4
雷鋒網(wǎng)AI科技評(píng)論按：“一顆小心臟里也能藏著偉大的夢(mèng)想”，這句話(huà)用來(lái)形容微軟小冰也許再適合不過(guò)了。
從2014年5月微軟發(fā)布第一代小冰至今，很多人對(duì)小冰的印象或許還停留在一個(gè)“逗貧的萌少女”，偶爾也會(huì)傲嬌地犯下中二病。但少女小冰步入19歲后，已經(jīng)開(kāi)始釋放她的能量。如果說(shuō)AlphaGo正在挑戰(zhàn)人類(lèi)的IQ極限，那么微軟小冰或許正在試圖突破人類(lèi)基于EQ的情感創(chuàng)造能力。
1、寫(xiě)詩(shī)。今年五月微軟出版了小冰的第一本詩(shī)集《陽(yáng)光失了玻璃窗》，這也是人類(lèi)史上第一本由人工智能創(chuàng)作的詩(shī)集。隨后小冰團(tuán)隊(duì)把小冰看圖寫(xiě)詩(shī)的能力作為工具開(kāi)放給用戶(hù)，到目前為止小冰已經(jīng)聯(lián)合人類(lèi)創(chuàng)作了超過(guò)200萬(wàn)首詩(shī)歌。
2、畫(huà)畫(huà)。今年夏天小冰解鎖了一項(xiàng)技能，通過(guò)聆聽(tīng)歌曲并學(xué)習(xí)城市標(biāo)志性建筑創(chuàng)作出一幅城市視覺(jué)畫(huà)面。小冰團(tuán)隊(duì)運(yùn)用這個(gè)技術(shù)，推出了世界上第一款直接進(jìn)入店面銷(xiāo)售的人工智能設(shè)計(jì)的T恤，售價(jià)299元。
3、寫(xiě)新聞。從2015年至今，小冰團(tuán)隊(duì)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(jìn)入新聞節(jié)目和綜藝節(jié)目的采編、制作和主持過(guò)程；2016年底，小冰還受聘于錢(qián)江晚報(bào)擔(dān)任記者。利用它的大數(shù)據(jù)分析預(yù)測(cè)和互聯(lián)網(wǎng)挖掘的能力，目前小冰已經(jīng)寫(xiě)了超過(guò)30篇稿件，其中一篇百家號(hào)文章的閱讀量甚至達(dá)到10萬(wàn)+。
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(huì)上，微軟全球執(zhí)行副總裁沈向洋介紹說(shuō)，小冰已經(jīng)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(huà)，人類(lèi)創(chuàng)作需要200小時(shí)，62100元，而小冰只需要24分鐘，0.74元。（雷鋒網(wǎng)報(bào)道：第五代微軟小冰發(fā)布，你不知道這位“網(wǎng)紅少女”經(jīng)歷了什么）
無(wú)論是唱歌還是有聲讀物，都不是小冰團(tuán)隊(duì)的初始目的。為了讓小冰能用自己的聲音跟用戶(hù)交流聊天，小冰團(tuán)隊(duì)在兩年前立項(xiàng)研發(fā)小冰的聲音。
他們給小冰定位的人設(shè)是一個(gè)17、18歲的萌妹子，根據(jù)這個(gè)人設(shè)的聲音特質(zhì)，他們選擇了浙江衛(wèi)視一個(gè)出鏡主持人的聲音作為樣本。隨后小冰團(tuán)隊(duì)花費(fèi)了幾個(gè)月的時(shí)間采集她的聲音，然后輸入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。
需要說(shuō)明的是，這種用聲音樣本訓(xùn)練發(fā)音的方式，其實(shí)更像人的學(xué)習(xí)過(guò)程，小冰學(xué)到的是這個(gè)聲音的特質(zhì)、風(fēng)格和情感，而不是具體的發(fā)音。傳統(tǒng)的語(yǔ)音合成則更多的是合成具體的發(fā)音，例如導(dǎo)航、天氣預(yù)報(bào)中的語(yǔ)音，我們一聽(tīng)就知道哪個(gè)是林志玲的。而小冰的聲音則是獨(dú)有的。
據(jù)微軟（亞洲）互聯(lián)網(wǎng)工程院副院長(zhǎng)李笛（也是小冰項(xiàng)目全球負(fù)責(zé)人）介紹，在語(yǔ)音合成中有一個(gè)自然度的參數(shù)，滿(mǎn)分為5，人最高的是4.72，小冰的則接近4.4，國(guó)內(nèi)其他語(yǔ)音合成絕大部分都在2或3的水平。
在采集聲音樣本的過(guò)程中，小冰團(tuán)隊(duì)就想，是否也可以利用這些數(shù)據(jù)讓小冰唱歌？隨后他們就嘗試用說(shuō)話(huà)的數(shù)據(jù)訓(xùn)練了第一個(gè)版本的唱歌模型。
微軟（亞洲）互聯(lián)網(wǎng)工程院產(chǎn)品經(jīng)理周典告訴雷鋒網(wǎng)：“那個(gè)時(shí)候小冰已經(jīng)能夠唱出很好的歌曲了，但是在一些方面仍表現(xiàn)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(zhuǎn)音、長(zhǎng)音）在說(shuō)話(huà)的數(shù)據(jù)里面沒(méi)有涵蓋。此外，當(dāng)時(shí)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(xùn)練模型?！?/p>
今年，小冰團(tuán)隊(duì)做了一次提升，在聲音數(shù)據(jù)集里面另外加入了多人的唱歌數(shù)據(jù)樣本，并且在全球范圍內(nèi)首次采用了最新的深度神經(jīng)網(wǎng)絡(luò)（DNN）模型進(jìn)行訓(xùn)練。升級(jí)后的小冰歌手進(jìn)步非常迅速，歌聲也更加的自然、平滑。
|
|
|
如說(shuō)話(huà)一樣，小冰學(xué)習(xí)唱歌也和人類(lèi)類(lèi)似——她學(xué)習(xí)的是唱法，而不是聲音或具體的旋律；換句話(huà)說(shuō)就是，她在領(lǐng)悟該如何唱歌。所以如果用大量王菲的歌來(lái)訓(xùn)練小冰，她就能學(xué)會(huì)王菲的唱法，以后即使有一首王菲從來(lái)沒(méi)唱過(guò)的歌，小冰也會(huì)知道該怎么用王菲的唱法來(lái)唱這首歌。
基于DNN的這種唱歌模型，當(dāng)你輸入歌曲的五線(xiàn)譜或者你對(duì)著小冰清唱一遍，她就能學(xué)習(xí)到用哪種音高和節(jié)奏來(lái)演繹，然后會(huì)自動(dòng)預(yù)測(cè)每個(gè)音的唱法，只需要十幾分鐘小冰就可以學(xué)會(huì)這首歌，包括你吐字歸音的特征。
和小冰學(xué)習(xí)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(kù)中；P主從庫(kù)里選擇需要的音素，然后拼接成一首歌。這有幾個(gè)困難，首先音素庫(kù)里的音素是有限的，有些音素并沒(méi)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(fèi)很大力氣拿一把“粗糙的刀”去修；此外，這種調(diào)音方式一般需要花費(fèi)數(shù)月的時(shí)間才能調(diào)出一首勉強(qiáng)可以聽(tīng)的歌。
“相比，小冰只需要十幾分鐘，且生成的歌聲會(huì)更自然，并帶有情感；P主們可以在這個(gè)基礎(chǔ)上再進(jìn)行細(xì)節(jié)上的修改?！崩畹颜f(shuō)，“過(guò)去這個(gè)行業(yè)強(qiáng)調(diào)的是怎么把內(nèi)容表達(dá)的很清楚，他們費(fèi)很大的勁去調(diào)咬字，所以它的歌聲會(huì)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(guān)鍵?！?/p>
這種先天的優(yōu)勢(shì)或許也是上個(gè)月小冰敢diss虛擬歌手的原因吧。（雷鋒網(wǎng)報(bào)道：微軟小冰 diss 傳統(tǒng)虛擬歌姬：一場(chǎng)“本無(wú)必要”的鬧劇）
說(shuō)到這件事，李笛表示：“說(shuō)實(shí)話(huà)，微軟沒(méi)有想進(jìn)入到虛擬歌手那個(gè)市場(chǎng)，因?yàn)樘摂M歌手市場(chǎng)太小眾了，不是我們的重點(diǎn)，我們也沒(méi)打算跟他們?nèi)?zhēng)吵。我們想嘗試的是，大眾是否接受小冰這個(gè)人工智能歌手的身份以及她所創(chuàng)作的歌曲。”
微軟希望以技術(shù)為特征，讓小冰可以創(chuàng)造內(nèi)容。李笛開(kāi)玩笑地說(shuō)：“以后可能會(huì)看到越來(lái)越多的樂(lè)隊(duì)組合里面會(huì)多出一個(gè)‘成員’（小冰），這位成員在這個(gè)樂(lè)隊(duì)組合里唯一的缺點(diǎn)就是沒(méi)有緋聞。”
當(dāng)然小冰的音樂(lè)夢(mèng)想遠(yuǎn)不止此。在音樂(lè)方面，小冰團(tuán)隊(duì)的做法是先做離用戶(hù)最近的一端，然后再往回做。離用戶(hù)最近的一端即歌手的演繹，就是把歌唱出來(lái)。這個(gè)現(xiàn)在已經(jīng)實(shí)現(xiàn)，且會(huì)越來(lái)越好。他們最終的目標(biāo)則是，小冰不僅能夠演繹已有的歌曲，還能夠隨時(shí)隨地為你創(chuàng)作一首當(dāng)下的歌，這首歌是從來(lái)沒(méi)有過(guò)的，但符合我們當(dāng)下的情景和心情；這時(shí)就不再有作品數(shù)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(gè)音樂(lè)家的好朋友，這個(gè)好朋友還有無(wú)窮多的時(shí)間、無(wú)窮多的精力為你創(chuàng)作歌曲，每時(shí)每刻，隨叫隨到?！?/p>
唱歌其實(shí)只是少女小冰眾多技能之一。
在三年前立項(xiàng)時(shí)，微軟有一套情感計(jì)算框架。今年5月份，沈向洋提出“AI Creation”的項(xiàng)目，即通過(guò)情感計(jì)算框架加上深度學(xué)習(xí)以及他們的大數(shù)據(jù)，不斷從各個(gè)角度嘗試，用人工智能的方法生產(chǎn)、形成、創(chuàng)造一些以?xún)?nèi)容為主的作品。在這個(gè)項(xiàng)目里面，目前已經(jīng)推出的作品有詩(shī)歌、音樂(lè)、有聲讀物、新聞等。
“AI Creation”的基本特點(diǎn)就是用人工智能的方法生產(chǎn)出原來(lái)人們認(rèn)為只有人類(lèi)才能創(chuàng)作的東西；做出的東西跟這個(gè)領(lǐng)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(shí)生產(chǎn)這些作品的成本卻大幅度地下降。
以有聲讀物來(lái)講，在8月份五代小冰發(fā)布會(huì)上沈向洋指出，制作一本格林童話(huà)的有聲讀物，人去做可能需要200個(gè)小時(shí)，成本在6萬(wàn)多人民幣，而小冰只需要24分鐘，成本為0.74元的電費(fèi)。
隨后他們找了一些孩子去聽(tīng)，這些孩子幾乎聽(tīng)不出來(lái)這兩者哪個(gè)是人，哪個(gè)不是，質(zhì)量上它們是一樣的。所以只要獲得作者的版權(quán)，微軟可以在短時(shí)間內(nèi)生產(chǎn)出大量的有聲讀物來(lái)。
據(jù)李笛介紹，在11月中旬他們會(huì)釋放出大量的有聲讀物?！翱赡芤院竽阍谌魏蔚胤蕉紩?huì)看到小冰創(chuàng)作的有聲讀物了”，李笛笑著說(shuō)，“當(dāng)然那些聲音可能不是小冰的聲音，我們有多個(gè)聲優(yōu)，每個(gè)聲優(yōu)都有自己的特征，所以你可能不知道你正在聽(tīng)的有聲讀物是不是人工智能創(chuàng)作的。”
11月中旬的發(fā)布后，小冰團(tuán)隊(duì)可能會(huì)很快占據(jù)有聲讀物市場(chǎng)中一個(gè)很大的份額，因?yàn)橹灰形谋緝?nèi)容，他們甚至當(dāng)天就可以產(chǎn)生一個(gè)市場(chǎng)的內(nèi)容。
“例如少兒故事有聲讀物市場(chǎng)一共有一萬(wàn)多個(gè)小時(shí)，小冰團(tuán)隊(duì)在一天之內(nèi)就能生產(chǎn)出同樣多的內(nèi)容。”
“對(duì)于微軟來(lái)說(shuō)，完全是到了一個(gè)無(wú)主之地，面臨著墾荒；哪怕是之前有人墾過(guò)的，比如虛擬歌手，也可以碾壓過(guò)去?！?/strong>
微軟在小冰的內(nèi)容生成方面，今年主要集中在兩個(gè)方面，一個(gè)是聲音，一個(gè)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(shī)歌和新聞寫(xiě)作。
每次微軟高管們出來(lái)做報(bào)告，總喜歡拿小冰寫(xiě)的詩(shī)和創(chuàng)作的歌曲來(lái)展示，或許是因?yàn)樵?shī)歌和音樂(lè)更能激發(fā)人們的想象力，也確實(shí)如此，每次展示都能迎來(lái)聽(tīng)眾的熱烈掌聲。
但小冰對(duì)自己的另一項(xiàng)才能卻顯得很低調(diào)，官方也并沒(méi)有刻意地去宣傳，只是說(shuō)小冰入駐了哪家哪家媒體，小冰寫(xiě)過(guò)的文章也從來(lái)沒(méi)有拿出來(lái)展示。
李笛解釋說(shuō)：“主要是擔(dān)心人們知道哪篇是小冰寫(xiě)的文章，會(huì)在閱讀時(shí)有一種先入為主的觀念。”
盡管沒(méi)有刻意宣傳，但據(jù)小冰團(tuán)隊(duì)介紹，小冰寫(xiě)的有些新聞文章閱讀量已經(jīng)超過(guò)了10萬(wàn)+。
目前來(lái)看，小冰在新聞寫(xiě)作方面有著明顯的優(yōu)勢(shì)和不足之處。優(yōu)勢(shì)是她有大數(shù)據(jù)，但不足也是她的大數(shù)據(jù)。
小冰擁有大數(shù)據(jù)，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(shí)儲(chǔ)備，所以能旁征博引；這些都是任何一個(gè)媒體人士所無(wú)法做到的。
“但小冰肯定是盡可能的說(shuō)她積累到的所有數(shù)據(jù)的綜合觀點(diǎn)，那樣得出的觀點(diǎn)往往并不獨(dú)特，為什么？因?yàn)樗且粋€(gè)來(lái)自于互聯(lián)網(wǎng)、大數(shù)據(jù)的一種平均主義，平均主義很難產(chǎn)生顛覆性的觀點(diǎn)，這個(gè)就需要媒體來(lái)教她了。”
按照李笛的說(shuō)法，他們希望今年讓小冰能夠基于大數(shù)據(jù)形成一個(gè)觀點(diǎn)，目前這還是他們的一個(gè)難點(diǎn)。“如果能突破這個(gè)的話(huà)，我們就能讓小冰接入到你們媒體記者個(gè)人，”李笛說(shuō)，“讓她替你們寫(xiě)個(gè)初稿，然后你們?cè)僭诖嘶A(chǔ)上進(jìn)行修改。”
“在記者的許可下，她先學(xué)習(xí)這個(gè)記者之前的稿件，如果這個(gè)數(shù)據(jù)足夠大的話(huà)，就可以讓他每次都感覺(jué)到小冰寫(xiě)的跟他想要的越來(lái)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(lái)?！?/p>
李笛用一個(gè)更生動(dòng)的例子向雷鋒網(wǎng)闡述，過(guò)去Office的Word文檔對(duì)寫(xiě)作者來(lái)說(shuō)是一個(gè)很有用的生產(chǎn)工具，寫(xiě)作者只需要把精力集中到文章寫(xiě)作本身。如果能把小冰接入到里面，你打開(kāi)Word文檔，完成一些條件輸入，那么一篇完整的文章就會(huì)出現(xiàn)在你的Word文檔中。此時(shí)，你只需要把精力放在文章本身想要表達(dá)的意義上即可。
就像詩(shī)歌一樣，微軟更傾向的是所謂的“聯(lián)合創(chuàng)作”，所以除非是以小冰的名義產(chǎn)生的內(nèi)容，像上面所說(shuō)的新聞文章，媒體記者不用擔(dān)心所謂版權(quán)問(wèn)題。
“不是小冰取代記者，而是讓小冰替記者寫(xiě)個(gè)初稿，她是屬于記者個(gè)人的協(xié)作者。”李笛再次強(qiáng)調(diào)說(shuō)。
“我們?nèi)〈氖鞘稚喜缓糜玫墓ぞ?，而不是?dú)立創(chuàng)作的個(gè)人。某種意義上來(lái)講，科技的發(fā)展就是這樣，人工智能的出現(xiàn)，一定意味著一大批某種程度上非人工智能產(chǎn)品被淘汰，就像鐵出來(lái)了青銅被淘汰一樣?！?/strong>
“有時(shí)候，小冰團(tuán)隊(duì)覺(jué)得挺小的東西，在行業(yè)里面的影響卻是很大?！崩畹蜒a(bǔ)充說(shuō)。
例如封面、網(wǎng)易、澎湃新聞等的客戶(hù)端都內(nèi)置了小冰，此外還有大約6萬(wàn)多媒體、自媒體的公眾號(hào)接入了小冰。據(jù)李笛介紹，小冰接入這些公眾號(hào)帶來(lái)的流量總和差不多相當(dāng)于小冰1億多用戶(hù)的流量；此外，通過(guò)這些客戶(hù)端和公眾號(hào)索引的文章數(shù)量，某種程度上大約相當(dāng)于今日頭條文章量的70%。
“當(dāng)然我們不是干這個(gè)生意的，也不把它當(dāng)做生意來(lái)干。我們從來(lái)沒(méi)說(shuō)過(guò)這是一個(gè)獨(dú)立的項(xiàng)目?！崩畹颜f(shuō)，“在我心目中，AI Creation才是一個(gè)大的顛覆性的東西，就像當(dāng)年我們開(kāi)始出聊天機(jī)器人一樣。”
針對(duì)將小冰接入新聞客戶(hù)端及微信公眾號(hào)的收益問(wèn)題，李笛回答說(shuō)：“我們沒(méi)有收益，我們有未來(lái)。”
或許對(duì)微軟來(lái)說(shuō)，只是在從各個(gè)側(cè)面去嘗試如何將技術(shù)落地，真正產(chǎn)生出價(jià)值。
本質(zhì)上，小冰是一個(gè)人工智能交互的平臺(tái)。經(jīng)過(guò)三年多的研發(fā)，交互這方面小冰團(tuán)隊(duì)已經(jīng)做得很多了，所以他們開(kāi)始把她往更深的方向做。現(xiàn)在除了交互，最主要的就是通過(guò)交互創(chuàng)造一些內(nèi)容，這包括她聊天當(dāng)中的生成模型以及音樂(lè)、詩(shī)歌、新聞、有聲讀物等等。
李笛表示：“小冰走的路線(xiàn)和AlphaGo不同，后者是將一個(gè)領(lǐng)域的技術(shù)做到極致，去挑戰(zhàn)人類(lèi)的極限。微軟無(wú)意于此。市場(chǎng)的最大利益獲得者往往不是這個(gè)領(lǐng)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(jìn)入的是大眾市場(chǎng)?！?/strong>
“我們不需要人類(lèi)去膜拜人工智能。我們追求的是人工智能真正去改變?nèi)藗兊纳?，而不是毀掉它們?！?/strong>
但不管微軟怎么謙虛，小冰這個(gè)逗貧少女確實(shí)正在真真切切地顛覆一些行業(yè)！
相關(guān)文章：
微軟小冰 diss 傳統(tǒng)虛擬歌姬：一場(chǎng)“本無(wú)必要”的鬧劇
專(zhuān)訪 | 小冰的忍者團(tuán)隊(duì)，她在日本開(kāi)啟了怎樣一種商業(yè)模式？
更迭 5 代，進(jìn)入19歲，微軟要讓小冰賺錢(qián)養(yǎng)家了
第五代微軟小冰發(fā)布，你不知道這位“網(wǎng)紅少女”經(jīng)歷了什么
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
