1
奇點機智聯(lián)合創(chuàng)始人林德康：前Google高級管理科學家（senior staff research scientist），主攻自然語言處理。在加入Google之前，林德康是加拿大Alberta大學計算機教授，發(fā)表過逾90篇論文、被引用超過12000次，他也是華人圈少數(shù)幾個國際計算語言學會ACL Fellow之一。
雷鋒網(wǎng)按：距離蘋果Siri的推出已經(jīng)快6年了，期間很多智能手機廠商也紛紛將語音助手列為賣點之一，但是其使用率一直不高，究其原因，還是語音助手的功能有限。不過隨著深度學習帶來的技術(shù)進展，以及亞馬遜的Alexa的大獲成功，智能語音助手獲得了前所未有的關(guān)注，很多人都認為，語音將是下一個流量入口。
上周，樂視推出了帶有智能語音助手的手機，這款手機搭載的語音助手就是去年雷鋒網(wǎng)曾報道過的創(chuàng)業(yè)公司奇點機智的產(chǎn)品——“小不點”。對此，雷鋒網(wǎng)對奇點機智聯(lián)合創(chuàng)始人林德康進行了專訪。
“小不點”宣傳視頻
奇點機智成立于2014年11月，兩位創(chuàng)始人鄔霄云和林德康曾在谷歌工作，并且在自然語言處理方面都有著深厚的技術(shù)和經(jīng)驗積累。該公司曾先后入駐微軟創(chuàng)投加速器（MVA）第六期、以及TechCode孵化器。至于為何會選擇做語音助手？林德康表示，最主要的目的并不是因為門檻的降低，而是因為語音助手確實有用。
雖然都是語音助手，但是“小不點”和蘋果的Siri、微軟的Cortana等不同。傳統(tǒng)語音助手除了能夠執(zhí)行系統(tǒng)級別的功能，比如設(shè)置鬧鐘、打電話等，功能十分有限，更像是一個“搜索引擎”；“小不點”則拋棄了業(yè)界流行的單獨的語音對話界面，轉(zhuǎn)而幫助用戶用語音來更便捷地操作手機里的各種APP，比如發(fā)微信紅包、打車、定外賣等，更像是一個“動作引擎”。
因此，使用小不點的用戶雖然是用語音在與手機交互，但是同時也在與手機的圖形界面進行交互，這就是林德康提到的CGUI——Conversational Graphic User Interface。
對于小不點來說，其與同類產(chǎn)品最大的不同可能就是最后的實現(xiàn)過程了。
目前市面上大多數(shù)的語音助手度需要集成第三方應(yīng)用的API，才能實現(xiàn)調(diào)用功能，然而這一方法存在很大的弊端，因為這會涉及到與第三方APP之間的談判，覆蓋的速度會很慢，而且很多語音助手都想將其他APP的功能集合到自己的界面之中，因此開發(fā)者們往往會有抵觸情緒，這也是為什么蘋果Siri這樣的語音助手在推出這么多年之后，功能依然十分有限的原因之一。
用小不點發(fā)微信紅包
而小不點則是使用了安卓系統(tǒng)里面針對視障用戶的Accessibility輔助功能，可以直接讀屏，然后實施虛擬點擊操作，因此不需要調(diào)用第三方APP的API。比如用微信發(fā)紅包，用戶說完“給XXX發(fā)10塊錢的紅包”之后，小不點就會打開微信，并查找聯(lián)系人，然后跳轉(zhuǎn)到微信發(fā)紅包的界面，并預(yù)填好10塊錢的金額，你需要做的只是確認發(fā)送。
不過，林德康表示，他們并不排斥接入第三方APP的API。
此外，小不點還有一個比較智能的學習功能。你可以通過這個功能教會小不點實現(xiàn)目前還不能完成的操作，而且小不點在學會之后，其他的用戶未來也有可能使用這一功能。據(jù)悉，奇點機智已經(jīng)為這一獨特功能申請了專利。
比如，如果你想讓小不點學會幫你“點一杯咖啡”，那么你可以直接告訴它“學習點一杯咖啡”，激活自動學習的功能，接下來你就可以開始按平常的步驟進行操作，并在所有操作完成后點擊“結(jié)束學習”即可。由于小不點會記錄這些操作過程，因此下一次只需要對它說“點一杯咖啡”即可自動完成所有步驟。（以下是在樂視手機上的演示視頻）
由于以上兩點優(yōu)勢，小不點能夠在很短的時間內(nèi)覆蓋盡可能多的APP。據(jù)奇點機智透露，小不點目前已經(jīng)覆蓋了50多款常用的APP，具備上百種功能。
雖然目前小不點的公開版本還只能實現(xiàn)一輪對話，并不能一直在后臺聆聽，但是其內(nèi)測版已經(jīng)實現(xiàn)了多輪對話，可以通過語音實現(xiàn)連續(xù)操作，而不需要重新激活。（如以下視頻所示）
「給小樂發(fā)微信」 ->「發(fā)送我在這里你快過來」->「發(fā)送我的位置」->「發(fā)送XXX和OOO的名片」->「視頻聊天」
1. 語音識別
雖然奇點機智是一家創(chuàng)業(yè)公司，而且小不點研發(fā)周期也只有1年多的時間，但是林德康表示，目前小不點并沒有采用第三方的語音識別技術(shù)，而是奇點智能一個5人左右的團隊自己研發(fā)的，而且采用的就是谷歌的TensorFlow框架。
林德康向雷鋒網(wǎng)透露，其實之前小不點曾采用百度語音服務(wù)來進行語音識別，后來才選擇自己做。為什么呢？原因有以下幾點：
如果使用第三方的語音識別的話，首先需要將音頻傳過去，然而傳回來的一般就只有一句話。但是實際上在這句話有很多的可能性，而第三方只會在眾多可能性里挑選一個它認為最好的傳回來。但是如果是自己能夠掌控這一過程的話，就可以將眾多可能性先預(yù)留著，然而再下一步的時候看哪一種其實更說得通。
采用自己的語音識別技術(shù)可以針對某些特定場景進行優(yōu)化，比如在識別微信通訊錄里的人名的時候，如果采用第三方接口，不一定能夠識別正確，但是如果是自己的語音識別技術(shù)，系統(tǒng)就可以參照通訊錄里面的名字進行實時更正。
由于深度學習這一革命性進步的出現(xiàn)，讓語音識別領(lǐng)域重新洗牌，幾乎所有玩家都站在了同一起跑線上，大幅降低了后進者的門檻。因此雖然奇點機智起步較晚，但是實際上的技術(shù)差距并不大。
不過一個小團隊的一年的努力，真的能夠與大公司相比嗎？雖然林德康并沒有給出用來衡量語音識別的詞錯率（word error rate）的具體數(shù)值，但是他表示，在實測體驗的過程中，兩者表現(xiàn)差不多。不過，目前小不點只支持普通話，并不支持方言。
除了不斷地投喂數(shù)據(jù)，訓練語音識別的算法模型之外，還有哪些方法可以提高語音識別的正確率，降低用戶在使用過程中的挫敗感呢？林德康舉了一個例子。他表示，研發(fā)會根據(jù)APP的名字來優(yōu)化語音識別的準確率。比如“摩拜單車”的“摩拜”兩個字在通用語料庫里可能并不是排名最高的，但是對于小不點的用戶來說，可能大部分時候指的就是“摩拜”，因此在優(yōu)化時，他們會將這點考慮進去，來提高用戶的使用體驗。
而且作為一家小團隊，奇點機智除了購買訓練語音識別模型所需要的標記數(shù)據(jù)之外，還專門開發(fā)一款A(yù)PP，讓員工利用碎片時間，來專門標注訓練所需要的數(shù)據(jù)。
2. 語義理解
由于公司的兩位創(chuàng)始人都有NLP（自然語言處理）的背景，因此在這一部分會有一些優(yōu)勢。林德康在回國之前就是谷歌做自動問答系統(tǒng)的，他表示其中有很多東西都是類似的。
比如實體識別，包括人名、地名、電影名等專有名詞，這些都是最基本的，但是要理解整句話的意思的時候，就需要推理功能了。比如當你說“我想去成都”，那么我們可能就會給你用攜程等軟件搜尋火車票或者機票，如果你說“我想去積水潭醫(yī)院”，那么我們可能就會用打車軟件給你預(yù)訂車輛。因此只是將一個個的關(guān)鍵詞列出來是不行的，還必須將每個詞進行分類，然后根據(jù)詞的表達結(jié)構(gòu)做推理，才能真正理解用戶的意圖。
林德康認為，做自然語言理解最怕的就是邊界，比如Facebook的Messenger Bot聊天機器人，里面上下文的關(guān)聯(lián)太多。而做小不點這種類型的語音助手相對容易一些，雖然語音助手的可能性也非常多，但是它能做的東西是有限的，因此是存在邊界的，比如不會用戶不可能用攜程去交水費。
2014年11月，奇點機智獲得了徐小平100萬美元的天使輪融資；去年3月底，奇點機智又獲得了襄禾資本和NEA資本500萬美金A輪融資。雖然已經(jīng)獲得兩輪融資，但是作為一家創(chuàng)業(yè)公司，未來的盈利模式很顯然也是需要考慮的事情。
林德康向雷鋒網(wǎng)表示，目前團隊的注意力主要集中在打磨產(chǎn)品，爭取與更多的手機廠商合作，未來還會推出獨立的APP，暫不考慮盈利的事情。
據(jù)雷鋒網(wǎng)了解，由于奇點機智不會向合作的手機廠商收取費用，未來很可能會通過為第三方APP提供流量入口來獲取盈利。比如目前用戶想通過小不點來訂餐，但是在用戶沒有指明APP的情況下，小不點會默認打開“餓了么”，如果你的手機里面沒有餓了么，那么就會跳轉(zhuǎn)到餓了么的下載頁。當然，你可以直接告訴小不點，你想通過美團或者百度來定外賣。
對于語音助手未來的發(fā)展前景，林德康雖然也認同語音是下一個流量的入口，但是他認為“語音+圖形界面”才是未來，而不是Alexa那種完全拋棄屏幕的做法。
雖然林德康表示，利用模擬點擊來實現(xiàn)語音操控APP的功能是小不點的首創(chuàng)，但是近日網(wǎng)上流傳出來的演示視頻顯示，三星的智能語音助手Bixby采用的也是和小不點相同的方式，這也從側(cè)面驗證了奇點機智方向的正確性。
不過，目前計算機還無法真正理解人類的自然語言，這也是為什么就連Facebook、谷歌等科技巨頭的聊天機器人想要實現(xiàn)多輪對話依然十分困難，據(jù)外媒報道，F(xiàn)acebook的虛擬助理M和Messenger bot的進展很不順利，其中M能夠正確回應(yīng)的請求只有 30%，使用情況令人失望。因此，奇點機智的這條路或許沒有很高的技術(shù)門檻，但是卻更加實際。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
