首頁>>>技術(shù)>>>語音應(yīng)用>>>語音識別(ASR)　　語音識別產(chǎn)品

發(fā)表評論分享按鈕

Siri投資人暢談虛擬個人助理VPA未來

2012/03/28

　　3月28日消息，據(jù)國外媒體報道，（編者按：Norman Winarsky是Ventures的副總裁，Bill Mark是科學(xué)研究發(fā)展組織SRI國際的信息計算科學(xué)部門副總裁。Norman和Bill合作支持了Siri的投資，同時Norman也是投資委員會的成員。這篇文章也是他們二位合作完成。）自從iPhone4S發(fā)布以來，Siri已經(jīng)成為一種潮流。Siri是基于突破性的語音和人工智能技術(shù)的革命性消費軟件產(chǎn)品。Siri作為一種消費習(xí)慣也廣泛應(yīng)用在其他消費媒體，甚至去年11月谷歌CEO施密特曾向美國參議院司法委員會作證表示Siri具有成為谷歌主要威脅的潛力，Siri也一度成為熱播美劇《生活大爆炸》的劇情。

　　毫無疑問，Siri是蘋果和史蒂夫喬布斯的杰作，將虛擬個人助理（VPA）帶給億萬消費者，改變了人們看待智能電話的態(tài)度。研發(fā)團隊的天才設(shè)計使得Siri超越了簡單工具本身，并賦予其人類的個性和交互特征。正像某些與Siri的有趣對話：“Siri你喜歡我么？你知道哪能埋人么？”

　　我們都堅信蘋果將持續(xù)改進Siri，未來的新技術(shù)也會不斷創(chuàng)造出不同種類的VPA。舉例來說蘋果很可能面向開發(fā)者開放Siri的API，繼而孕育出成千上萬的與個人助理相關(guān)的應(yīng)用�；蛟S不久之后所有的應(yīng)用都可以進行有實用價值的語音交互，用戶也會漸漸習(xí)慣并將之視為順理成章的功能。

　　暫且拋開贊美之詞和理性思考，鑒于Siri的核心價值，那么接下來的發(fā)展方向是什么？

　　我們通常會這樣認(rèn)為：人們已經(jīng)認(rèn)識到VPA發(fā)展的廣闊前景，Siri正好處于這個過程的第一步。下文描繪了我們對Siri未來的暢想。

　　首先，Siri的巨大影響力改變了整個產(chǎn)業(yè)，在SRI，我們將VPA技術(shù)看作是未來產(chǎn)品的核心特性，無論是智能電視、健康護理助手、虛擬教育助理等等，都將具備語音交互能力。VPA不會是一時風(fēng)靡，而是計算領(lǐng)域長期致力的方向和終極目標(biāo)。正如我們所言，SRI正在著手三項與VPA相關(guān)的研發(fā)，這三個項目已經(jīng)有風(fēng)險投資跟進，具體的新產(chǎn)品正準(zhǔn)備發(fā)布，前景不可估量。

　　從技術(shù)角度來說，Siri真正的影響力是正如廣泛宣傳的“具有實用性的自然語言輸入”，這一用語音代替鍵盤與計算機交流的方式是一個古老的夢想，歷經(jīng)三十多年才達到現(xiàn)在這種能與用戶進行簡單流暢溝通的程度。

　　開發(fā)一套具備“有限詞匯和口語識別”能力的軟件是第一步，公眾熟悉的呼叫中心的自動應(yīng)答系統(tǒng)就是這樣首先登上歷史舞臺的。但一套能夠讓計算機對很寬泛的口語輸入做出可信回應(yīng)的軟件，開發(fā)過程的確相當(dāng)具有挑戰(zhàn)性。Siri不僅需要語音識別技術(shù)，還需理解自然語言、文本的含義，并最終理解句意（這一點也是現(xiàn)今大多數(shù)人工智能研究的核心）。

　　繼Siri之后，新的增強語音的人工智能將成為SRI投資重點，尤其是被美國國防部看中的項目，將著重增強處理復(fù)雜用戶情況的性能表現(xiàn)。

　　那么對于那些即將面世的技術(shù)，VPA最需要具備的素質(zhì)是什么？

　　下一代VPA將會與用戶建立更加深入的關(guān)系。今天的Siri有一個使用語音對話的界面，但對話通常只能持續(xù)一到兩個問答語句。將來的用戶與VPA的對話會是復(fù)雜的帶有多層次和更多細(xì)節(jié)的過程，主題涉及健康保健、旅游計劃、購買衣服或者闡述計劃書等復(fù)雜背景。

　　下一代VPA將有可能長時間保留對話內(nèi)容，清晰記錄人機討論的細(xì)節(jié)、提供的答案、具體執(zhí)行的任務(wù)，因為只有越多的進行學(xué)習(xí)，VPA才能顯著改善性能。同樣可以看到用戶與Siri進行溝通時，提供的細(xì)節(jié)越多，Siri可以提供的服務(wù)也越具個性化。這樣的結(jié)果是VPA變得更具前瞻性，可以持續(xù)關(guān)注用戶潛在的可能需求，甚至在對話開始前就已經(jīng)預(yù)測到用戶的需求。

　　為展示新一代VPA的能力，現(xiàn)在讓我們假設(shè)一段對話，真實使用者名為Lisa，VPA購物助理名為Nina，背景時某一天Lisa想買一個皮包：

　　L：Nina，我想買一個新皮包。

　　N：好啊！那你是想買上次那個Michael Kors牌子的么？

　　L：行，我喜歡Michael Kors牌，但是這次預(yù)算的上限是400元。

　　N：上次你是從Nordstrom購買的，Nordstrom現(xiàn)在仍然銷售Michael Kors牌皮包，并且同時還有其他品牌款式，或許你會喜歡。

　　L：嗯，我覺得Michael Kors的一款巧克力色的包不錯，標(biāo)價329元，你發(fā)現(xiàn)其他商家有優(yōu)惠價格么？

　　N：我發(fā)現(xiàn)確實有其他零售商銷售的這款皮包標(biāo)價只有310元，但退換貨政策不如Nordstrom的好。

　　L：那好，我們就去Nordstrom買吧。

　　Lisa希望Nina具備所有關(guān)于購物方面的知識與能力，并且能夠利用這些知識協(xié)助她進行正確的選擇。而VPA也將從這段對話中進行學(xué)習(xí)，同時會保留這段對話作為歷史紀(jì)錄，為將來的購買活動做準(zhǔn)備。

　　正因為VPA的學(xué)習(xí)行為，它將變得越來越有效率。這種自行學(xué)習(xí)的能力經(jīng)常被提及，卻很少被實現(xiàn)。“在自然界中學(xué)習(xí)”（Learning in the wild）這一古老的夢想也剛剛開始成真，因為實現(xiàn)真正具備極強適應(yīng)性的VPA非常困難。

　　當(dāng)然，隨著Nina的能力不斷完善，Lisa越來越信任VPA。VPA這種應(yīng)用不僅高度個性化，還將具備保護個人信息的能力。對于一個VPA，信任較安全和隱私而言更加屬于核心需求，下一代VPA將會在這方面顯著增強。

　　這一切是否聽起來十分完美？幸運的是，一個能夠與用戶真正進行深層次和細(xì)節(jié)溝通的VPA不再只是科學(xué)幻想。SRI正在進行這些方面的研究，我們和研究伙伴正全力以赴努力讓這些早日實現(xiàn)。

　　至于VPA是否會增進人類的智力水平這個古老的爭議，可以追述到發(fā)明鼠標(biāo)的年代，鼠標(biāo)的發(fā)明者Doug Engelbart在1962年撰文闡述如下：

　　增進人類智力的意思是提高人類理解復(fù)雜問題的能力、為自己獨有的需求提供解決方案、并最終解決問題。

　　我們相信VPA正是這方面的代表，VPA是目前我們能夠看到的協(xié)助人類和機器交流的最佳的方式，并將最終改變?nèi)祟惪创龣C器的態(tài)度，正如Doug Engelbart50年前發(fā)明鼠標(biāo)之后對世界產(chǎn)生的深遠(yuǎn)影響一樣。

TechWeb.com.cn


相關(guān)閱讀:
識別率超過90% 訊飛發(fā)布新一代語音云平臺 2012-03-26
Spansion整合Nuance語音識別提升產(chǎn)品反應(yīng)速度 2012-03-26
科大訊飛新一代“語音云”發(fā)布暨語音開發(fā)者大會舉行 2012-03-23
Nuance Research：消費者喜愛的移動應(yīng)用功能有哪些？ 2012-03-22
Siri力推日文語音服務(wù) 卻被DoCoMo搶先一步 2012-03-14

熱點專題:  語音合成TTS 語音識別ASR