智能語音助手為何總“犯傻”？清華教授黃民烈、小冰CEO李笛這樣說

面對你的呼喊，她充耳不聞；

面對你的疑惑，她答非所問；

面對你的命令，她顛三倒四；

這就是Siri，你的“智能”語音助手！

自2011年Siri上線以來，智能語音助手已經走過了10個年頭，但用戶對它的吐槽不絕於耳，比如有時會喚醒失敗，或者答非所問。這些問題的背後原因是什麽？智能語音助手目前處於什麽水平？終極形態會是怎樣？如何看待它和用戶之間的關系？

近日，搜狐科技全新直播欄目《AI十二談》首期圓滿舉行，清華大學計算機系長聘副教授、智能技術與系統實驗室副主任黃民烈，“小冰之父”、小冰公司CEO李笛就這些問題進行了精彩的觀點分享。

《AI十二談》是搜狐科技今年下半年重磅推出的全新欄目，將針對大家日常關心、關註的人工智能的痛點問題，邀請相關專家、企業高管組成嘉賓陣容，進行知識科普，答疑解惑。

在首期直播中，黃民烈教授分析稱，智能語音助手喚醒失敗的原因跟沒有帶出關鍵詞、算法等有關，答非所問則受到解析錯誤、匹配程度、語言等因素影響。他認為，未來智能語音助手發展的最理想的境界，就是人機協作，把所有的事情都交給智能助理去做還是不太靠譜。

李笛認為，目前智能語音助手還處在特別早期的階段，而用戶的期望過高。他還表示，很難定義什麽是最好的智能助理，因為每個人的需求不同，但智能語音助手可以成為人的朋友。

兩位嘉賓還就智能語音助手發展中的倫理、隱私等問題進行了探討。李笛認為，目前全球範圍內，AI倫理都還處於非常早期的階段，數據到底應該怎麽使用等問題都還沒有明確，某種意義上只能靠自律。

黃民烈表示，智能語音助手人性化體驗和法律倫理邊界的平衡，主要涉及到個性化技術和持續學習兩個方面，在這個過程中，需要讓機器人形成正確的價值觀。

智能語音助手為何會喚醒失敗或答非所問？

使用過Siri等智能語音助手的朋友可能都遇到過這樣的情況——呼喚它好多次，但是它卻沒有響應，或者答非所問，甚至給出匪夷所思的回答。

黃民烈認為，現在很多語音助手都依賴於特定的關鍵詞做喚醒，沒有帶出相應關鍵詞就無法做出響應。這還涉及到算法的魯棒性（指系統受到持續擾動保持原來狀態的能力）問題，在同樣的場景、同樣的聲音、同樣的命令下，語音識別可能會有一些小錯誤或者小擾動，這些再經過算法去做語義分析，可能就會跟預想的不一致，就沒有辦法給到正確的響應。

作為“小冰之父”，李笛認為，智能助手最好的喚醒方式是不需要喚醒詞，應該像人一樣，能夠判斷用戶是不是在跟它交流，同時能夠不停地邊聽邊說邊想，也就是所謂的全雙工的方式。他表示，今天的AI產品或者智能語音助手還處在特別早期的階段，目前的準確性可能還做不到像用戶所期望得那樣好。

對於智能助手有時會答非所問，黃民烈分析稱，這主要是兩方面原因。一是問題解析錯誤，比如語音識別錯誤、結構化分析對話意圖出錯等。另一個原因就是問題和答案的相關性與匹配度不夠高，這裏面的算法會綜合決定答案好不好、質量高不高。

同時，他認為，這和語言本身也有一定關系。資源豐富的語言相對資源貧乏的語言做起來更加容易，而中文沒有明確的語法和組合的規則，英文則相對來講比較固定，因此中文自然語言處理會面臨更多難點。

而在李笛看來，智能助手或人工智能交互的場景比較難做，主要因為缺少彈性空間。“搜索引擎會有多個結果，可以在一定程度上進行補充，點擊的時候相當於做了一次標註，可以促進它去不斷提高。但對話沒有這麽多彈性，它很難判斷自己回答得到底好不好，這樣就比較難以形成數據和訓練上的交互回路，系統就不太容易提高。”李笛分析稱。

同時，李笛認為，智能語音助手的交互更多是觀點，觀點沒有對錯，且有很多不同分支，這也給訓練智能語音助手提出很多新的難題。此外，測試者的心態也挺重要，如果測試者不停問問題，那麽語音助手通常表現也不會很好。

以Siri為代表的智能語音助手的這些問題影響了使用體驗，在一定程度上也導致語音助手的普及率很高，但實際使用率偏低。黃民烈就在分享中透露，自己本身並不怎麽用語音助手，僅會在開車等特殊場景下使用。他認為，很多情況下用語音並不是最自然、最方便的方式，反而鍵盤是最快捷的，這也是智能語音助手交互上面臨的困難。

智能語音助手替代不了人類助手

無論是智能手機，還是智能音箱、智能手表、智能車載，語音助手在某些場景下已經成為我們生活的幫手。如何看待智能助手和人的關系？智能語音助手的終極形態又會是什麽樣？

黃民烈認為，智能助手能夠達到的最高境界或者說最理想的境界，就是人和機器之間應該是一種協作的關系。“我不太相信智能助理能夠替代人類助手，把所有的事情都交給智能助理去做還是不太靠譜。智能助手的定位不是替代人，一定是人和機器和諧相處，人機共榮。”黃民烈表示。

對智能助手本質不同的看法，可能也會帶來不同的結果。“當你認為跟你交互的是一個系統的時候，會把它物化，那麽就不會去關註它的其它方面，人的容忍度也會相應低很多，防備心也會高很多。”李笛表示，但當把它視為有情生物的時候，一切都會反過來。

李笛認為，人工智能無論是向人表達它的情緒和交互時的主題，還是表現出繪畫、創作這些能力，都是為了讓人把它當成一個可以對等的交互對象來看待，這也會更有利於人工智能系統的發展。“當我們看到更多人在跟智能語音助手交互的時候，它的topic分布（主題分布）和其他人的交互topic分布越來越接近的時候，表明語音助手越來越被當做一個人來看待。”

在他看來，很難定義什麽是最好的智能助理。他舉了一個真實助理訂漢堡的例子，一種情況是助理按照指令完成任務，甚至還會在第二天自動訂好漢堡；另一種情況是，助理根據自主判斷，出於健康考慮，會拒絕執行命令，借此跟人建立比較好的長期關系，從而得到更多信任，承擔更多元化的工作。

“哪個是最好的助理？是完成任務的？還是無所不能、無所不知的？很難說，每個用戶有不同的需求，難點在這兒。”李笛表示。

目前，智能助手依然存在很多瓶頸，不同廠家的產品表現也存在一定差異，而Siri作為最早上線的一款智能語音助手，也一直被吐槽。李笛認為，這和技術水平的高低，以及授予的權限多少都有關系。

他認為，Siri更大的價值是嘗試開始給智能語音助手一個相對比較擬人化的定位，這給用戶營造了一個非常科幻的、很高的期望值。“我們這麽多年一直都還在為這個期望值而奮鬥，這條路還很長，非常長。”

黃民烈同樣認為我們對智能語音助手的期望過高。他認為，智能語音助手目前面臨很大瓶頸，就是對於能處理的東西能夠處理得很好，但是不太能處理的東西就會犯非常愚蠢和傻的錯誤。“智能助手會設很多技能、很多命令，做得到自然還不錯，所以我們期望很高，但只要稍微變一點點，就會不行，這時候心理落差就會非常大。”

他提到，智能語音助手雖然在技術和產品上取得很大進展，但在自然語言理解、算法魯棒性、領域外的泛化能力等方面也面臨新的挑戰。“這些挑戰隨著技術的叠代、產品的發展，會變得越來越多。”

語音助手也要有價值觀

隨著智能語音助手更多滲透到我們的生活中，安全和隱私問題開始逐漸成為人工智能發展過程中的一大關註焦點，比如我們在家裏告訴家人銀行卡密碼的時候，會不會被手機上的智能助手或家裏的智能音箱偷聽到？

對此，黃民烈認為，從技術上來講，最難的是智能助手得知道什麽樣的信息屬於隱私，聽到是一回事兒，最關鍵的是會不會說出來，什麽樣的信息能說，什麽樣的信息不能說，這才是最根本的地方。

“人在講任何話的時候可能知道潛在的後果是什麽，會帶來什麽樣的影響，但機器人它不知道，這也涉及到各種常識，相關研究是很重要的事情。”黃民烈說到，這可以通過技術的手段來實現。

由安全和隱私而引發的信任問題可能會成為阻礙智能語音助手進一步發展的絆腳石。咨詢公司埃森哲曾經發布的一項調研顯示，從國內受訪者來看，安全顧慮（45%）、設備未能理解用戶需求（42%）以及隱私問題（40%）是三大最主要的擔憂。此外，有34%的中國消費者表示，他們不知道哪些個人數據為智能語音助手所用，透明度有待提高。

一般來說，要想使得智能語音助手達到更好的體驗，就意味著需要獲取用戶更多的信息，或讓渡自己更多的權利，如何把握這個邊界非常重要。

李笛在分享中就提到了常見的Long-term memory（長期記憶網絡，一種算法，可以記住長時間段的信息）問題，將其放到產品中來，就會涉及到AI倫理問題——是不是允許對用戶進行畫像？是不是能夠記錄或者嘗試分析用戶各方面的特點？

他表示，AI倫理還處於非常早期的階段，但從某種程度上來講，智能語音助手需要了解到的信息不用那麽多，就可以做到和人之間是很好的朋友關系。但實際情況是用戶會恐慌，企業也會恐慌。他認為，人和智能語音助手要想達到很默契的狀態，Long-term memory不需要特別多。

黃民烈從技術上就智能語音助手的人性化體驗和法律倫理的邊界進行了分析。他認為，這涉及到兩個關鍵點，一是個性化，其本質是把助手的能力跟用戶的個人信息、偏好、愛好做匹配；二是真正好的智能助手應該具有持續學習的能力，在跟人交互的過程中能夠聽從人類指令，可以從人的反饋中不斷學習，自動地去積累知識，讓它的能力持續躍升。

“這就涉及到很多價值判斷，得知道什麽東西學，什麽東西不學，其實就是要給機器人一個正確的價值觀。”黃民烈表示，但這個價值觀是什麽非常復雜，跟文化、地域都有關系，還需要去探索。

來源：科技日報