Zi 字媒體

出門問問李志飛：把虛擬個人助理塑造成人是不現實的

2021/12/25

yidianzixun

摘要：從技術的角度來看，要在 2025 年實現「Her」是非常難的，這可能是一個比較現實的判斷。

人工智慧的概念正在席捲世界，從商業到科技，從企業到媒體，我們能看到 AI 的信息越來越多，但各種報道佔據眼球的同時，似乎會感到離 AI 還是有一定的距離。

無人駕駛，智慧醫療、智慧城市，這都是一些 to B 的應用。在 to C 領域，與我們最近的就是虛擬個人助理。2011 年 Apple 在 iPhone 上發布語音助手 Siri，引發了大眾對虛擬助手的熱情。

《她》（Her）是一部美國的科幻片，講述一名男子與人工智慧之間的愛情故事。影片雖然是虛構 2025 年的場景，但的確反映了現實生活很多人的孤獨。

這也引發了一個思考：我們離善解人意的「Her」還有多遠？

無處不在的「Her」

在極客公園 Rebuild 2017 大會上，出門問問創始人 & CEO 李志飛以一個 AI 創業者的角度，講述了他對未來人工智慧的看法。

影片中的人工智慧 Her 具備幾部分的能力：

1、Her 可以與人自然交流。

2、Her 能夠理解人類的意圖。

3、Her 有自己的思想。

4、Her 無處不在。

李志飛認為，我們現在距離實現這種程度的人工智慧還很遙遠。

人和機器對話這件事看似簡單，但其背後需要用到的技術非常複雜，涉及語音識別、自然語言理解、語音合成、內容方面的集成，這些只是解決了人和機器的正常對話。

「Her」是有想法的。她有自己的意識，能理解人類的話，甚至可以在某些場景下可以提出一些自己的建議。這個功能的實現除了表象自然語言交互的技術以外，還模擬了人類大腦思考、理解、推薦、推理，甚至還有創意、愛、恨等能力。

今天所有虛擬個人助理的技術還只停留在交互層面。它需要一個硬體作為載體，比如手機、耳機、攝像頭、音箱。李志飛認為，單一的設備很難承載所有交互，未來無論交互的方式還是設備，都會是多元化的。

交互的方式可以是語音、手勢、圖像、視覺、表情，未來可能是綜合式的。語音在今天好像更重要一些，最近國內外幾家互聯網公司都推出了自己的智能音響產品，出門問問也是選手之一。

把讓 AI 落地到生活，這才是最好的體驗

出門問問是一家擁有自主語音識別、語義分析、垂直搜索技術的人工智慧公司，由前 Google 科學家李志飛在 2012 年創立。在過去五年中，出門問問經歷了幾個階段的探索。

2012-2014

2012 年出門問問從微信公眾號開始做語音識別，在微信上聽語音的用戶習慣已經非常成熟，出門問問將技術移植到微信的嘗試也獲得了成功。2013 年，出門問問成為十大微信官方推薦的服務號之一。

2014-2015

出門問問開始把重點轉到 Android 和 iOS App 的開發上，2014 年 5 月，出門問問語音助手 APP 登錄 iOS、Android Wear、Google Glass 等平台。2015 年，搭載搭載 Android Wear 的第二代 Moto 360 智能手錶發布，出門問問與 Google 在語音搜索方面達成獨家合作，成為國內 Google Now 的替代選項，用戶無須代理也可順利激活 Android Wear。同年 6 月，出門問問進入硬體市場做起了智能手錶 Ticwatch。

2015-2017

出門問問在 2016 年得到 Google 的投資，並成為 Android Wear 的官方合作夥伴，「軟硬結合」的人工智慧產品化道路愈加清晰。今年 4 月份，出門問問獲得大眾汽車 D 輪 1.8 億美金融資，與大眾成立合資公司，以更深入和落地的姿態進入車內智能交互領域。這讓出門問問在車內交互領域佔得先機，成為國內 AI 創業公司中的獨角獸之一。

在極客公園舉辦的一次論壇中，李志飛曾提到過技術整合的重要性：「我們不僅僅是要做服務，或者演算法，我們要來把關於整個硬體和操作系統的演算法技術先吃透，然後再做 API。」

從演算法到軟體，再到軟硬結合新模式，出門問問的每次踩點都很准。在李志飛看來，出門問問並不是靠追熱點和運氣走到今天，「定義下一代人機交互」一直是他們的使命。

李志飛提到，「出門問問在探索一種新的概念，讓 AI 最終落地到生活中，也就是多場景的聯動。我們在過去建立了軟硬結合的能力，這使得我們可以自己掌控所有軟硬結合的產品。很多人在講科技要有人性，科技要有溫度，這沒什麼問題。但如果把虛擬個人助理塑造成一個像人一樣聰明，甚至還能善解人意、有愛恨情愁的機器，我覺得這是把整個行業引向一條不可能實現的道路，也把媒體帶向天天只講科幻，不講現實的狀況。」

人機交互的瓶頸

關於真正的虛擬個人助理落地，李志飛認為主要有兩個瓶頸，一是技術，二是用戶場景。

在四年前出門問問創立之初，語音識別是一個瓶頸，到今天，語音識別技術已經發展到一定程度，不會成為虛擬個人助理的瓶頸。今天最大的技術瓶頸是自然語言的理解。因為計算機不具備常識，對物理世界也沒有建模。

在很多場景下，語音交互的活躍度並不樂觀。語音交互的 DAU 代表了用戶打開設備使用語音交互的比例。在手機上這個數據小於 1%，智能手錶是 20%，車載是 60%。這說明一個現象，當語音交互是一個設備最核心的交互方式時，用戶才會使用。