雷鋒網(wǎng)注：7 月 8 日，中國計算機學會（CCF）主辦、雷鋒網(wǎng)與香港中文大學（深圳）承辦的 CCF-GAIR 2017 大會，驀然認知 CEO 戴帥湘在智能助手專場做了《對話即應用》的演講，闡述了語音交互在生活場景中的具體應用，以及機器對話中需要解決的有關(guān)語義理解的諸多問題。

會后，在專訪中，戴帥湘又與雷鋒網(wǎng)進一步分享了其對于語義理解、場景服務的理解。眼下語義理解的核心是什么？難題在哪兒？如何克服？百度、阿里等巨頭的進入將對創(chuàng)業(yè)公司造成什么影響......關(guān)于這些問題，戴帥湘一一作了解答。

以下為戴帥湘采訪實錄，雷鋒網(wǎng)做了不改變原意的修改：

問：驀然認知的連續(xù)對話能到什么程度？似乎在一些場景中，連續(xù)對話總是不能滿足需要？

戴帥湘：連續(xù)對話其實不是句子，是意圖，你可能說五句話還是同一個意圖。剛才我說的多輪對話實際是融合了多種場景，比如你說“我要去看電影”，但是在這之前，你可能需要了解，現(xiàn)在上映的有什么電影，是誰演的，這個導演最近有沒有緋聞......它是擴展的，不只停留在看電影上面。

你要覆蓋盡可能多的、用戶可能發(fā)散的意圖，因為人不是機器，不會按照固定的套路去問。人的思路是一個由單點往外擴散的過程，所以要盡可能地多理解他的意圖，盡可能多做長尾的意圖理解。解決這種發(fā)散性問題，把它囊括在對話系統(tǒng)里面很重要，所以，不是只要多輪次，要將多場景結(jié)合在一起。

問：要實現(xiàn)對長尾意圖的理解，有什么難題？

戴帥湘：難題肯定會有，但是還是可以做到的。比如說語義理解，你是不是可以快速進行場景移植，是不是可以在新的場景里把已有的、已學的東西進行遷移學習。

要做到這些，現(xiàn)在有一些基本的方案，但不管用哪種，你都會考慮，有沒有優(yōu)化的。難點就在于，你能想到什么樣的途徑。

 問：剛才在臺上你說“堅定地不看好智能音箱”，但好像驀然現(xiàn)在也正在跟聲智科技合作智能音箱的項目？

戴帥湘：聲智做的是聲音入口，它不一定要放到音箱里面，也可以是汽車、電視、穿戴式設備。音箱現(xiàn)在很火，推一個音箱芯片，可以多一份市場，并沒有壞處。 

但音箱不太可能成為量很大的產(chǎn)品，它燒不了量，規(guī)模化就很難，所以不太可能成為像電視那么主流的設備。 

問：可亞馬遜的出貨量已經(jīng)超過 1000 萬臺了。

戴帥湘：這是累計吧。美國的生活里，每家每戶都有音箱，它是有基礎的。這是很重要的原因。一樣東西要成為爆款，必須要有延續(xù)性，比如手機，用戶有需求，手機本身就是很大的市場。 

存量市場必須得有，沒有存量市場或者存量市場很小的話，推一個全新的品類，其實意義不大。除非你有說服用戶的巨大能力，非常強大的營銷能力，去讓用戶接受一個本來不大需要的東西，這個其實是有難度的。

問：為什么選擇家居和車載這兩個場景？

戴帥湘：因為它們本身就已經(jīng)實現(xiàn)了商業(yè)化，市場前景非常廣闊。電視在中國人的家里占據(jù)中心位置，做電視不是為了電視，而是為了占住家庭中心。只是電視比音箱難，它涉及的內(nèi)容太多。

汽車產(chǎn)業(yè)已經(jīng)有 100 年了，它需要融入更多新技術(shù)和互聯(lián)網(wǎng)思維，比如自動駕駛、人機交互。這是一個非常有前景的場景，而且非常適合交互。

問：一些生態(tài)廠商，像小米、樂視可能已經(jīng)占據(jù)了家庭設備的中心？

戴帥湘：其實在中國，真正占據(jù)家庭中心的是傳統(tǒng)設備廠商，電視發(fā)貨量最大的還是傳統(tǒng)那幾家。

而且電視沒有那么大的增量，你還得改造它，比如說，已有的電視可以通過接入盒子或者其它東西改變?，F(xiàn)在在國內(nèi)，還沒有可以壟斷硬件的生態(tài)廠家，硬件永遠是不可能壟斷的，它一定是五花八門，百花齊放的。

問：像驀然這樣做云交互的公司，眼下最大的難點在哪里？

戴帥湘：最大的難點在于，現(xiàn)在面對的設備都是傳統(tǒng)設備，要傳統(tǒng)設備商接受一個新方案，改變既有的交互方式，這本質(zhì)上需要傳統(tǒng)行業(yè)的從業(yè)者有一定的新觀念。比如傳統(tǒng)企業(yè)和我們這種新興的 AI 技術(shù)行業(yè)，如何很好地對接？

都說互聯(lián)網(wǎng)+，大家的觀念是一致的，可是很難加在一起。

問：現(xiàn)在我們的技術(shù)在產(chǎn)品化上還有其它新的進展嗎？

戴帥湘：我們其實有成套的框架，可以快速變成電視系統(tǒng)，音箱系統(tǒng)或者車載系統(tǒng)。從這方面看，我們有非?？斓漠a(chǎn)品構(gòu)建能力。下半年我們會做一次發(fā)布會，發(fā)布各種產(chǎn)品，包括耳機的、音箱的、電視的、車載的、機頂盒的等等。它們的樣式都不一樣，軟件也有差異，但是對我們來說都是一套系統(tǒng)。

問：同樣是做語音交互，阿里前幾天推出了天貓精靈，百度也在一直強調(diào) DuerOS 的戰(zhàn)略地位，巨頭的動作會對我們這樣的公司決策有什么影響？

戴帥湘：我一直覺得這是一件好事。因為對話式語音交互其實是一個完整的鏈條，這個鏈條包含了很多方面，大家要做很多重復工作，比如降噪、云識別，這些勞動其實是不必要的。巨頭開放可以很快把這塊搞定，讓創(chuàng)業(yè)公司告別重復勞動。

其實這個環(huán)境里最核心的部分是三個：語義理解，對話系統(tǒng)，學習系統(tǒng)。這部分沒有任何限制，也沒有任何界限，這些大公司自己都沒做到這一步，它怎么開放給你？它開源的是兩部分：

第一，前面的語音識別、降噪方案；

第二，后臺的基本資源，比如百度的那些，其實本身就是免費的，到百度搜索上就可以獲取到，它也是拿別人的。

問：大公司如果在這個領(lǐng)域重投入，將會對創(chuàng)業(yè)公司造成很大威脅？

戴帥湘：這是有可能的。一個東西剛開始出來，肯定是要跑得快，快速落地，積累數(shù)據(jù)，迭代，到后面也一定會有競爭，因為大家都認為語義理解、對話系統(tǒng)、學習系統(tǒng)是最核心的。

問：那跟大公司相比，創(chuàng)業(yè)公司的競爭力在哪里？

戴帥湘：很多人問過我這個問題。創(chuàng)業(yè)公司有一個很大的特點，就是專注，這非常重要，尤其是對于一個還沒有成熟的東西，你要去攻克它，快速和應用市場、傳統(tǒng)產(chǎn)業(yè)設備緊密結(jié)合起來。你的技術(shù)必須和這些設備同步打造、分析，要和這些公司團隊坐在一起分析產(chǎn)品形態(tài)怎么設計，技術(shù)什么地方可用，什么地方不可用，不可用的情況下要怎么做。

但對于大公司來說，一些客戶對它來說可能微乎其微，它的目標是做平臺，我們是要創(chuàng)造一個東西。傳統(tǒng)廠商并不具有那么多的認知，我們和它緊密結(jié)合起來，一步一步，先有一些它可感知的東西，再慢慢往下推。我覺得這個差異是很大的。

問：數(shù)據(jù)算是我們的一個劣勢嗎？

戴帥湘：其實我覺得不是?？赡苣悴幌嘈牛俏曳浅远ǖ卣f，我們在技術(shù)上和這些所謂的大公司比，沒有任何劣勢。在機器數(shù)量、帶寬費用上，我們會更節(jié)約，但是在技術(shù)上沒有任何劣勢。每個細節(jié)，每個到達技術(shù)的路徑，我們都非常非常清晰。

到達每個目標的路徑很多很多，我們明確地選擇了一條，大公司選擇的可能和我們不一樣，但無非就是誰更快找到坡度更大的路線，可以快速達到目的。我覺得在這一點，創(chuàng)業(yè)公司會更容易，因為它直接和廠商對接，能達到目的，就快速達到目的，不追求平臺有多大，多規(guī)范化。

問：聽、聽懂和服務的滿足這三點，聽懂好像是最難的，如果現(xiàn)在讓你打分，滿分 10 分，驀然能做幾分？

戴帥湘：這個怎么說，其實還是有一些限制。比如說在生活常用的場景，我們可以達到 7-8 分，但是如果要是泛泛地說，肯定是 5 分以下。因為有太多東西是你不能學習和了解的，它需要一個基本的框架，然后逐步迭代。人也是從小開始學基本的語文數(shù)學，然后慢慢學會更多。

現(xiàn)在如果停留在某些常用的、可用的場景里面，只要是能提供生活服務的，我們都能做出比較好的水平。但是脫離整個應用場景說聽懂，其實意義不是很大。而且聽懂和滿足不是截然分開的，它們是緊密結(jié)合的，因為其實你不能判斷它聽不聽得懂，而一定是從它的滿足或者后效性上判斷的。兩者天生是不可分的。所以這樣分為三個階段，其實我是不認同的。

問：業(yè)務上有 2C 的考慮嗎？

戴帥湘：我還是引用別人的一句話：真正做好一個軟件以后，你很可能要做自己的硬件。這個硬件的形態(tài)可能不一樣，可以是機器人，也可以是穿戴式設備，但是對于一個直接做交互，跟用戶打交道的公司，將來肯定會推出適合自己的一系列硬件。

我們堅定地看好設備，我覺得影像時代就是設備的時代。

推薦閱讀：《驀然認知 CEO 戴帥湘：對話式語音交互將無處不在 | CCF-GAIR 2017》

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。