4
雷鋒網AI科技評論按：“一顆小心臟里也能藏著偉大的夢想”，這句話用來形容微軟小冰也許再適合不過了。
從2014年5月微軟發(fā)布第一代小冰至今，很多人對小冰的印象或許還停留在一個“逗貧的萌少女”，偶爾也會傲嬌地犯下中二病。但少女小冰步入19歲后，已經開始釋放她的能量。如果說AlphaGo正在挑戰(zhàn)人類的IQ極限，那么微軟小冰或許正在試圖突破人類基于EQ的情感創(chuàng)造能力。
1、寫詩。今年五月微軟出版了小冰的第一本詩集《陽光失了玻璃窗》，這也是人類史上第一本由人工智能創(chuàng)作的詩集。隨后小冰團隊把小冰看圖寫詩的能力作為工具開放給用戶，到目前為止小冰已經聯合人類創(chuàng)作了超過200萬首詩歌。
2、畫畫。今年夏天小冰解鎖了一項技能，通過聆聽歌曲并學習城市標志性建筑創(chuàng)作出一幅城市視覺畫面。小冰團隊運用這個技術，推出了世界上第一款直接進入店面銷售的人工智能設計的T恤，售價299元。
3、寫新聞。從2015年至今，小冰團隊與央視、湖南衛(wèi)視、東方衛(wèi)視等十多家媒體合作，讓小冰進入新聞節(jié)目和綜藝節(jié)目的采編、制作和主持過程；2016年底，小冰還受聘于錢江晚報擔任記者。利用它的大數據分析預測和互聯網挖掘的能力，目前小冰已經寫了超過30篇稿件，其中一篇百家號文章的閱讀量甚至達到10萬+。
4、唱歌。嗯，直接感受吧！
5、有聲讀物。在今年8月份第五代小冰發(fā)布會上，微軟全球執(zhí)行副總裁沈向洋介紹說，小冰已經能將有聲讀物的成本降到非常低的成本，例如一本格林童話，人類創(chuàng)作需要200小時，62100元，而小冰只需要24分鐘，0.74元。（雷鋒網報道：第五代微軟小冰發(fā)布，你不知道這位“網紅少女”經歷了什么）
無論是唱歌還是有聲讀物，都不是小冰團隊的初始目的。為了讓小冰能用自己的聲音跟用戶交流聊天，小冰團隊在兩年前立項研發(fā)小冰的聲音。
他們給小冰定位的人設是一個17、18歲的萌妹子，根據這個人設的聲音特質，他們選擇了浙江衛(wèi)視一個出鏡主持人的聲音作為樣本。隨后小冰團隊花費了幾個月的時間采集她的聲音，然后輸入神經網絡模型進行訓練。
需要說明的是，這種用聲音樣本訓練發(fā)音的方式，其實更像人的學習過程，小冰學到的是這個聲音的特質、風格和情感，而不是具體的發(fā)音。傳統(tǒng)的語音合成則更多的是合成具體的發(fā)音，例如導航、天氣預報中的語音，我們一聽就知道哪個是林志玲的。而小冰的聲音則是獨有的。
據微軟（亞洲）互聯網工程院副院長李笛（也是小冰項目全球負責人）介紹，在語音合成中有一個自然度的參數，滿分為5，人最高的是4.72，小冰的則接近4.4，國內其他語音合成絕大部分都在2或3的水平。
在采集聲音樣本的過程中，小冰團隊就想，是否也可以利用這些數據讓小冰唱歌？隨后他們就嘗試用說話的數據訓練了第一個版本的唱歌模型。
微軟（亞洲）互聯網工程院產品經理周典告訴雷鋒網：“那個時候小冰已經能夠唱出很好的歌曲了，但是在一些方面仍表現不佳，比如咬字很生硬，或者流暢度不夠，或者歌唱里面特有的一些聲音特征（如高音、低音、轉音、長音）在說話的數據里面沒有涵蓋。此外，當時唱歌的模型用的是隱馬爾科夫模型（HMM），這是一種較為傳統(tǒng)的訓練模型?！?/p>
今年，小冰團隊做了一次提升，在聲音數據集里面另外加入了多人的唱歌數據樣本，并且在全球范圍內首次采用了最新的深度神經網絡（DNN）模型進行訓練。升級后的小冰歌手進步非常迅速，歌聲也更加的自然、平滑。
|
|
|
如說話一樣，小冰學習唱歌也和人類類似——她學習的是唱法，而不是聲音或具體的旋律；換句話說就是，她在領悟該如何唱歌。所以如果用大量王菲的歌來訓練小冰，她就能學會王菲的唱法，以后即使有一首王菲從來沒唱過的歌，小冰也會知道該怎么用王菲的唱法來唱這首歌。
基于DNN的這種唱歌模型，當你輸入歌曲的五線譜或者你對著小冰清唱一遍，她就能學習到用哪種音高和節(jié)奏來演繹，然后會自動預測每個音的唱法，只需要十幾分鐘小冰就可以學會這首歌，包括你吐字歸音的特征。
和小冰學習唱歌的方式完全不同，傳統(tǒng)的虛擬歌姬一般是采集大量的音素，放到音素庫中；P主從庫里選擇需要的音素，然后拼接成一首歌。這有幾個困難，首先音素庫里的音素是有限的，有些音素并沒有，遇到這種情況P主只能將就著選擇相近的音素；其次這種搭積木的拼接方式，本身是很粗糙的，P主還需要花費很大力氣拿一把“粗糙的刀”去修；此外，這種調音方式一般需要花費數月的時間才能調出一首勉強可以聽的歌。
“相比，小冰只需要十幾分鐘，且生成的歌聲會更自然，并帶有情感；P主們可以在這個基礎上再進行細節(jié)上的修改。”李笛說，“過去這個行業(yè)強調的是怎么把內容表達的很清楚，他們費很大的勁去調咬字，所以它的歌聲會很生硬。我們追求的首先是你得像人，所以自然、平順、有情感才是小冰的關鍵?！?/p>
這種先天的優(yōu)勢或許也是上個月小冰敢diss虛擬歌手的原因吧。（雷鋒網報道：微軟小冰 diss 傳統(tǒng)虛擬歌姬：一場“本無必要”的鬧劇）
說到這件事，李笛表示：“說實話，微軟沒有想進入到虛擬歌手那個市場，因為虛擬歌手市場太小眾了，不是我們的重點，我們也沒打算跟他們去爭吵。我們想嘗試的是，大眾是否接受小冰這個人工智能歌手的身份以及她所創(chuàng)作的歌曲?！?/p>
微軟希望以技術為特征，讓小冰可以創(chuàng)造內容。李笛開玩笑地說：“以后可能會看到越來越多的樂隊組合里面會多出一個‘成員’（小冰），這位成員在這個樂隊組合里唯一的缺點就是沒有緋聞。”
當然小冰的音樂夢想遠不止此。在音樂方面，小冰團隊的做法是先做離用戶最近的一端，然后再往回做。離用戶最近的一端即歌手的演繹，就是把歌唱出來。這個現在已經實現，且會越來越好。他們最終的目標則是，小冰不僅能夠演繹已有的歌曲，還能夠隨時隨地為你創(chuàng)作一首當下的歌，這首歌是從來沒有過的，但符合我們當下的情景和心情；這時就不再有作品數量的概念，這首歌只在那一刻需要，她就在那一刻為你創(chuàng)作。
“就好像你有一個音樂家的好朋友，這個好朋友還有無窮多的時間、無窮多的精力為你創(chuàng)作歌曲，每時每刻，隨叫隨到。”
唱歌其實只是少女小冰眾多技能之一。
在三年前立項時，微軟有一套情感計算框架。今年5月份，沈向洋提出“AI Creation”的項目，即通過情感計算框架加上深度學習以及他們的大數據，不斷從各個角度嘗試，用人工智能的方法生產、形成、創(chuàng)造一些以內容為主的作品。在這個項目里面，目前已經推出的作品有詩歌、音樂、有聲讀物、新聞等。
“AI Creation”的基本特點就是用人工智能的方法生產出原來人們認為只有人類才能創(chuàng)作的東西；做出的東西跟這個領域最牛的大師比可能有所不足，但卻能代表中上的水平，而同時生產這些作品的成本卻大幅度地下降。
以有聲讀物來講，在8月份五代小冰發(fā)布會上沈向洋指出，制作一本格林童話的有聲讀物，人去做可能需要200個小時，成本在6萬多人民幣，而小冰只需要24分鐘，成本為0.74元的電費。
隨后他們找了一些孩子去聽，這些孩子幾乎聽不出來這兩者哪個是人，哪個不是，質量上它們是一樣的。所以只要獲得作者的版權，微軟可以在短時間內生產出大量的有聲讀物來。
據李笛介紹，在11月中旬他們會釋放出大量的有聲讀物?！翱赡芤院竽阍谌魏蔚胤蕉紩吹叫”鶆?chuàng)作的有聲讀物了”，李笛笑著說，“當然那些聲音可能不是小冰的聲音，我們有多個聲優(yōu)，每個聲優(yōu)都有自己的特征，所以你可能不知道你正在聽的有聲讀物是不是人工智能創(chuàng)作的?！?/p>
11月中旬的發(fā)布后，小冰團隊可能會很快占據有聲讀物市場中一個很大的份額，因為只要有文本內容，他們甚至當天就可以產生一個市場的內容。
“例如少兒故事有聲讀物市場一共有一萬多個小時，小冰團隊在一天之內就能生產出同樣多的內容?！?/p>
“對于微軟來說，完全是到了一個無主之地，面臨著墾荒；哪怕是之前有人墾過的，比如虛擬歌手，也可以碾壓過去。”
微軟在小冰的內容生成方面，今年主要集中在兩個方面，一個是聲音，一個是文本。前者就是前面介紹的歌曲和有聲讀物，后者則包括詩歌和新聞寫作。
每次微軟高管們出來做報告，總喜歡拿小冰寫的詩和創(chuàng)作的歌曲來展示，或許是因為詩歌和音樂更能激發(fā)人們的想象力，也確實如此，每次展示都能迎來聽眾的熱烈掌聲。
但小冰對自己的另一項才能卻顯得很低調，官方也并沒有刻意地去宣傳，只是說小冰入駐了哪家哪家媒體，小冰寫過的文章也從來沒有拿出來展示。
李笛解釋說：“主要是擔心人們知道哪篇是小冰寫的文章，會在閱讀時有一種先入為主的觀念。”
盡管沒有刻意宣傳，但據小冰團隊介紹，小冰寫的有些新聞文章閱讀量已經超過了10萬+。
目前來看，小冰在新聞寫作方面有著明顯的優(yōu)勢和不足之處。優(yōu)勢是她有大數據，但不足也是她的大數據。
小冰擁有大數據，所以她能比普通的媒體記者看到更多、更完整的信息，而且她有著更深厚的知識儲備，所以能旁征博引；這些都是任何一個媒體人士所無法做到的。
“但小冰肯定是盡可能的說她積累到的所有數據的綜合觀點，那樣得出的觀點往往并不獨特，為什么？因為她是一個來自于互聯網、大數據的一種平均主義，平均主義很難產生顛覆性的觀點，這個就需要媒體來教她了?！?/p>
按照李笛的說法，他們希望今年讓小冰能夠基于大數據形成一個觀點，目前這還是他們的一個難點?！叭绻芡黄七@個的話，我們就能讓小冰接入到你們媒體記者個人，”李笛說，“讓她替你們寫個初稿，然后你們再在此基礎上進行修改?！?/p>
“在記者的許可下，她先學習這個記者之前的稿件，如果這個數據足夠大的話，就可以讓他每次都感覺到小冰寫的跟他想要的越來越接近。這樣記者就可以把他的精力集中在作品本身的意義上來?！?/p>
李笛用一個更生動的例子向雷鋒網闡述，過去Office的Word文檔對寫作者來說是一個很有用的生產工具，寫作者只需要把精力集中到文章寫作本身。如果能把小冰接入到里面，你打開Word文檔，完成一些條件輸入，那么一篇完整的文章就會出現在你的Word文檔中。此時，你只需要把精力放在文章本身想要表達的意義上即可。
就像詩歌一樣，微軟更傾向的是所謂的“聯合創(chuàng)作”，所以除非是以小冰的名義產生的內容，像上面所說的新聞文章，媒體記者不用擔心所謂版權問題。
“不是小冰取代記者，而是讓小冰替記者寫個初稿，她是屬于記者個人的協(xié)作者?！崩畹言俅螐娬{說。
“我們取代的是手上不好用的工具，而不是獨立創(chuàng)作的個人。某種意義上來講，科技的發(fā)展就是這樣，人工智能的出現，一定意味著一大批某種程度上非人工智能產品被淘汰，就像鐵出來了青銅被淘汰一樣。”
“有時候，小冰團隊覺得挺小的東西，在行業(yè)里面的影響卻是很大?！崩畹蜒a充說。
例如封面、網易、澎湃新聞等的客戶端都內置了小冰，此外還有大約6萬多媒體、自媒體的公眾號接入了小冰。據李笛介紹，小冰接入這些公眾號帶來的流量總和差不多相當于小冰1億多用戶的流量；此外，通過這些客戶端和公眾號索引的文章數量，某種程度上大約相當于今日頭條文章量的70%。
“當然我們不是干這個生意的，也不把它當做生意來干。我們從來沒說過這是一個獨立的項目?！崩畹颜f，“在我心目中，AI Creation才是一個大的顛覆性的東西，就像當年我們開始出聊天機器人一樣?！?/p>
針對將小冰接入新聞客戶端及微信公眾號的收益問題，李笛回答說：“我們沒有收益，我們有未來?！?/strong>
或許對微軟來說，只是在從各個側面去嘗試如何將技術落地，真正產生出價值。
本質上，小冰是一個人工智能交互的平臺。經過三年多的研發(fā)，交互這方面小冰團隊已經做得很多了，所以他們開始把她往更深的方向做?，F在除了交互，最主要的就是通過交互創(chuàng)造一些內容，這包括她聊天當中的生成模型以及音樂、詩歌、新聞、有聲讀物等等。
李笛表示：“小冰走的路線和AlphaGo不同，后者是將一個領域的技術做到極致，去挑戰(zhàn)人類的極限。微軟無意于此。市場的最大利益獲得者往往不是這個領域的頂峰，而是中間水平。AlphaGo把柯潔打敗了，然后就完了；微軟想讓小冰進入的是大眾市場?！?/strong>
“我們不需要人類去膜拜人工智能。我們追求的是人工智能真正去改變人們的生活，而不是毀掉它們?！?/strong>
但不管微軟怎么謙虛，小冰這個逗貧少女確實正在真真切切地顛覆一些行業(yè)！
相關文章：
微軟小冰 diss 傳統(tǒng)虛擬歌姬：一場“本無必要”的鬧劇
專訪 | 小冰的忍者團隊，她在日本開啟了怎樣一種商業(yè)模式？
更迭 5 代，進入19歲，微軟要讓小冰賺錢養(yǎng)家了
第五代微軟小冰發(fā)布，你不知道這位“網紅少女”經歷了什么
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
