我們對于AI應用的追逐過程如同跨欄，此時此刻回頭看看，會發(fā)現(xiàn)“計算”、“感知”和“決策”這些橫欄，都已經(jīng)在我們身后。如今我們已經(jīng)可以熟練的用語音識別和圖像識別來感知信息，再通過機器學習對海量數(shù)據(jù)的處理來給出結(jié)論。
如果問下一道橫在我們面前有待跨越的橫欄是什么，想必就是意味著“溝通”的智能對話技術(shù)了。
橫欄在前：
智能對話技術(shù)跨越的前一秒
建立在語音識別和語音生成等的NLP技術(shù)上，人機對話之間的簡單對話已經(jīng)非常普及，像是通過語音喚醒某一項設備或功能，或是和智能助手進行一些單輪問詢。但想要系統(tǒng)化地普及智能對話技術(shù)，實現(xiàn)人機之間流暢的理解和多輪對話，恐怕還有著不少限制。而這種限制，已經(jīng)到了亟待跨越的時候。
第一， 缺乏靈活的自然語言交互對話，我們在進行人機操作時依然需要依賴按鍵、屏幕等等設備，對于AI技術(shù)的應用場景有著很多桎梏。
第二， 在無法進行智能對話的前提之下，很多需要頻繁溝通的工作，依然無法被AI代勞，即使AI已經(jīng)遠超人類的記憶存儲、計算決策和感知能力。
舉例來說，在車載、智能音箱、客服和機器人這四大領(lǐng)域中，智能對話技術(shù)應用的便利與否，就與其體驗息息相關(guān)。在車載場景中，人們無暇用手與眼與AI進行交互，必然要依賴靈活精準的對話系統(tǒng)。至于智能音箱這類硬件，智能對話不僅限制其產(chǎn)品形態(tài)，也會影響其服務能力。智能客服與機器人更不必說，對于這種以交互為主的產(chǎn)品，能否擁有自然的智能對話技術(shù)，實則是根深立命之本。
從市場表現(xiàn)上，我們也能發(fā)現(xiàn)智能對話正在進入工業(yè)級應用爆發(fā)的潛伏期。
目前來說，一項技術(shù)爆發(fā)所需要的四個因素：技術(shù)高度、生態(tài)廣度、用戶取向和企業(yè)需求，在智能對話領(lǐng)域已經(jīng)盡數(shù)鋪墊完成。
像自然語言處理、語音技術(shù)以及知識圖譜等技術(shù)已經(jīng)儲備完善。數(shù)據(jù)顯示，在行業(yè)應用中38%的企業(yè)已正在應用基于智能對話的系統(tǒng)、麥克風陣列等上下游硬件解決方案，也在智能硬件市場的成長中達到一定積累，行業(yè)生態(tài)覆蓋正在加速。數(shù)據(jù)顯示，2019年Q1中國智能音箱銷量同比增長9倍，移動終端、車載系統(tǒng)、智能硬件等產(chǎn)品中引入對話交互的現(xiàn)象也日益普及，毫無疑問，用戶無比渴望更便利的交互方式。最后，在人力成本日益提高時，企業(yè)對于智能對話的需求也越來越旺盛，據(jù)與IDC聯(lián)合調(diào)研，有83.3%企業(yè)認為智能對話能有效降低運營成本。
在今天，百度舉辦了百度大腦智能對話引擎及產(chǎn)品發(fā)布會，宣布了百度大腦智能對話定制平臺UNIT3.0的全新升級，并展示了智能對話生態(tài)全景。
就此，我們或許可以確定，人類終于向“溝通”這一AI應用的橫欄發(fā)起了跨越?jīng)_刺。
復合型技術(shù)的迷墻
如果將百度大腦看做智能對話技術(shù)應用的第一個跨越者，我們也可以從中倒推出這項技術(shù)應用的難點在哪里。
一般來說，某一項技術(shù)工業(yè)級應用的突破要取決于成本效率比、人才儲備、配套服務和概念認知之上。
智能對話的特殊之處在于，這項技術(shù)的復合性極強，包含了語音識別、語音生成、語音語義一體化、知識圖譜構(gòu)建等等一系列技術(shù)。這就意味著這項技術(shù)的成本必然相對偏高、人才儲備也多半集中在技術(shù)企業(yè)和科技巨頭之中。
而智能對話技術(shù)所應用的場景又相對復雜，交互本身無處不在，智能對話技術(shù)既可以向智能客服這里軟件服務領(lǐng)域輸出，又可以投入于智能耳機、智能音箱這類硬件領(lǐng)域。更有很多全新的應用空間亟待開發(fā)。配套服務的普及，一定是一條相對艱難的道路。
綜合下來，會導致智能對話技術(shù)距離應用場景間隔了一道迷墻，注定了很多企業(yè)對這項技術(shù)的認知理解有所偏差，認為這項技術(shù)還并不適合自己的企業(yè)應用。
這就是為什么，率先動身跨越橫欄的人，會是百度。
發(fā)起沖刺：
UNIT 3.0和語音技術(shù)平臺正在蓄力
在百度大腦的智能對話生態(tài)中，為整個產(chǎn)業(yè)開放了兩個重要產(chǎn)品平臺。
第一是為開發(fā)者提供專業(yè)對話系統(tǒng)定制技術(shù)的UNIT 3.0。
基于百度多年積累的自然語言處理、知識圖譜和語音等對話相關(guān)的AI技術(shù)，百度大腦推出的UNIT3.0版本，在搭建技能、構(gòu)建知識和整合技能與知識三方面實現(xiàn)全面升級，其中為開發(fā)者提供了很多預置能力，例如有關(guān)天氣、閑聊、定會議室的對話技能，還有大幅提升樣本生產(chǎn)和標注效率的DataKit和一系列知識庫。
建立在這種模塊化的組件模式上，開發(fā)者定制對話系統(tǒng)就會變得像拼樂高一樣簡單，而非是過去那樣，在一團雜亂的毛線中尋找線頭。如此以來，將極大地降低開發(fā)成本和時間成本，極大地提升效率與性價比。
第二個產(chǎn)品平臺，是包含了領(lǐng)域語音方案和語音自訓練平臺的語音技術(shù)平臺。
相比更傾向于賦能開發(fā)者的UNIT 3.0，語音技術(shù)平臺則進一步為企業(yè)客戶提供了更易上手的工具。
在領(lǐng)域語音方案中，我們可以看到百度大腦推出了他們擅長的端到端一體化解決方案。這次發(fā)布會中所展示的呼叫中心語音解決方案，就是一個很好的案例，通過針對于呼叫中心場景優(yōu)化過專屬語音識別模型，結(jié)合呼叫中心場景專屬8K音庫，可以在識別和生成兩端進行優(yōu)化。對于那些適用于呼叫中心場景的企業(yè)用戶來說，其便利程度接近于即拿即用。
語音自訓練平臺，則和EasyDL等自動化機器學習平臺類似，通過從基礎(chǔ)語音模型到行業(yè)語音模型再到個性化語音模型的層層訓練，最終提升針對于場景業(yè)務的語音識別率。而這一整個過程都是自助式的，不需要代碼基礎(chǔ)。這也自然解決了企業(yè)人才匱乏的致命問題。
這兩項產(chǎn)品如同百度大腦智能對話生態(tài)的左右腿，甩掉了成本、效率和人才的桎梏，直接向智能對話的工業(yè)級應用發(fā)起沖刺。