1
奇點(diǎn)機(jī)智聯(lián)合創(chuàng)始人林德康：前Google高級(jí)管理科學(xué)家（senior staff research scientist），主攻自然語(yǔ)言處理。在加入Google之前，林德康是加拿大Alberta大學(xué)計(jì)算機(jī)教授，發(fā)表過(guò)逾90篇論文、被引用超過(guò)12000次，他也是華人圈少數(shù)幾個(gè)國(guó)際計(jì)算語(yǔ)言學(xué)會(huì)ACL Fellow之一。
雷鋒網(wǎng)按：距離蘋(píng)果Siri的推出已經(jīng)快6年了，期間很多智能手機(jī)廠商也紛紛將語(yǔ)音助手列為賣(mài)點(diǎn)之一，但是其使用率一直不高，究其原因，還是語(yǔ)音助手的功能有限。不過(guò)隨著深度學(xué)習(xí)帶來(lái)的技術(shù)進(jìn)展，以及亞馬遜的Alexa的大獲成功，智能語(yǔ)音助手獲得了前所未有的關(guān)注，很多人都認(rèn)為，語(yǔ)音將是下一個(gè)流量入口。
上周，樂(lè)視推出了帶有智能語(yǔ)音助手的手機(jī)，這款手機(jī)搭載的語(yǔ)音助手就是去年雷鋒網(wǎng)曾報(bào)道過(guò)的創(chuàng)業(yè)公司奇點(diǎn)機(jī)智的產(chǎn)品——“小不點(diǎn)”。對(duì)此，雷鋒網(wǎng)對(duì)奇點(diǎn)機(jī)智聯(lián)合創(chuàng)始人林德康進(jìn)行了專(zhuān)訪。
“小不點(diǎn)”宣傳視頻
奇點(diǎn)機(jī)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(yǔ)言處理方面都有著深厚的技術(shù)和經(jīng)驗(yàn)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(huì)選擇做語(yǔ)音助手？林德康表示，最主要的目的并不是因?yàn)殚T(mén)檻的降低，而是因?yàn)檎Z(yǔ)音助手確實(shí)有用。
雖然都是語(yǔ)音助手，但是“小不點(diǎn)”和蘋(píng)果的Siri、微軟的Cortana等不同。傳統(tǒng)語(yǔ)音助手除了能夠執(zhí)行系統(tǒng)級(jí)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(gè)“搜索引擎”；“小不點(diǎn)”則拋棄了業(yè)界流行的單獨(dú)的語(yǔ)音對(duì)話界面，轉(zhuǎn)而幫助用戶用語(yǔ)音來(lái)更便捷地操作手機(jī)里的各種APP，比如發(fā)微信紅包、打車(chē)、定外賣(mài)等，更像是一個(gè)“動(dòng)作引擎”。
因此，使用小不點(diǎn)的用戶雖然是用語(yǔ)音在與手機(jī)交互，但是同時(shí)也在與手機(jī)的圖形界面進(jìn)行交互，這就是林德康提到的CGUI——Conversational Graphic User Interface。
對(duì)于小不點(diǎn)來(lái)說(shuō)，其與同類(lèi)產(chǎn)品最大的不同可能就是最后的實(shí)現(xiàn)過(guò)程了。
目前市面上大多數(shù)的語(yǔ)音助手度需要集成第三方應(yīng)用的API，才能實(shí)現(xiàn)調(diào)用功能，然而這一方法存在很大的弊端，因?yàn)檫@會(huì)涉及到與第三方APP之間的談判，覆蓋的速度會(huì)很慢，而且很多語(yǔ)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(kāi)發(fā)者們往往會(huì)有抵觸情緒，這也是為什么蘋(píng)果Siri這樣的語(yǔ)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(diǎn)發(fā)微信紅包
而小不點(diǎn)則是使用了安卓系統(tǒng)里面針對(duì)視障用戶的Accessibility輔助功能，可以直接讀屏，然后實(shí)施虛擬點(diǎn)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(shuō)完“給XXX發(fā)10塊錢(qián)的紅包”之后，小不點(diǎn)就會(huì)打開(kāi)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(qián)的金額，你需要做的只是確認(rèn)發(fā)送。
不過(guò)，林德康表示，他們并不排斥接入第三方APP的API。
此外，小不點(diǎn)還有一個(gè)比較智能的學(xué)習(xí)功能。你可以通過(guò)這個(gè)功能教會(huì)小不點(diǎn)實(shí)現(xiàn)目前還不能完成的操作，而且小不點(diǎn)在學(xué)會(huì)之后，其他的用戶未來(lái)也有可能使用這一功能。據(jù)悉，奇點(diǎn)機(jī)智已經(jīng)為這一獨(dú)特功能申請(qǐng)了專(zhuān)利。
比如，如果你想讓小不點(diǎn)學(xué)會(huì)幫你“點(diǎn)一杯咖啡”，那么你可以直接告訴它“學(xué)習(xí)點(diǎn)一杯咖啡”，激活自動(dòng)學(xué)習(xí)的功能，接下來(lái)你就可以開(kāi)始按平常的步驟進(jìn)行操作，并在所有操作完成后點(diǎn)擊“結(jié)束學(xué)習(xí)”即可。由于小不點(diǎn)會(huì)記錄這些操作過(guò)程，因此下一次只需要對(duì)它說(shuō)“點(diǎn)一杯咖啡”即可自動(dòng)完成所有步驟。（以下是在樂(lè)視手機(jī)上的演示視頻）
由于以上兩點(diǎn)優(yōu)勢(shì)，小不點(diǎn)能夠在很短的時(shí)間內(nèi)覆蓋盡可能多的APP。據(jù)奇點(diǎn)機(jī)智透露，小不點(diǎn)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(diǎn)的公開(kāi)版本還只能實(shí)現(xiàn)一輪對(duì)話，并不能一直在后臺(tái)聆聽(tīng)，但是其內(nèi)測(cè)版已經(jīng)實(shí)現(xiàn)了多輪對(duì)話，可以通過(guò)語(yǔ)音實(shí)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(lè)發(fā)微信」 ->「發(fā)送我在這里你快過(guò)來(lái)」->「發(fā)送我的位置」->「發(fā)送XXX和OOO的名片」->「視頻聊天」
1. 語(yǔ)音識(shí)別
雖然奇點(diǎn)機(jī)智是一家創(chuàng)業(yè)公司，而且小不點(diǎn)研發(fā)周期也只有1年多的時(shí)間，但是林德康表示，目前小不點(diǎn)并沒(méi)有采用第三方的語(yǔ)音識(shí)別技術(shù)，而是奇點(diǎn)智能一個(gè)5人左右的團(tuán)隊(duì)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(shí)之前小不點(diǎn)曾采用百度語(yǔ)音服務(wù)來(lái)進(jìn)行語(yǔ)音識(shí)別，后來(lái)才選擇自己做。為什么呢？原因有以下幾點(diǎn)：
如果使用第三方的語(yǔ)音識(shí)別的話，首先需要將音頻傳過(guò)去，然而傳回來(lái)的一般就只有一句話。但是實(shí)際上在這句話有很多的可能性，而第三方只會(huì)在眾多可能性里挑選一個(gè)它認(rèn)為最好的傳回來(lái)。但是如果是自己能夠掌控這一過(guò)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(shí)候看哪一種其實(shí)更說(shuō)得通。
采用自己的語(yǔ)音識(shí)別技術(shù)可以針對(duì)某些特定場(chǎng)景進(jìn)行優(yōu)化，比如在識(shí)別微信通訊錄里的人名的時(shí)候，如果采用第三方接口，不一定能夠識(shí)別正確，但是如果是自己的語(yǔ)音識(shí)別技術(shù)，系統(tǒng)就可以參照通訊錄里面的名字進(jìn)行實(shí)時(shí)更正。
由于深度學(xué)習(xí)這一革命性進(jìn)步的出現(xiàn)，讓語(yǔ)音識(shí)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(jìn)者的門(mén)檻。因此雖然奇點(diǎn)機(jī)智起步較晚，但是實(shí)際上的技術(shù)差距并不大。
不過(guò)一個(gè)小團(tuán)隊(duì)的一年的努力，真的能夠與大公司相比嗎？雖然林德康并沒(méi)有給出用來(lái)衡量語(yǔ)音識(shí)別的詞錯(cuò)率（word error rate）的具體數(shù)值，但是他表示，在實(shí)測(cè)體驗(yàn)的過(guò)程中，兩者表現(xiàn)差不多。不過(guò)，目前小不點(diǎn)只支持普通話，并不支持方言。
除了不斷地投喂數(shù)據(jù)，訓(xùn)練語(yǔ)音識(shí)別的算法模型之外，還有哪些方法可以提高語(yǔ)音識(shí)別的正確率，降低用戶在使用過(guò)程中的挫敗感呢？林德康舉了一個(gè)例子。他表示，研發(fā)會(huì)根據(jù)APP的名字來(lái)優(yōu)化語(yǔ)音識(shí)別的準(zhǔn)確率。比如“摩拜單車(chē)”的“摩拜”兩個(gè)字在通用語(yǔ)料庫(kù)里可能并不是排名最高的，但是對(duì)于小不點(diǎn)的用戶來(lái)說(shuō)，可能大部分時(shí)候指的就是“摩拜”，因此在優(yōu)化時(shí)，他們會(huì)將這點(diǎn)考慮進(jìn)去，來(lái)提高用戶的使用體驗(yàn)。
而且作為一家小團(tuán)隊(duì)，奇點(diǎn)機(jī)智除了購(gòu)買(mǎi)訓(xùn)練語(yǔ)音識(shí)別模型所需要的標(biāo)記數(shù)據(jù)之外，還專(zhuān)門(mén)開(kāi)發(fā)一款A(yù)PP，讓員工利用碎片時(shí)間，來(lái)專(zhuān)門(mén)標(biāo)注訓(xùn)練所需要的數(shù)據(jù)。
2. 語(yǔ)義理解
由于公司的兩位創(chuàng)始人都有NLP（自然語(yǔ)言處理）的背景，因此在這一部分會(huì)有一些優(yōu)勢(shì)。林德康在回國(guó)之前就是谷歌做自動(dòng)問(wèn)答系統(tǒng)的，他表示其中有很多東西都是類(lèi)似的。
比如實(shí)體識(shí)別，包括人名、地名、電影名等專(zhuān)有名詞，這些都是最基本的，但是要理解整句話的意思的時(shí)候，就需要推理功能了。比如當(dāng)你說(shuō)“我想去成都”，那么我們可能就會(huì)給你用攜程等軟件搜尋火車(chē)票或者機(jī)票，如果你說(shuō)“我想去積水潭醫(yī)院”，那么我們可能就會(huì)用打車(chē)軟件給你預(yù)訂車(chē)輛。因此只是將一個(gè)個(gè)的關(guān)鍵詞列出來(lái)是不行的，還必須將每個(gè)詞進(jìn)行分類(lèi)，然后根據(jù)詞的表達(dá)結(jié)構(gòu)做推理，才能真正理解用戶的意圖。
林德康認(rèn)為，做自然語(yǔ)言理解最怕的就是邊界，比如Facebook的Messenger Bot聊天機(jī)器人，里面上下文的關(guān)聯(lián)太多。而做小不點(diǎn)這種類(lèi)型的語(yǔ)音助手相對(duì)容易一些，雖然語(yǔ)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(huì)用戶不可能用攜程去交水費(fèi)。
2014年11月，奇點(diǎn)機(jī)智獲得了徐小平100萬(wàn)美元的天使輪融資；去年3月底，奇點(diǎn)機(jī)智又獲得了襄禾資本和NEA資本500萬(wàn)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(lái)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(tuán)隊(duì)的注意力主要集中在打磨產(chǎn)品，爭(zhēng)取與更多的手機(jī)廠商合作，未來(lái)還會(huì)推出獨(dú)立的APP，暫不考慮盈利的事情。
據(jù)雷鋒網(wǎng)了解，由于奇點(diǎn)機(jī)智不會(huì)向合作的手機(jī)廠商收取費(fèi)用，未來(lái)很可能會(huì)通過(guò)為第三方APP提供流量入口來(lái)獲取盈利。比如目前用戶想通過(guò)小不點(diǎn)來(lái)訂餐，但是在用戶沒(méi)有指明APP的情況下，小不點(diǎn)會(huì)默認(rèn)打開(kāi)“餓了么”，如果你的手機(jī)里面沒(méi)有餓了么，那么就會(huì)跳轉(zhuǎn)到餓了么的下載頁(yè)。當(dāng)然，你可以直接告訴小不點(diǎn)，你想通過(guò)美團(tuán)或者百度來(lái)定外賣(mài)。
對(duì)于語(yǔ)音助手未來(lái)的發(fā)展前景，林德康雖然也認(rèn)同語(yǔ)音是下一個(gè)流量的入口，但是他認(rèn)為“語(yǔ)音+圖形界面”才是未來(lái)，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(diǎn)擊來(lái)實(shí)現(xiàn)語(yǔ)音操控APP的功能是小不點(diǎn)的首創(chuàng)，但是近日網(wǎng)上流傳出來(lái)的演示視頻顯示，三星的智能語(yǔ)音助手Bixby采用的也是和小不點(diǎn)相同的方式，這也從側(cè)面驗(yàn)證了奇點(diǎn)機(jī)智方向的正確性。
不過(guò)，目前計(jì)算機(jī)還無(wú)法真正理解人類(lèi)的自然語(yǔ)言，這也是為什么就連Facebook、谷歌等科技巨頭的聊天機(jī)器人想要實(shí)現(xiàn)多輪對(duì)話依然十分困難，據(jù)外媒報(bào)道，F(xiàn)acebook的虛擬助理M和Messenger bot的進(jìn)展很不順利，其中M能夠正確回應(yīng)的請(qǐng)求只有 30%，使用情況令人失望。因此，奇點(diǎn)機(jī)智的這條路或許沒(méi)有很高的技術(shù)門(mén)檻，但是卻更加實(shí)際。
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。
