百度與科大訊飛的競(jìng)爭(zhēng)正在從語(yǔ)音交互延伸到視覺(jué)交互等多模態(tài)技術(shù)上

近兩年來(lái)，隨著人們?cè)絹?lái)越頻繁使用智能產(chǎn)品，所產(chǎn)生的數(shù)據(jù)越來(lái)越龐大，這些數(shù)據(jù)又被大公司所利用，龐大的數(shù)據(jù)也將催生“機(jī)器人大腦”。

目前市面上已經(jīng)誕生出越來(lái)越多的機(jī)器人產(chǎn)品，如：早教機(jī)器人、陪護(hù)機(jī)器人、商場(chǎng)機(jī)器人、銀行機(jī)器人、法務(wù)機(jī)器人等等，但是在實(shí)際的場(chǎng)景應(yīng)用中，機(jī)器人并不能帶來(lái)真正的智能。

最主要的功能就是體現(xiàn)在機(jī)器人大腦，用專業(yè)術(shù)語(yǔ)講就是“語(yǔ)義”，我們?cè)谡Z(yǔ)義的采集上還處在非常初級(jí)的階段，如果處理不了語(yǔ)義理解，那機(jī)器人在實(shí)際場(chǎng)景中的應(yīng)用就是一個(gè)“呆子”。

讓機(jī)器人開(kāi)口說(shuō)話，除了語(yǔ)義之外，語(yǔ)音也是關(guān)鍵的技術(shù)，國(guó)內(nèi)科大訊飛在語(yǔ)音技術(shù)上的造詣，讓國(guó)內(nèi)很多做機(jī)器人的企業(yè)受惠，其語(yǔ)音處理技術(shù)基本上已經(jīng)能滿足人們?nèi)粘Ｉ钪械氖褂眯枨蟆?/p>

但是國(guó)內(nèi)機(jī)器人產(chǎn)業(yè)接下來(lái)的發(fā)展將會(huì)開(kāi)始加速，在這次1號(hào)機(jī)器人網(wǎng)研討會(huì)上，不管是百度，還是科大訊飛所傳遞的信息就是已做好全面出擊的準(zhǔn)備。

雖然國(guó)內(nèi)語(yǔ)音語(yǔ)義的發(fā)展正在加速，但是對(duì)機(jī)器人企業(yè)而言，速度還不夠快，目前不管是百度，還是科大訊飛所提供的語(yǔ)音語(yǔ)義還是不能滿足機(jī)器人在實(shí)際應(yīng)用中的要求。

城市漫步總經(jīng)理李正說(shuō)：“在人們與機(jī)器人對(duì)話的過(guò)程中，一些簡(jiǎn)單的問(wèn)題，機(jī)器人是可以回答，但是稍微復(fù)雜一些的問(wèn)題，機(jī)器人就回答不了，BAT或科大訊飛所提供的語(yǔ)義，讓機(jī)器人處在小孩3歲左右的智力水平。對(duì)很多機(jī)器人企業(yè)而言，目前的瓶頸也是在這里，很難有所突破?！?/p>

科大訊飛銷售總監(jiān)廖凱說(shuō)：“其實(shí)訊飛也很苦惱，語(yǔ)音助理已經(jīng)通過(guò)國(guó)家各種考試，很難說(shuō)它的智力不行，訊飛高考機(jī)器人基于目前的成長(zhǎng)速度，到2020年會(huì)考上一本，去年的數(shù)據(jù)顯示，語(yǔ)文考了90多分，數(shù)學(xué)考了110多分。”

只能說(shuō)人們?nèi)粘＝涣髦?，所體現(xiàn)的語(yǔ)言很復(fù)雜，目前的大數(shù)據(jù)還不能夠支撐人們復(fù)雜的日常交流。

百度自然語(yǔ)言技術(shù)開(kāi)放負(fù)責(zé)人張晶晶說(shuō)：“人工智能聰明程度其實(shí)很大程度上取決于數(shù)據(jù)，百度為什么在人工智能領(lǐng)域國(guó)內(nèi)領(lǐng)先，因?yàn)楸澈笫驱嫶蟮臄?shù)據(jù)，比如百度搜索，每天有60億次搜索，這些數(shù)據(jù)支撐百度深度語(yǔ)義理解，像這種過(guò)億用戶的APP，百度有14個(gè)，這些數(shù)據(jù)支撐了百度大腦每時(shí)每刻都在進(jìn)化?！?/p>

“國(guó)內(nèi)各大平臺(tái)，如：百度UNIT、訊飛AIUI、小i機(jī)器人、思必馳等，其實(shí)各家的側(cè)重點(diǎn)不同，因此，最終的測(cè)試結(jié)果也會(huì)不同，像百度的對(duì)話效果只有達(dá)到95%以上才會(huì)放出來(lái)。”

但是在這次1號(hào)機(jī)器人網(wǎng)研討會(huì)上，機(jī)器人企業(yè)對(duì)各大平臺(tái)所提供的語(yǔ)義依然不是特別滿意。

或許國(guó)內(nèi)各大機(jī)器人企業(yè)過(guò)于依賴BAT等企業(yè)，希望依靠BAT大企業(yè)的投入完善語(yǔ)音語(yǔ)義技術(shù)，但是百度已經(jīng)在語(yǔ)音語(yǔ)義上投入了3億元，雖然技術(shù)積累很快，但是目前的瓶頸是依然還不能支撐機(jī)器人日常復(fù)雜的對(duì)話交流。

狗尾草聯(lián)合創(chuàng)始人張博說(shuō)：“3至5歲小孩，同一個(gè)問(wèn)題，在每個(gè)年齡段尋求的答案都不同，所以對(duì)語(yǔ)義的要求非常高，如果真要做好語(yǔ)義理解，就需要把語(yǔ)義理解做的足夠細(xì)，再接入知識(shí)圖譜，如果是批量的知識(shí)圖譜，那就需要各大平臺(tái)開(kāi)放知識(shí)庫(kù)，讓機(jī)器人企業(yè)去調(diào)用，滿足更高級(jí)開(kāi)發(fā)的產(chǎn)品需求。”

從這次1號(hào)機(jī)器人網(wǎng)研討會(huì)上反饋，現(xiàn)階段讓各大平臺(tái)完全開(kāi)放知識(shí)庫(kù)不現(xiàn)實(shí)，像百度、科大訊飛、小i機(jī)器人等投入巨資打造知識(shí)庫(kù)，機(jī)器人企業(yè)想調(diào)用深層次語(yǔ)義，就需要支付相應(yīng)的報(bào)酬。

當(dāng)然很多機(jī)器人企業(yè)對(duì)語(yǔ)音還是另有看法，比如AI與UI，明明很多場(chǎng)景直接通過(guò)UI就可以解決的事情，干嘛非要用語(yǔ)音，把簡(jiǎn)單的事情復(fù)雜化。

這個(gè)問(wèn)題的著重點(diǎn)在于，目前看來(lái)語(yǔ)音確實(shí)還不是最好用的產(chǎn)品，但是長(zhǎng)遠(yuǎn)看語(yǔ)音將會(huì)是最便捷的交互方式。

當(dāng)汽車和火車剛發(fā)明的時(shí)候，跑起來(lái)還沒(méi)有馬車快，但是終究汽車和火車是發(fā)展方向。

科大訊飛廖凱說(shuō)：“人與機(jī)器發(fā)生交互的時(shí)候，輸入輸出信息有兩種，我們從機(jī)器身上獲取的信息，最簡(jiǎn)單的方式就是視覺(jué)，一目了然；但我們輸出的信息最自然的方式是語(yǔ)音。這是語(yǔ)音的特性，未來(lái)一定會(huì)顛覆傳統(tǒng)以鍵盤或觸屏的輸出方式?！?/p>

接下來(lái)，我們回到產(chǎn)品上來(lái)，對(duì)機(jī)器人企業(yè)而言，現(xiàn)階段就算依靠BAT等企業(yè)的語(yǔ)音語(yǔ)義技術(shù)，也不能讓產(chǎn)品具備高智慧，充其量只能達(dá)到小孩3歲左右的智力水平。

所以未來(lái)的方向在于細(xì)分場(chǎng)景，比如：訂機(jī)票、訂酒店等，采用百度和科大訊飛的語(yǔ)音語(yǔ)義可以非常成熟的完成，讓用戶從查詢機(jī)票到預(yù)訂票到購(gòu)買機(jī)票等全過(guò)程，期間進(jìn)行的多輪復(fù)雜人機(jī)對(duì)話可達(dá)7層以上。

因此，在一些細(xì)分商用場(chǎng)景，語(yǔ)音已經(jīng)可以做到替代客服的工作，對(duì)機(jī)器人企業(yè)而言，如何讓機(jī)器人+語(yǔ)音語(yǔ)義+使用場(chǎng)景落地才是接下來(lái)重點(diǎn)思考的方向。

百度張晶晶認(rèn)為，通過(guò)百度大數(shù)據(jù)分析，兒童故事機(jī)的市場(chǎng)規(guī)模很大，目前正是更新?lián)Q代的時(shí)間節(jié)點(diǎn)，因此，百度對(duì)兒童領(lǐng)域的投入會(huì)有所加大。

科大訊飛廖凱說(shuō)：“今年大型商用機(jī)器人會(huì)有所發(fā)展，目前訊飛曉曼機(jī)器人已經(jīng)入駐紅星美凱龍、居然之家，以及一些零售商場(chǎng)。曉曼機(jī)器人目前已經(jīng)可以做到導(dǎo)航領(lǐng)路、提供資訊、針對(duì)商場(chǎng)還提供了一套機(jī)器人營(yíng)銷方案，通過(guò)大數(shù)據(jù)幫助商家提高客戶的轉(zhuǎn)化率?！?/p>

目前國(guó)內(nèi)大型商用機(jī)器人研發(fā)投入大，但是相對(duì)售價(jià)高、利潤(rùn)高，很多機(jī)器人企業(yè)在大型商用機(jī)器人身上舍得投入，因此，對(duì)科大訊飛而言，也有更強(qiáng)的動(dòng)力去做技術(shù)的迭代。

如果從競(jìng)爭(zhēng)的角度去分析，目前百度和科大訊飛提供的語(yǔ)音語(yǔ)義方案是旗鼓相當(dāng)。

但是接下來(lái)的競(jìng)爭(zhēng)將會(huì)更加深入，涉及到多模態(tài)技術(shù)交互。

科大訊飛在AIUI的構(gòu)架下，加入手勢(shì)識(shí)別、圖像識(shí)別，使得人機(jī)交互技術(shù)更加復(fù)雜；百度也是一樣，在提供語(yǔ)音交互的基礎(chǔ)上加入圖像識(shí)別，提供一站式服務(wù)。

因此，百度與科大訊飛的競(jìng)爭(zhēng)正在從語(yǔ)音交互延伸到視覺(jué)交互等多模態(tài)技術(shù)上，對(duì)機(jī)器人企業(yè)而言，全新的時(shí)代即將來(lái)臨，在主流人工智能企業(yè)激烈的競(jìng)爭(zhēng)下，能夠享受到的技術(shù)紅利是，可以以低成本的方案去創(chuàng)造一臺(tái)全新的機(jī)器人。