2012年8月31日，4名亞馬遜工程師提交一份專利申請(qǐng)文件，它最終變成了Alexa，這是一套AI系統(tǒng)，它可以處理世界上最大、最復(fù)雜的數(shù)據(jù)集：人類語(yǔ)音。

 

　　工程師只需要11個(gè)單詞、一張簡(jiǎn)單的圖表就可以解釋它是如何運(yùn)行的。一名男用戶在安靜的房間說(shuō)：“請(qǐng)播放《Let It Be》，披頭士的音樂。”一臺(tái)小小的桌面機(jī)器回答說(shuō)：“沒問題，John。”然后它開始播放指定歌曲。

 

　　自此之后，面向家庭的語(yǔ)音AI成為亞馬遜的大業(yè)務(wù)，對(duì)于競(jìng)爭(zhēng)對(duì)手而言，它也漸漸成為重要的戰(zhàn)略戰(zhàn)場(chǎng)。谷歌、蘋果、三星、微軟都投入了成千上萬(wàn)的研究人員和業(yè)務(wù)專家，它們都想開發(fā)容易使用的設(shè)備，讓我們與設(shè)備對(duì)話。

 

　　Witlingo公司開發(fā)語(yǔ)音App，為銀行、大學(xué)、律師事務(wù)所及其它機(jī)構(gòu)開發(fā)，Witlingo的CEO Ahmed Bouzid認(rèn)為：“到目前為止，我們所有人必須屈從于技術(shù)，比如輸入、觸擊、滑動(dòng)。現(xiàn)在新用戶界面卻屈服于我們。”

 

　　自2014年推出以來(lái)，Alexa設(shè)備銷售了幾千萬(wàn)臺(tái)。在美國(guó)語(yǔ)音AI設(shè)備市場(chǎng)，亞馬遜估計(jì)占了總銷量的70%，雖然競(jìng)爭(zhēng)壓力越來(lái)越大。谷歌Home也賣了幾百萬(wàn)臺(tái)，蘋果與微軟很快也會(huì)推出自己的產(chǎn)品。

 

　　最終，企業(yè)的目標(biāo)是抓住3個(gè)市場(chǎng)機(jī)會(huì)：家庭自動(dòng)化，家庭娛樂，購(gòu)物。

 

　　就目前來(lái)說(shuō)，亞馬遜無(wú)意從制造設(shè)備的企業(yè)手中獲得收入，也就是制造智能恒溫器、燈泡、其它Alexa聯(lián)網(wǎng)設(shè)備的企業(yè)。未來(lái)，我們可以想像亞馬遜會(huì)與企業(yè)達(dá)成營(yíng)收分成協(xié)議，或者選擇其它付費(fèi)方式。

 

　　在這3個(gè)市場(chǎng)中最小的是家庭自動(dòng)化市場(chǎng)，每年開支超過(guò)50億美元，去年美國(guó)的零售銷售額總計(jì)約為4.9萬(wàn)億美元。眼下亞馬遜通過(guò)銷售機(jī)器賺錢，定價(jià)介于50-230美元，最低端的Dots只要50美元，高端的Echos要230美元，上面有視頻顯示屏。

 

　　有些企業(yè)正在開發(fā)硬件、開發(fā)服務(wù)，這些硬件與服務(wù)兼容Alexa。例如Capital One，它向銀行客戶銷售Alexa支付系統(tǒng)；多倫多Ecobee制造Alexa智能恒溫器，用戶只需要說(shuō)幾個(gè)單詞就可以調(diào)高或者調(diào)低房間溫度。

 

　　Ecobee CEO Stuart Lombard說(shuō)：“我們的客戶生活很忙碌。”現(xiàn)在該公司銷售Alexa設(shè)備有40%的營(yíng)收來(lái)自海外，Ecobee成立已經(jīng)10年，Alexa設(shè)備是公司增長(zhǎng)最快的產(chǎn)品線。

 

　　Stuart Lombard還說(shuō)：“客戶必須穿過(guò)繁忙的交通車流回到家里，他們必須喂孩子，必須給孩子換尿布，還要干其它各種事。我們讓他們將事情做完，不需要用到手，他們可以用手干其它事。”

 

 

　　語(yǔ)音AI面臨很大的技術(shù)挑戰(zhàn)，因?yàn)槲覀冋f(shuō)話時(shí)并不是井然有序的，我們會(huì)干擾自己，想法會(huì)動(dòng)搖，我們使用單詞的方式很奇怪，還會(huì)點(diǎn)頭，發(fā)出咕噥聲，我們會(huì)假設(shè)自己的話是有意義的，實(shí)際上沒有。

 

　　幾千名亞馬遜員工正在解決這個(gè)問題，包括西雅圖、Sunnyvale、加州、劍橋、馬薩諸塞的研究中心。盡管如此，亞馬遜還嫌不夠，最近它為1100多個(gè)Alexa職位招募員工，涉及到十多個(gè)部門，當(dāng)中有215個(gè)職位提供給機(jī)器學(xué)習(xí)專家。在劍橋辦公室內(nèi)，Alexa首席科學(xué)家羅希特·普拉薩德（Rohit Prasad）接受了媒體采訪，他解釋了自己的團(tuán)隊(duì)為何需要這么多人。

 

　　普拉薩德說(shuō)：“你提問的每一個(gè)方面都讓我發(fā)笑。”沉思幾秒之后，普拉薩德解釋說(shuō)，他在語(yǔ)音技術(shù)方面研究了20年，在這段漫長(zhǎng)歲月的大多數(shù)時(shí)間里，進(jìn)展緩慢讓他感到沮喪。但在過(guò)去5年里巨大的機(jī)會(huì)開放了。創(chuàng)造一個(gè)真實(shí)高效的語(yǔ)音AI是一項(xiàng)復(fù)雜的、從未被征服的任務(wù)。

 

　　在過(guò)去的歲月里，語(yǔ)音科學(xué)家一直想解決一件事，理解混亂表達(dá)的意義，最開始時(shí)表達(dá)有些混亂，很難搞清表達(dá)的意思，有了機(jī)器學(xué)習(xí)這樣的新方法，我們用不同的策略取得進(jìn)步，最開始時(shí)匹配是不完美的，機(jī)器人從不完美著手，然后通過(guò)臨時(shí)猜測(cè)不斷優(yōu)化。

 

　　關(guān)鍵在于消化大量的數(shù)據(jù)，從早期的錯(cuò)誤中學(xué)習(xí)。Alexa與用戶相處的時(shí)間越多，收集的數(shù)據(jù)也就越多，可以學(xué)習(xí)的數(shù)據(jù)也就越多，也就會(huì)變得越聰明。進(jìn)步越大機(jī)會(huì)越大，這個(gè)過(guò)程需要大量的人力。

 

　　這就是普拉薩德的解釋。

　　普拉薩德說(shuō)：“讓我舉個(gè)例子。如果你問Alexa：‘Adele的第一張專輯是什么？’回答應(yīng)該是‘19’。如果你說(shuō)：‘播放它。’Alexa足夠聰明，知道播放那張專輯。”

 

　　如果你在中間加入其它一些話，如果你問Alexa這張專輯是哪年發(fā)行的，賣了多少?gòu)?，?huì)怎樣呢？將問題替換“播放它”這個(gè)命令，早先的Alexa處理不了。現(xiàn)在技術(shù)可以跟著思考前進(jìn)，至少某些時(shí)候是可以的，它知道“它”指的是“19”。

 

　　這是一個(gè)重要進(jìn)步，進(jìn)步歸功于機(jī)器學(xué)習(xí)，之前 Alxea也被無(wú)數(shù)的交換難住，機(jī)器學(xué)習(xí)可以從失敗中學(xué)習(xí)經(jīng)驗(yàn)。系統(tǒng)知道用戶不想聽什么歌曲，知道之前的對(duì)話最早在何時(shí)談到這首音樂。

 

　　MIT口語(yǔ)語(yǔ)言系統(tǒng)研究團(tuán)隊(duì)的主管James Glass說(shuō)：“人們會(huì)以何種方式要求獲得一些東西，你最開始時(shí)要做出假定。然后你要收集數(shù)據(jù)，調(diào)校模型。”

 

　　Glass說(shuō)，這種類型的機(jī)器學(xué)習(xí)方法得到了廣泛的認(rèn)可，不過(guò)要讓它運(yùn)行需要大量數(shù)據(jù)，遠(yuǎn)不是大學(xué)研究人員輕易就能獲得的。

 

　　由于Alexa的崛起，亞馬遜現(xiàn)在可以獲得大量的人機(jī)語(yǔ)音交互信息。2016年，Alexa引進(jìn)一個(gè)龐大的數(shù)據(jù)庫(kù)，里面全是歌曲歌詞，有了這個(gè)數(shù)據(jù)庫(kù)，當(dāng)用戶要求播放歌詞中帶‘drove my Chevy to the levee’的歌曲時(shí)，系統(tǒng)知道用戶要的是Don McLean的歌曲《American Pie》。

 

　　普拉薩德正在推行一個(gè)新項(xiàng)目，這個(gè)項(xiàng)目的關(guān)注重點(diǎn)就是新方法的靈活性。具體來(lái)講就是用戶撤銷最初的請(qǐng)求時(shí)，系統(tǒng)要正確識(shí)別。用戶使用的“信號(hào)短語(yǔ)”是大不相同的。一組人說(shuō)：“不，不，不。”還有一組說(shuō)：“取消它。”第三組人說(shuō)的話類似于“等等，實(shí)際上我想要的是……”，形式有所變化。Alexa沒有必要破解每一種表達(dá)。有了大量的樣本和半監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，系統(tǒng)可以為否定語(yǔ)音找到大量可能的標(biāo)記，請(qǐng)求改變之后能挑選出明確的新請(qǐng)求。

 

　　為了讓Alexa成為更好的傾聽者，亞馬遜AI專家首先用大量數(shù)據(jù)訓(xùn)練系統(tǒng)，讓它成為更好的說(shuō)話者，他們對(duì)機(jī)器合成的女性聲音進(jìn)行優(yōu)化，讓節(jié)奏更完美，這樣就可以刺激用戶持續(xù)使用。

 

　　如果使用的是傳統(tǒng)方法，一般會(huì)錄制大量的人類語(yǔ)音片段，然后依賴片段合成語(yǔ)音。使用這種技術(shù)可以生成更自然的聲音，但是無(wú)法低語(yǔ)、無(wú)法諷刺、無(wú)法調(diào)整，而人類許多時(shí)候會(huì)這樣說(shuō)話。

 

　　為了讓Alxea可以處理一切任務(wù)，既可以進(jìn)行活躍的對(duì)話，也可以完成平靜的朗誦，亞馬遜機(jī)器學(xué)習(xí)算法采用了不同的方法，它用專業(yè)解說(shuō)員的聲音訓(xùn)練系統(tǒng)，這些聲音有的焦急、有的充滿憂慮。亞馬遜旗下有一家公司Audible，它是有聲讀物出版商，這家公司幫了大忙。

 

 

　　有些人是語(yǔ)音AI的熱心用戶，那就是無(wú)法在平板手機(jī)上輕松輸入的人。Gavin Kerr是Inglis的CEO，這家公司向殘疾人提供住房和服務(wù)，公司已經(jīng)在8戶居民的家中安裝了Echo和Dot設(shè)備。

 

　　如果測(cè)試完成，Gavin Kerr希望300多位居民全能安裝，這是公司的全部客戶。Kerr說(shuō)：“它為居民帶來(lái)了難以置信的好處，他們可以過(guò)得更舒適，可以獲得獨(dú)立性。”

 

　　Kerr與幾百人合作，這些人患有硬化癥或者其它日漸讓人衰弱的疾病。有些人臥床不起，或者坐在輪椅上，因?yàn)楹茈y碰到墻壁上的恒溫器，他們深感苦惱。

 

　　Kerr解釋說(shuō)：“他們的身體難以適應(yīng)溫度。呆在華氏72度的房間內(nèi)，前一小時(shí)可能會(huì)覺得太熱了，后一小時(shí)又覺得太冷了。”因?yàn)橐苿?dòng)能力受到限制，他們很難讓自己過(guò)得舒服，如果沒有全天候援助，他們會(huì)過(guò)得更困難。

 

　　稍加修改，Alexa軟件可以用特定語(yǔ)音提供服務(wù)。有一名男子，快40歲了，他想離開長(zhǎng)期看護(hù)機(jī)構(gòu)，回到日常社區(qū)生活。Kerr回憶說(shuō)：“他告訴我：‘我沒有辦法使用Alexa語(yǔ)音命令。’我問他：‘你能說(shuō)什么？’然后我們就修改了軟件，可以讓他按自己的方式用語(yǔ)音控制設(shè)備。現(xiàn)在他如果要打開廚房燈泡會(huì)說(shuō)‘Mom’，如果想打開浴室燈會(huì)說(shuō)‘John’。”

 

　　Inglis為自己的Echo用戶提供培訓(xùn)，時(shí)間只有4小時(shí)，許多新用戶會(huì)進(jìn)一步探索。從盒子里拿出Echo，包裝會(huì)告訴用戶一些常見的操作指令，比如播放音樂、設(shè)置鬧鐘、更新購(gòu)物清單。

 

　　用戶可以在智能手機(jī)、平板上調(diào)用Alexa控制面板，調(diào)整設(shè)置，還可以下載新App，面板還會(huì)引導(dǎo)用戶，看看哪種提示音能讓App的工作變得更好。

 

　　每周（有時(shí)頻率更高）Alexa總經(jīng)理羅勃·普契尼（Rob Pulciani）都會(huì)查看統(tǒng)計(jì)數(shù)據(jù)，這些數(shù)據(jù)可以告訴他Alexa、Dot用戶最常用的表達(dá)是怎樣的。一般來(lái)說(shuō)，清單中排名靠前的表達(dá)都是想獲得音樂、新聞、天氣信息、交通信息、游戲。今年春天，有一個(gè)請(qǐng)求迅速爬升，這是一個(gè)短語(yǔ)：“Alexa，幫我放松一下。”

 

　　當(dāng)用戶提出這樣的請(qǐng)求時(shí)，系統(tǒng)會(huì)播放一些聲音安撫用戶?？赡苁区B叫，可能是波浪輕敲海濱，可能是貨運(yùn)車穿過(guò)黑夜。如果用戶愿意，這些噪音式的環(huán)境聲會(huì)連續(xù)播放幾小時(shí)。

 

　　2015年，當(dāng)類似的App出現(xiàn)在Alexa平臺(tái)時(shí)，普契尼覺得純粹只是搞怪。不過(guò)這些App很快就吸引了一大堆用戶。壓力大的成年人聽著這些聲音入睡，父母將它們當(dāng)成搖籃曲，安撫古怪的嬰兒。發(fā)現(xiàn)這一趨勢(shì)之后沒過(guò)幾周，普契尼就與同事對(duì)Alexa的內(nèi)容架構(gòu)進(jìn)行調(diào)整，這樣一來(lái)當(dāng)新用戶問系統(tǒng)有什么新“技能”可以嘗試時(shí)，他們能夠快速找到讓人放松的聲音。

 

 

　　谷歌、蘋果、微軟、亞馬遜的AI平臺(tái)有著不同的優(yōu)勢(shì)。谷歌助手在搜索指令方面表現(xiàn)最好。蘋果Siri和微軟Cortana有其它一些優(yōu)點(diǎn)。至于Alexa，它的購(gòu)物指令特別出色。

 

　　如果語(yǔ)音AI想獲得最終勝利，必須與用戶進(jìn)行交流，這種交流長(zhǎng)達(dá)幾分鐘，非常真實(shí)。任務(wù)艱巨，機(jī)器的能力必須很強(qiáng)大，能夠判斷人類說(shuō)話者的意圖，甚至能夠識(shí)別不明顯的請(qǐng)求。

 

　　當(dāng)朋友說(shuō)：“我?guī)字軟]有去健身房了。”人類知道他的意思可能是想談?wù)剦毫蛘咦宰?。?duì)于AI軟件而言，這種意圖很難明白。突然轉(zhuǎn)換話題，AI也很難跟得上節(jié)奏。

 

　　為了與下一代AI、語(yǔ)音研究人員建立更強(qiáng)的聯(lián)系，一年前亞馬遜邀請(qǐng)幾十所大學(xué)的工程學(xué)學(xué)生開發(fā)語(yǔ)音機(jī)器人，亞馬遜要求機(jī)器人可以完成20分鐘的對(duì)話。在11月截止日期之前突破最大的學(xué)校將會(huì)拿到50萬(wàn)美元獎(jiǎng)金。

 

　　我花了一周時(shí)間對(duì)將近5款機(jī)器人程序進(jìn)行測(cè)試，每一次都從簡(jiǎn)單的問題開始，然后進(jìn)入巧妙的開放式陳述，陳述的只是觀點(diǎn)，回應(yīng)有很多的可能性。開始時(shí)還是不錯(cuò)的，機(jī)器會(huì)問你：“看了最近上映的電影嗎？”我說(shuō)：“看了。我們看了 《隱藏人物》（Hidden Figures）。”

 

　　這部電影講述的是NASA成立之初的故事，接下來(lái)，聊天機(jī)器人模仿報(bào)紙對(duì)電影發(fā)表評(píng)論，它說(shuō)：“我認(rèn)為在實(shí)際數(shù)學(xué)方面《隱藏人物》有點(diǎn)淺薄。”我對(duì)這部電影沒有這樣的感覺，看起來(lái)這樣表述對(duì)于AI程序而言還是很不錯(cuò)的。很快對(duì)話就進(jìn)行不下去了，不過(guò)至少還有之前剎那的美妙時(shí)光。

 

　　可惜，沒有一款聊天機(jī)器人程序能夠完成任務(wù)。最讓人困惑的是機(jī)器會(huì)說(shuō)：“你喜歡路邊餐飲嗎？”而測(cè)試時(shí)我們談的卻是網(wǎng)站。

 

　　幾天后，我問普拉薩德，讓他談?wù)剬?duì)社交機(jī)器人的看法，早期的失敗沒有困擾他。普拉薩德說(shuō)：“這是一個(gè)超級(jí)重要的領(lǐng)域。如果達(dá)到這樣的水平，那么Alexa將是非常聰明的。要達(dá)到很難，比圍棋或者國(guó)際象棋難。在這些游戲中雖然可能性的棋步很多，但是我們知道最終目標(biāo)是什么。如果是對(duì)話，你不知道對(duì)方想達(dá)成怎樣的目的。”如果Alexa能夠解決這個(gè)問題，我們就可以與它真正對(duì)話了。