種服務(wù)。

Mosaix CSO 勞逆告訴小探，現(xiàn)在語音喚醒、語音識別之類的技術(shù)已經(jīng)比較成熟，機(jī)器已經(jīng)能夠比較準(zhǔn)確地把我們?nèi)祟愓f話時發(fā)出的聲音變成一句話。

現(xiàn)在的難點(diǎn)是：機(jī)器還是不太懂每句話都是什么意思、到底該怎么把它翻譯成一個可以直接在網(wǎng)上執(zhí)行的命令？這部分就是 Mosaix 做的語義理解。

而機(jī)器之所以經(jīng)常聽不懂我們?nèi)祟愓f話，是因?yàn)槲覀冇袝r說話會說不清楚，也就是 “語義缺失”。

“我想放松一下”

什么叫“語義缺失”？小探給你舉個例子：

“找下五公里內(nèi)最便宜的加油站” 和 “我想放松一下” 這兩句話，你覺得哪句更容易被機(jī)器聽懂？

答案是第一句，因?yàn)檫@句話已經(jīng)包含了機(jī)器語言所有的要素：

• 先以你的位置為圓心、畫個半徑為五公里的圓；
• 然后把所有商家都找出來。

• 再按商戶類型過濾出加油站
• 選出價格最低的一個
• 搞定！

換句話說，“找下五公里內(nèi)所有加油站” 這句我們?nèi)祟愓f的話，和機(jī)器所熟悉的語言很像、沒有缺失的語義，所以機(jī)器能直接把這句話翻譯成它能執(zhí)行的語言。

但當(dāng)機(jī)器聽到 “我想放松一下” 這種非常抽象的話時，機(jī)器的內(nèi)心是茫然而懵逼的，因?yàn)闄C(jī)器也不知道你的意思到底是播某一類的歌？某一類的電影？還是導(dǎo)航去什么地方。

不過，如果一位和你很熟悉的朋友聽到這句話，他/她估計就能秒懂你的意思。感情深一口悶？別逗了，誰能聽懂你只說了一半的話，誰才叫和你感情深。

這就是 Mosaix 想讓機(jī)器做的事情，Mosaix 想幫機(jī)器把缺失的語義 —— 也就是我們說話太模糊的部分 —— 填進(jìn)句子里，而且還不能填錯、曲解你的意思。

有意思的是，等這個技術(shù)再發(fā)展成熟些時，它對一個人的了解可能比那個人的老公或老婆還多。比如，你的老公或老婆可能記住了你喜歡 A，但他/她不知道你為什么喜歡 A，換個場景他/她又要重新死記硬背。但 Mosaix 做的 AI 就能理解其背后邏輯、因此能舉一反三，不僅知其然、還知其所以然。

這還不算完！Mosaix 除了能理解你說話的意思，還能在聽懂后執(zhí)行你的要求。比如你說你想聽首 Justin Bieber 的歌，它還要自己決定從哪兒播放這首歌、從哪兒獲取信息。如果你有 Spotify 賬號，它就知道自己從 Spotify 上搜；如果你說你想看劇，那它也會自己去愛奇藝、搜狐視頻之類的網(wǎng)站給你搜劇。

Mosaix 聲控電視

讓你直接對音箱、電視發(fā)號施令

讓機(jī)器能明白你說的話到底是什么意思，只是 Mosaix 做的 “語音搜索” 這件事情的一部分。

什么，你說你不明白什么叫語音搜索？你可以把它簡單理解為：

Mosaix = 聲控搜索引擎（百度或谷歌）?+ 個人語音助理（亞馬遜的 Alexa 或蘋果的 Siri）

用其 Chief Scientist 勞逆的話說，Mosaix 是 “用自然對話的方式，解決 ‘搜索’ 這個本質(zhì)問題”。我們剛才說的讓機(jī)器聽懂你說的話、比你老公 / 老婆更懂你，只是個人語音助理這部分。

說完了語音助理，我們再來說說 “聲控搜索引擎” 這部分。

現(xiàn)在聲控搜索引擎主要有兩個問題：

1. 搜索得太“笨”，一字一句搜；
2. 設(shè)備不夠智能。

（1）搜索得太笨

我們可以把人粗略地分成兩種：在度娘或 Google 上搜 “紅燒肉 做法” 的人（比如你），和搜 “紅燒肉應(yīng)該怎么做比較好吃呢？” 的人（比如你媽你姥姥）。如果你想得到盡量多的結(jié)果，很明顯前一種更好。

這就是傳統(tǒng)搜索引擎的問題：它更傾向于一字一句地搜索。在人家輸入 “紅燒肉應(yīng)該怎么做比較好吃呢？” 的時候，它不一定能把這個問題簡化成 “紅燒肉 做法”。

你說搜索引擎笨吧，它的確有全世界幾乎所有問題的答案；你說他聰明吧，稍微換種說法問，它又回答不上來了…

除了搜索本身的不足，搜索設(shè)備也有局限性 —— 語音搜索更是如此。

（2）設(shè)備不夠智能

我們現(xiàn)在能用語音給手機(jī)下些簡單的指令，但還沒辦法用換著法子用更高級的語音完成任務(wù)。換句話說，我們可以對 Echo 說 “把燈關(guān)了”，然后 Echo 自己就關(guān)燈，不用我們動手，這是簡單聲控。

現(xiàn)在的電腦、電視，就停留在 “簡單聲控” 階段：你可以對著電腦或電視說 “我要看《蜘蛛俠》”，然后電視自己給你播放。但如果你說 “我今天很累，來點(diǎn)有意思的”，電視可能就懵掉了。

Mosaix 的解決方法是：以其 App 為入口，用它的云端服務(wù)連接電視、汽車系統(tǒng)、音箱…等各種設(shè)備。然后 Mosaix 在后端處理你的請求，不論你用什么設(shè)備發(fā)出請求，請求都會百川匯海發(fā)給 Mosaix，等 Mosaix 處理好后再把答案發(fā)回去。

比如你在洗碗時對著帶有麥克風(fēng)的智能音箱說，“給我來點(diǎn)帶勁的”，音箱聽到這個指示，就會問在后臺運(yùn)行的 Mosaix：“ ‘給我來電帶勁的’ 這句話啥意思？” Mosaix 計算一番，弄明白意思后，就會告訴音箱放哪首歌。這樣從頭到尾，你只用聲控就能聽歌、看電影、看新聞了。

Mosaix 與上汽合作工作圖

Mosaix 在成立之初，專門只做車上的應(yīng)用，現(xiàn)在則計劃擴(kuò)張到電視、音箱等任何不需要你盯著看、可以邊洗碗邊聽的事情上。

人類調(diào)教出來的 AI，就要比我們聰明了嗎？

基于機(jī)器學(xué)習(xí)的自然語言理解有兩種主要方式：強(qiáng)監(jiān)督學(xué)習(xí)，和弱監(jiān)督學(xué)習(xí)。

所謂強(qiáng)監(jiān)督學(xué)習(xí)，就是在訓(xùn)練機(jī)器聽懂我們說話的過程中，由人類插手，親自告訴機(jī)器哪句話是什么意思、應(yīng)該怎么理解，因?yàn)橹挥腥祟惒胖?“這句話等于那句話”。或者讓機(jī)器從網(wǎng)上扒數(shù)據(jù)，再由人類提供反饋。

這種方式有個問題：對于智能搜索需要面對的極大量的內(nèi)容來說，強(qiáng)監(jiān)督學(xué)習(xí)效率太低、很難規(guī)?；?。

另外，“由人類插手” 意味著無法避免人為影響，所以最后 AI 理解的內(nèi)容做不到完全客觀、可能會有主觀色彩，而導(dǎo)致產(chǎn)生潛在的偏差。

而弱監(jiān)督學(xué)習(xí)則是 “不用人教、讓機(jī)器自己自主學(xué)習(xí)”。

據(jù)勞逆介紹，現(xiàn)在 Siri、Alexa 等語音助理，用的都是我們上兩段提到的強(qiáng)監(jiān)督學(xué)習(xí)，強(qiáng)監(jiān)督學(xué)習(xí)也因此被認(rèn)為是正統(tǒng)。與之相反，很長一段時間來弱監(jiān)督學(xué)習(xí)一直被當(dāng)成 “非主流”。

對這種觀點(diǎn)發(fā)起挑戰(zhàn)的，正是 Mosaix。

2017 年起，勞逆和他帶領(lǐng)的團(tuán)隊就開始利用弱監(jiān)督加強(qiáng)學(xué)習(xí)解決自然語言理解問題（順帶提一句，勞逆作為絕對的學(xué)術(shù)大牛，曾在谷歌擔(dān)任資深科學(xué)家多年，是自然語言領(lǐng)域理解和機(jī)器學(xué)習(xí)領(lǐng)域的專家，也是多個學(xué)術(shù)會議和期刊的編委或主席，但接受小探采訪時人卻非常低調(diào)謙虛）。

截止 2018年，他們所開發(fā)的語義引擎在自然語言問答三大公開數(shù)據(jù)集上（斯坦福 Web Question and Answering、斯坦福 WikiTableQuestions、Salesforce WikiSQL），力壓微軟、谷歌、斯坦福、耶魯?shù)葯C(jī)構(gòu)，取得了弱監(jiān)督條件下排名第一的好成績。

勞逆非常自豪地說，這證明了弱監(jiān)督加強(qiáng)學(xué)習(xí)在自然語言理解領(lǐng)域的潛力。對于語義明確的問題弱監(jiān)督學(xué)習(xí)可以達(dá)到非常接近強(qiáng)監(jiān)督學(xué)習(xí)的效果。如果換成有 “語義缺失”的問題，強(qiáng)監(jiān)督學(xué)習(xí)會遇到人類智能的瓶頸，而弱監(jiān)督學(xué)習(xí)就可以輕易超越。

我們以 “機(jī)器下圍棋” 為例：

如果說強(qiáng)監(jiān)督學(xué)習(xí)是人類高手手把手教機(jī)器揣摩圍棋的話，那么弱監(jiān)督學(xué)習(xí)就是機(jī)器本身以圍棋規(guī)則為準(zhǔn)、自己去 “領(lǐng)悟”、自己去總結(jié)，從而學(xué)習(xí)下圍棋的。

圍棋 AI 的代表 AlphaGo，最初是在人類棋譜的調(diào)教下，以強(qiáng)監(jiān)督學(xué)習(xí)的方式學(xué)習(xí)下圍棋，它可以 60:0 戰(zhàn)勝人類頂尖高手。讓人沒想到的是，后來出現(xiàn)的 AlphaGoZero 青出于藍(lán) —— 依靠弱監(jiān)督加強(qiáng)學(xué)習(xí)的 AlphaGoZero 讓機(jī)器自己去 “領(lǐng)悟”，并最終以 89:11 戰(zhàn)勝 AlphaGo。

有沒有搞錯？！和人類學(xué)下棋的 AI，最后輸給了純靠學(xué)規(guī)則、自己教自己下棋的 AI…

而 Mosaix 對加強(qiáng)機(jī)器學(xué)習(xí)在自然語言理解領(lǐng)域的應(yīng)用，也和 AlphaGoZero 有異曲同工之處。

當(dāng)然，這并不是說弱監(jiān)督學(xué)習(xí)已經(jīng)完全戰(zhàn)勝強(qiáng)監(jiān)督學(xué)習(xí)了，兩者根據(jù)應(yīng)用場景不同，有時難分高下，但至少隨著 Mosaix 的技術(shù)突破，提供了一種 “以弱勝強(qiáng)” 的可能性。

從商業(yè)角度看，Mosaix 意在把弱監(jiān)督學(xué)習(xí)產(chǎn)品化，變成能懂你心、當(dāng)你的貼心小棉襖的深度語義搜索：

從 2017 年起，Mosaix 與上汽集團(tuán)開始探索技術(shù)在出行領(lǐng)域的應(yīng)用。在完成了預(yù)研項目的基礎(chǔ)上，上汽北美創(chuàng)新中心認(rèn)為 “Mosaix 在語義識別方面積累的兩項獨(dú)特優(yōu)勢 —— ‘基于位置的自然語言理解’ 和 ‘基于海外（?。┱Z種的語義分析’ 可以幫助上汽集團(tuán)差異化地進(jìn)軍海外、拓展國際市場。” 除了汽車，Mosaix 還與全球領(lǐng)先的智能電視、電商、以及機(jī)器人品牌都展開了合作。

Mosaix 為上汽自動駕駛場景設(shè)計開發(fā)智能助手

不過，Mosaix 的野心顯然不止于此。

有預(yù)測顯示，2020 年時全球 50% 的搜索將是語音搜索。那些語音搜索的內(nèi)容，網(wǎng)上都能找到答案，但關(guān)鍵是怎樣給整個互聯(lián)網(wǎng)安上一個大腦，使它能夠聽得懂我們說的話？否則就算互聯(lián)網(wǎng)有答案，如果它聽不懂我們語音搜索時說的是什么，也還是不知道怎么回答我們 “給我放首 Justin 的歌” 之類的問題 —— 盡管 Justin 的歌就在網(wǎng)上。

而 Mosaix 正是想在 “讓互聯(lián)網(wǎng)聽懂我們說的話” 這個轉(zhuǎn)變過程中扮演關(guān)鍵角色。Mosaix 的長期目標(biāo)是未來某一天，人們能以更方便的模式?—— 自然語言、或自然語言+屏幕交互 ——?接觸真正的、全新的、你直接說話它就能聽懂的互聯(lián)網(wǎng)。

這個任務(wù)當(dāng)然非常艱巨，誰也無法保證成功，但就像勞逆和 Sam 在采訪結(jié)尾時說的，“夢想總是要有的，萬一成功了呢？”

作者：硅谷密探，微信公眾號 ID : guigudiyixian

本文由 @硅谷密探 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來源于網(wǎng)絡(luò)