與狗尾草一起探尋人機交互的更多可能性——白洞戰報_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2019-07-09 23:05
迄今為止，腦極體的白洞企業AI喚醒計劃的已經舉辦了三期。我們一起暢遊過“被AI”的母嬰零售門店，調戲過電商智能客服，還跟隨一雙皮鞋走進了未來工廠……AI正在成為各行各業的新工具，幫助企業完成高效增長。而無論哪一種應用，AI與人類的交點都無法避免地觸發一個技術名詞——人機交互。
智能音箱的普及，讓大家對新一代語音交互方式已經相當熟悉了。但這還遠遠不夠。
實際上，人與人之間的交流，除了語言之外，還附加了音色、表情、情緒、肢體動作等等諸多信息獲取方式。顯然，單靠語音做不到這樣自然和豐富的程度。
幸好，全息投影生成、能夠多模態交互的虛擬生命，正在為人機交互帶來新的想象力。它們不僅能説會跳，擁有自己的形象和姓名，還能與人進行情感化的互動。這種有“生命感”的AI究竟是如何煉成的？又會給我們的生活帶來哪些改變呢？
下一代交互：機器智能為什麼需要虛擬生命？
在開始此次交流之前，我們也曾經在舞台上、娛樂應用中，感受過虛擬生命的魅力。比如説“全宇宙第一的公主殿下”初音未來，可以説是最著名的虛擬歌姬了，擁有自己的錄音棚，甚至還有宅男宣佈要與她結婚。中國也有自己的AI虛擬生命，也就是來自狗尾草的琥珀，她上過春晚，開過演唱會，出過專輯，也曾遭遇過男粉絲現場求婚……
“亞文化”“二次元”“低齡向”，似乎是我們對虛擬生命（主要是虛擬偶像）的絕對印象。
除了讓粉絲們為之瘋狂打call，虛擬生命為什麼能夠與普通大眾發生聯繫？這恐怕要從目前人機交互的困局説起。
普強信息的何總向我們介紹道，他們在智能語音技術解決方案上已經深耕了近十年，積累了眾多汽車、金融類機構客户。如今，已經有越來越多的企業都積極地在服務場景中搭載語音交互。
比如，個性化適配難。用語音操控汽車調節温度、調整座椅等當然比手動要方便很多，也安全了很多，但消費者獲得的實質價值並沒有“驚喜感”。試想一下，如果汽車不僅能夠聽懂，還可以通過思考分析出車內每一個乘客並自動提供最適合的音樂、空調、座椅等服務，是不是感覺就“智能”許多了？
再比如，價值感略顯單一。目前大多數語音交互應用，更注重功能性的整合，像是語音識別準確率、語義理解能力、芯片開發能力等等，更關注技術實現。但像在出行、客服等服務中，消費者除了基礎的功能需求之外，還有着趣味性、同理心、理解力等情感上的交流訴求。像是聽到客户抱怨時主動安慰對方，察覺到駕駛員今天很高興放點助興的音樂……這種感性陪伴是當前的語音機器人都不具備的。
聽起來，既要能聽會説，還要了解人的情緒、無微不至地照顧，這簡直是科幻電影裏才有的“超級智能”嘛~會不會對機器的要求好像有點過高了？
不過，能聽、能看、能説、能思考、能讀懂情感，這恰好也是虛擬生命在努力發光發熱的領域。而它們，也在一點點幫助受技術桎梏的人機交互放飛想象力。
虛擬生命的技術路線圖
語音識別、語義理解、機器視覺、綜合傳感器等等，AI能力的拓展正在逐步點亮虛擬生命的“技能樹”。那麼，一個“有聲有色有情感”的AI，到底需要哪些技術支撐？
我們可以以車載系統為例，從中國虛擬生命代表廠商狗尾草的技術框架中，將虛擬生命落地在服務場景中的技術能力歸結為三點：
1.感知能力
目前，虛擬生命上應用的感知技術相對比較成熟，比如在看、聽、説等方面，就依賴於計算機視覺來識別車主信息，比如用户剛上車，琥珀可以通過攝像頭捕捉表情，判斷主人今天是開心還是鬱悶，然後展開對話，為什麼這麼高興？要不要我播放一段助興的音樂？
接下來，自然就需要通過語音識別，來讓“大腦”接收到準確的用户指令。
在普強信息的何總看來，虛擬生命也好，傳統語音系統也好，在車載環境中都要做到語音識別的“準”和“快”。
要求“準”，是因為汽車在行駛過程中會產生很多穩態和非穩態的噪音，比如胎噪、風噪、引擎聲等等，這時要精準識別車內人員的語音指令，普通算法是解決不好的。為此，普強專門開發了“雲+端+針對汽車的降噪去回聲芯片”的綜合技術方案去解決問題。
要求“快”，則是因為汽車在高速行駛中，無論是導航、避障都需要極高的響應效率，才能保證基本的安全性。在一些網絡不通暢不穩定的區域，比如高架橋、隧道等，就需要綜合的算力解決方案來保障功能的穩定性。
總而言之，成熟的感知系統能夠讓虛擬生命與人的交流變得更加有效精準。
在感知到用户的指令和需求之後，如何理解並付諸動作，就需要虛擬生命的核心思考能力來完成，這則依賴於語義理解、知識圖譜的雙重能力。
比如一個駕駛員在開車時詢問“琥珀”——“我的老婆明天生日了，我應該送她什麼禮物？”，“琥珀”就可以通過自然語言處理和知識圖譜來綜合理解用户，比如用户是位男性，婚姻狀態已婚，妻子的生日是幾號。然後就可以用推理得到一個結果，去回覆用户給他推薦相應的服務，比如能不能給你定一個餐館，需不需要訂一份鮮花，幫你導航最近的鮮花店位置？從而讓人與機器的交流更具有真實感和生命感。
邵浩博士分享道，未來狗尾草還將支持汽車用户上傳照片到車載系統中，生成專屬自己的虛擬生命3D形象，設定一個基礎性格後，通過持續的交流“養成”，虛擬生命會變得越來越懂你，提供更貼心的個性化服務。
虛擬生命和Siri、Echo等語音助手的另一個差異，就體現在擁有獨一無二、具體可感的擬人形象。除了語音之外，它還能通過一些多模態的手段，比如説手勢、動作、圖像等結合在一起，來實現一種更直觀自然的交流。
最近在杭州地鐵站上，狗尾草就把著名IP《全職高手》裏面的葉修這個角色，通過全息投影變成了虛擬生命，用户除了可以跟它對話之外，還可以用一些基本的手勢，比如説握拳、揮手去和它互動。
多模態交互一方面可以讓意圖識別在地鐵這種噪音比較大的環境下也達到足夠的精準度，另一方面則增強了感性體驗，更接近人類交流模式，從而實現個性化的情感陪伴。
據邵浩博士透露，下一步狗尾草還將支持用户把一些自定義形象放到機器裏面實現3D建模，比如用一張照片，把男女朋友、寵物狗、去世的親友等，都可以放到虛擬生命機器裏，通過語音合成和聲紋遷移等技術來實現和真人形態、聲音一樣的鮮活還原。
正如一位開發者所説，“一個成功的機器人，其實就是一個特別好的人，它美麗且讓人着迷。”這正是虛擬生命的獨特魅力所在。
1.0階段之後，虛擬生命會向何處去？
目前，狗尾草的虛擬生命已經為許多傳統車在語音助手賦予了嶄新的形象，比如與一汽奔騰合作開發的車載系統，就有三個人物可以選擇。
在娛樂領域，“琥珀虛顏”已經是小有名氣的AI虛擬偶像；在客服等場景中，普強信息也認為智能語音與虛擬生命的結合，將帶來指數級的體驗提升……
上述應用都説明了，虛擬生命作為下一代人機交互方式，並不只是停留在實驗室或二次元，而是正在以高調而堅定的姿態，邁入真實的產業世界，甚至成為其他AI技術的重要落地載體。
邵浩博士告訴我們，目前普通大眾接觸的虛擬生命還處於1.0階段。在節目中，兩位嘉賓也帶我們開了一下腦洞——當技術的車輪持續向前，我們和虛擬生命還會發生哪些化學反應？
首當其衝的，應該就是跨場景、全方位服務。
未來不同場景下的智能終端在打通信息孤島之後，比如説不僅僅知道用户在車載場景下的對話，還知道在家庭使用智能音箱的時候所提供的一些信息，包括上網聽音樂的一些習慣等等。這些信息綜合到一起，虛擬生命對用户的理解也會更加深刻，代替那些冷冰冰的傳統服務機器人去提供有情感的服務，對普通用户來説無疑具有極大的吸引力。
一些個性化服務，比如客户一打電話過來，服務商就猜到他可能是要查詢賬户餘額或者要定一個去夏威夷的旅遊套票，然後自動匹配一個更符合對方心理預期的智能“貼身秘書”來服務。瞭解此類用户數據對讓系統加分，但同時也非常敏感，因此需要對任何第三方進行嚴格保密。如何將用户的隱私限制在端設備之上，讓雲端完全無法訪問，同時又能保障整體計算性能不變，也都考驗着技術廠商的能力與道德。
目前看來，雖然目標遙遠，但虛擬生命確實在朝着實用化、場景化的方向一步步前進，正在無數人的努力下，無限接近我們想象中的未來。