真正的“人工”智能让人意外的“土而奇机器人”_CTI平台_语音识别

真正的“人工”智能让人意外的“土而奇机器人”

2011/08/08　　

　　看到一个很让人惊喜的八卦故事。

　　一位叫赵行德的人在豆瓣上发了一个消息，谈到他在和联想产品经理聊天，了解到了一个手机应用背后牛逼的故事。这个故事显然把他击倒了。而我，也被击倒了。

　　先说说故事的引子乐助理 360，这是一个很省心的日程应用。

　　来举个例子吧。这个应用，有三种方式为用户设定手机日程，语音、文字和直接的电话。你对着手机说：后天 9 点飞北京，然后上传，几分钟之内，iPhone 日历就增加了一条在 9 点“飞北京！”的日程。文字呢？当然更好理解，你再也不需要在手机的日程管理软件中反复输入了，直接在这个应用输入你的计划，和短信一样发送，随后，你的日程也如你所愿就自动添加到系统日程了。

　　你会发现它相当方便。智能设备，特别是全触屏的手机，输入一直是很多使用者的心头痛。语音可以帮助用户方便地跨越这类门槛。不过，这类应用的成本还不仅仅在于单纯的输入，而是在于它需要你进行太多的选择。一个标准的场景是，拿出 iPhone，用拇指扫开屏幕，找到日程应用，然后填充一堆的表单区域。完成一个简单的日程，也需要点击很多很多次，耗费颇长时间。喜欢 GTD 的人，也许会乐于享受这种编辑归类过程，但是对于普通人来说，这种体验实在太差了。

　　且慢，还不光是你简单动动嘴皮的问题。你会发现它非常精确，它很听话，它很懂你，它支持所有的自然语义。这可不简单啊！

　　为何语音识别可不简单？它必须要解决各种场合下精确的识别处理问题。一方面，它需要对所识别语言规律和语句的高度理解，另外，它还需要解决各种噪音和干扰情况下（这是语音识别环境的常态）的识别问题。语音识别技术在商业和人机交互上一直以来缺乏足够的表现，正是由于无法精确的识别人类语音的表达。苹果去年 4 月耗巨资收购 Siri，看中的就是它就是可以很准确地识别人们的语音，针对人们提出的问题进行回答。人们认为，这个在语音识别领域浸淫已久的 Nuance 开发的语音技术，有可能让苹果开启下一扇人机交互的大门。

　　但是一个来自联想的应用，解决了这个问题？是联想在和科大迅飞搞的语音云合作项目？科大迅飞是联想投资的一个项目，上市前就获注资数千万元，而 2010 年底科大迅飞发布语音云系统时，柳传志也亲自出席了，这不得不让你有这样的联系联想。

　　反正我信了。马上就要和朋友感慨现在科技的日新月异了，CPU 已经可以代替人脑，云计算吧！脑海浮现出机器人统治世界的场景。

　　“人工”智能

　　然后，赵行德告诉你“让人崩溃”的真相：它背后的故事是——它的“高科技”，它的精确，它的“人工智能”，就在于，它真的是人工的！——他们在远端用人听这些语音消息，然后输入进去 ……

　　我不知道这个消息是否属实，但是我在测试中发现，它确实有很强的“人工”迹象。一是我试用这个软件的时候，使用了粤语，然后这个应用就在远端“死机”了——日程记录并没有自动推送过来，听闻说四川话是 ok 的。二是上传了语音后，推送日程的处理时间差别蛮大，感觉不太象是计算机即时处理的。三是精确度确实很高，在不同噪音环境下和不同腔调下，效果都相当不错，很难让你相信这是机器识别的。

　　不过，这只算一个八卦消息，真实的情况仍然待验证，特别是语音识别系统和呼叫中心的结合也有商用的案例。简单粗暴的直接判断它是完全人工的不太合适。但是真正有趣的，却是这个八卦故事所折射出的“创新”智慧。

　　初看，这个故事包括后续的回复都让人忍俊不禁，但是，回头一想，也许这真是一个非常棒的创新，一个非常聪明的商业模式的创新。

　　为何商业创新需要高科技呢？商业创新的意义在于更小的成本创造更大的价值。据说这个服务主意还是联想呼叫中心的人想出来的。它利用到了现有的成熟模式，并在这个成熟的商业模式上派生出了另外一种创新价值。

　　这个服务的“极其牛逼”之处，在于它把一个复杂的问题彻底的简单化了——而简单化，确实牛逼的商业模式最为宝贵的特质。你不会看到真正可行的商业模式是复杂的，让人看不懂的。

　　它用非常简单的方法（人工听），解决了语音识别精确度问题，解决了输入问题（远端人工编辑推送），解决了随时随地服务的问题（24小时的呼叫中心）——至少，让语音识别达到了非常好用的程度。它用超低廉的成本，完成了“高科技”很难做到的效果。它还是可扩展的。scalable 这个词在互联网模式中很热呢。

　　而高科技的云计算，本质和人脑简单集合处理并无不同，也许只是成本问题。科技本来是要降低成本的，如果在一个可以用人工比科技更好的降低成本的场合，为何不使用人工呢？

　　

　　“土而奇机器人”

　　这种智能众包这也并非是联想呼叫中心的独创。

　　亚马逊就 2005 年推出一个叫土耳其机器人（Mechanical Turk）的服务，其理念，就是让人力众包来完成电脑力有不逮的细碎、精确的智能工作。这种众包让计算机调用人的智慧智能，把人和电脑的角色颠倒过来，让人成为任务的完成者，而电脑成为任务的分配者。起名叫土耳其机器人本身也映射了这个项目的性质：

　　这个名字源自于臭名远扬的能下象棋的“自动装置”，它是匈牙利男爵沃尔夫冈·冯·肯佩伦（Wolfgang Von Kempelen）1770年建造的。这个木制机器外形像一个坐在大机箱前的土耳其魔法师，它能自动而快速地下象棋，用复杂的齿轮和杠杆系统来移动棋子。在维也纳皇宫的首次表演中，它就迅速击败了对手Cobenzl伯爵，让在场的皇室成员看得十分高兴。从此关于这个惊人聪明的机器人迅速闻名于世，于是肯佩伦带着它在欧洲各地表演，击败了一系列著名的挑战者，包括拿破仑和本杰明·富兰克林。直到几年之后，这个骗局才被揭穿。原来机箱里藏了一名象棋大师，他用一个磁铁系统来跟踪对手的举动并移动自己的棋子，这个人实际是在模拟一种人工智能。（摘录自比特云）

　　这也是我们笑称它为“土”而“奇”机器人的来历。

　　可行性？

　　理论上的问题解决了，我们再来看看现实的商业问题。这得多大的人工成本？！别着急，看看赵行德的初步概算：

　　我测算了一下，平均每个活跃用户每天提交0.5条语音，每个人每分钟处理3条语音，每天工作7小时，可以服务2500个活跃用户，100人的数据中心可以服务25万活跃用户。

　　如果把数据中心建在西部贫困地区，月薪800元估计就足够了，25万工资成本才8-10万，100人的数据中心，每人2500元的电脑，投资25万，数据中心投资30万元，办公家具设备5万元，偏远贫困地区租个办公室，月租不到5000元，100人工资8万元，宽带月租2万元，10个产品开发人员，每月5万元，5个打杂行政人员，1万元。

　　总投资60万元，每月运营成本16.5万，就能办出给至少25万活跃用户，100万注册用户服务。

　　可行吗？

　　对的，它很土，很奇异，但是，它靠谱（it work），它可行。这个“土而奇”机器人很棒。

　　这不正是商业创新的意义吗？

　　目前，这个服务是免费的。而且所定义的日程服务类型所限，用户群也许并不算很大，每天下载量据说是 2000。但是它显然是一个可行的商业模式，同样的思路，你也许可以把它扩展到其他的移动互联网服务领域，有拾音功能的移动设备天然就是一个命令录入装置，天然就是一个可以收集多样服务需求进行集中处理的终端，智能手机已经为很多“云计算”的概念提供了坚实的应用基础。

　　你会为这样的管家类服务掏钱吗？至少，我会的。我觉得，与其把时间浪费在各种纠结上，还不如出钱让自己在零碎的时间发发呆。

　　这正是服务的意义呢。

爱范儿