沈向洋:微軟用AI做幫助人類的事 智能音箱存三大泡沫

澎湃新聞記者 楊鑫倢

微軟對人工智慧的技術儲備積累了不少時間，但對應用卻顯得非常謹慎。

8月22日，微軟公司在北京發布了第五代人工智慧產品小冰，小冰進入人工智慧交互技術產品演進的第三階段：高級感官。簡單而言，如果將之前的智能助理語音交互體驗比作對講機，那麼第五代小冰這種高級感官的體驗就好比打電話。

在智能音箱、智能家居等物聯網應用如火如荼之際，微軟終於宣布小冰全面進入IoT（物聯網）領域，與小米IoT開放平台合作，並與小米生態鏈企業Yeelight、東方明珠等合作夥伴正在進行聯合研發。

微軟全球執行副總裁沈向洋表示，「每家公司都說自己是人工智慧公司，講人工智慧就可以忽悠一些VC給你投錢。但是，在微軟公司我們已經很長時間一直在思考人工智慧給大家帶來的機會。」

「相信微軟會做幫助人類的事情」

升級核心對話引擎后，小冰將更精準識別用戶情緒，分析用戶的興趣，而這個分析不僅限於當前的對話，而是會建立在與用戶之前所有對話的了解之上。目前小冰支持57種情感策略和回應模式，這些模式是從人類和小冰之前進行的300億輪對話里學到的。

更重要的是，微軟將解鎖小冰「主動引導對話」功能，小冰擁有控制整個對話走向的模型。小冰會根據自己的「意願」與人聯絡，主動保持與人類用戶之間的關聯。

「希望大家相信微軟，我們會用她來做幫助人類的事情。」微軟小冰全球項目負責人李笛最後說了這麼一句。

當亞馬遜語音助手Alexa走進智能音箱Echo，蘋果語音助手Siri走進智能音箱HomePod之後，阿里巴巴發布智能音箱「天貓精靈」，微軟也宣布小冰將有了物理形態。

但是具體形態並不一定是音箱。當天，微軟提前透露了兩項研發合作，將與國內智能硬體照明公司、小米生態鏈企業Yeelight合作發布一款IoT設備；與東方明珠、東方數智公司合作發布一款面向家庭的的IoT設備。兩款產品均在2017年內發布，具體形態沒有披露。

實際上，從2017年6月開始，小冰已經在小米IoT開放平台進行了融合，通過小冰可以控制米家平台上全部35款的設備，用戶可以像打一個電話一樣，輕鬆跟小冰交互，既可以控制設備，也可以隨意地聊天。

第五代微軟小冰不再鸚鵡學舌，而是能夠自創回應。她與人類交流的每一句話，都可能是這世界上從未出現過的。這得益於使用了生成模型（Generative Model）。上一代小冰，雖然擁有十億級的大數據語料庫，但其中每句話，都是互聯網上的已有數據，小冰只是通過分析理解用戶的問題，尋找語料庫中最合適的話作為她的回答。

第五代小冰還能進行創作詩歌、有聲少兒讀物、歌曲、新聞等。從現場發布的少兒讀物朗讀來看，小冰能理解對話中的不同人物，並用不同聲線發聲，能一定程度上讀出喜怒哀樂，最重要的是朗讀（包括分析時間）用時僅為同水平人類的1/500，成本僅為同水平人類的1/80000。微軟宣布即日起開始大規模生產有聲讀物並投入市場。

微軟小冰這類智能聊天機器人是微軟人工智慧三條全球產品線之一，她是基於微軟於2014年提出建立的情感計算框架，通過演算法、雲計算和大數據的綜合運用，採用代際升級的方式，逐步形成向EQ方向發展的完整人工智慧體系。

目前，全球小冰擁有超過1億人類用戶，對話數據超過300億輪。2014年，微軟率先在市場推出小冰，目前已經進入了日本、美國、印度和印度尼西亞。

抨擊智能音箱行業三大泡沫

儘管人工智慧在智能家居等物聯網領域的應用非常火熱，但實際上，微軟在這方面的步伐一直比較克制。

微軟公司在1991年成立了微軟研究院，一開始成立的三個部門就是自然語言組、語音組和計算機視覺組。而人工智慧最基礎的技術，基本都是從這三方面開始的。

「我們看到一些泡沫，甚至發現這個行業里有幾個有誤導性的現象。」李笛表示。

李笛說，第一個現象是認為只要功能足夠豐富，就有了人工智慧。「有一些智能音箱會讓用戶用語音溝通去下單網上買東西，問題在於為什麼用戶要放棄很方便的手機不用，逼著自己一遍遍地跟音箱來說話買東西？背後反映的並不是用戶的需求，而是這些廠商迫切地需要給用戶更多的理由，讓他們來購買商品。」

第二個現象是認為只要有了語音交互就有了人工智慧，過分重視語音交互，「語音誠然是人工智慧一個重要的組成部分，但不是用戶使用IoT設備的核心。到今天為止，我沒有見過有人跟自己家冰箱、空調聊天的。」

第三個現象是由於越來越多的硬體廠商希望進入這個領域，一些人工智慧的廠商投其所好地提供語音對話的介面、圖象識別的介面，甚至把這些介面打包起來，形成SDK給他們提供，美其名曰「給硬體設備賦能」，但這樣的賦能沒有解決本質的問題。

李笛透露，在過去很長時間，有很多廠商找到微軟，希望讓微軟提供單獨的API和SDK，有的甚至報出很高的價格，但是微軟一直沒有答應。

李笛認為，如果一個IoT設備真正想要成為通用的設備，本質上只有兩個可能的成功方向：IoT上面搭載的人工智慧在IQ（智商）或EQ（情商）兩者中的某一方向做到極致。

「IQ做到極致，人們使用音箱去買東西的體驗比手機更方便，人們當然會使用它。反過來如果做不到極致，用戶自然的用腳投票，不再使用。把EQ做到極致，用戶能真實地、強烈地體會到它的存在，甚至接納成為家庭成員的一部分，產生情感紐帶，自然也就不會捨棄它。」李笛說。

附：微軟全球執行副總裁沈向洋在發布會上的發言實錄

「我們來談談微軟人工智慧」

沈向洋

今天在這裡有這樣一個機會，參與小冰第五代的發布會，我想趁這樣一個機會，首先跟大家分享一下最近微軟公司在人工智慧方面的一些進展，和大家在一起討論一下，整個小冰團隊設計產品的一些理念。

大家肯定對人工智慧非常的有興趣，今天人工智慧已經成為每個人都在談的一個話題。每個人都說我們已經是一個人工智慧公司，講人工智慧就可以忽悠一些VC給你投錢。

但是，在微軟公司我們已經很長時間一直在思考人工智慧給大家帶來的機會。

其實大家可能不太清楚，微軟公司在1991年的時候成立了微軟研究院，前面一開始成立的三個部門是自然語言組、語音組和計算機視覺組。大家想想，人工智慧最基礎的一些技術，實際上都是從這些方面開始的。

今天大家談人工智慧，主要來講人工智慧有兩個方面。

方面一，感知方面，就是語音、視覺。

方面二，認知方面，理解、語言等等。

事實上，微軟有一個使命感，我們希望「為人類提供優質的服務，幫助企業實現美好的願景」。這麼多年來微軟公司一直是一個技術平台的公司、工具的公司，幫助大家做好自己工作的公司。事實上AI這件事情更加進一步讓我們有更好的機會。

當然，大家今天都在談人工智慧，每個人都在做自己喜歡的人工智慧的技術、產品、服務。微軟公司這麼多年下來，已經有了很多年的技術積累，特別是我剛才提到微軟研究院在過去的26年當中，儲存了、積累了大量的這樣的一些技術。

我舉一個例子，比如說，計算機視覺識別方面，也是我自己做了這麼多年的研究方向。我自己做計算機視覺做了很多年，我們在小冰裡面有個很簡單的功能，叫做「小冰識狗」，你上傳一張照片上去，小冰可以告訴你，你這是哪一種狗。可能對一些小公司來講，要開發這樣的技術要幾個月的時間專門做這樣的一些工作。對微軟小冰來講，可能只是我們一個禮拜就可以上線的一個新的技能。

當然小公司有小公司優勢的地方，大公司有大公司優勢的地方，每個人都應該去想自己適合做什麼，我想強調一件事情，我們對用人工智慧的技術提供像小冰這樣的產品來幫助大家是非常有信心的。

我想簡單地介紹一下，我最近在公司裡面推的幾條產品線，我們有超過三條產品線。現在已經在做的，我想跟大家介紹一下。

從微軟來講，首先最重要的一件事情，就是微軟公司現在是一個人工智慧的公司。作為微軟所有的產品，我們是希望能夠把人工智慧全部做進去。比如說office、雲。我舉一個office的例子，大家如果今天用我們的Powerpoint，可能會很驚喜地發現，在Powerpoint裡面可以做機器翻譯。

我現在用中文演講，如果我們後面有英文的記者或者是德語的記者，實際上我們是可以用Powerpoint轉化成英語和德語。甚至如果你用Powerpoint上傳一張你自己在Powerpoint裡面用的照片，照片加進去的時候，我們可以自動地幫你輸一些標題。

包括word、excel原來的office的產品，智能越來越多地會加進去。不僅我們覺得人工智慧這樣的一些技術，可以幫助微軟的產品加AI的東西，更加激動人心的事情是說有更多其他外面的機會，這個AI是會給大家創造很多的商機。

AI的出現主要是因為三個方面的問題。

一是數據量巨大的增加。

二是運算能力的急劇的提高。

三是近五到七年，特別是深度學習方面演算法的突破。

大家看到有很多的機會，我個人覺得所有的垂直的工業的領域，都會被AI顛覆掉。不僅如此，我覺得所有的水平的一些商業的過程，銷售也好、市場也好、客服也好，甚至HR、招聘，這些都會被AI給顛覆掉。這是我們很多的工程師、科學家在複製的第一條產品線。

第二條產品線，今天講起來比較傳統的，像搜索引擎方面的工作，Bing搜索在全球市場，是谷歌以外的全球市場的第二。在美國Bing我們有33%的市場份額，在英國我們有17%的市場份額，德國有14%的市場份額，在全球來講，Bing搜索的質量、搜索的用戶體驗做到相當好的地步，也能夠在相當多的市場和谷歌一爭高下。

這裡從人工智慧角度講，我不是專門提搜索這件事情。只是跟大家講，搜索這件事情給我們帶來非常大的優勢，它對整個互聯網的世界有一個非常全面和精準地理解。因為我們做搜索，我們做知識圖譜，比如講全世界，我們現在有25億條詞條。人也好、地也好、公司也好、產品也好，所以是這樣一個情況。

在做Bing的基礎之上，我們一直做一個智能助理（小娜），小娜現在在全球有1.5億的用戶，特別是你用Windows的用戶，她用起來就很方便，她主要的工作也是幫助你解決你需要解決的問題，實際上，你可以把她想象成Bing搜索引擎的延伸。

今天主要是跟大家介紹小冰的工作，我想趁這個機會跟大家解釋一下。

大家最先問我的一個問題，小冰是不是只是一個聊天的機器人？我說小冰是一個聊天的機器人，但是小冰不僅僅是一個聊天的機器人。表面上來看，這個小冰是一個聊天的機器人，主要的作用是跟你做一個對話，的確是這樣的。

你同時去想想，全世界到現在有非常非常多的聊天機器人，全也有很多很多的聊天機器人，事實上，聊天機器人這件事情一點都不是什麼新的東西。

1966年的時候，約瑟夫·維森班在MIT做了一個聊天機器人叫Eliza。這麼多年下來以後，技術在不斷地進展，到今天小冰可能成為全世界用戶人數最多的，因為我們有1億的用戶。

「跟其他的聊天機器人本質上有什麼樣的差別？」這是我今天趁這個機會給大家介紹的。

在我給大家一個答案之前，每一個時代，科技的進展都會顛覆掉很多的事情，每一個科技時代的變遷，實際上對大家來講，對一般的用戶來講，最重要她是重新定義了人類和世界的關係。

今天你手裡拿個手機，以前是有一個PC機，甚至更早以前有大型機。對這個世界的變化影響到底在哪？PC時代，最重要是因為有操作系統、應用軟體，特別是以微軟的Windows和Office為代表。

後來，到了互聯網年代，把人類和世界又拉近了，PC時代的話，相對來講它還是更加像人類的工具一樣，去改變這個世界。當你有了互聯網之後，它就把人類和世界拉近了。

互聯網年代最了不起的出現了兩件事情：瀏覽器、搜索引擎。

同樣，到了移動的時代，它非常了不起的地方是不僅把人類和世界拉近了，它把人類和人類又拉近了。

那麼在移動時代出現了兩件事情非常了不起：

第一，社交網路。

第二，App Store。

這兩件事情就是移動時代，但是移動這個年代沒有很大的事件。大家今天就已經很激動的，又進入了新的時代，所謂AI的時代。

AI這個時代到底最了不起的東西在哪？語音識別、語音交互。

你說圖象識別是不是了不起，圖象識別了不起。

昨天我們黃博士在美國寫了一個Blog，我們在做數據集，我們已經做到5.1%的誤差率，現在是完勝人類的誤差率。

在不到五年的時間，我個人預測，不管你怎麼樣去測，計算機語音識別都會比人類做的好，十年時間視覺識別也會比人類做的好，這樣會給我們帶來很多商機。但是不是真正最關鍵的在AI最主要的問題，剛才提到知識圖譜，是不是知識就是最重要的這樣一個問題，甚至是智能設備、甚至是IoT連在一起，這些都非常重要。

但是還不是核心，在我們理解人工智慧裡面，核心實際上是兩件事情，人工智慧的核心一個是IQ，一個是EQ。為什麼？我想帶大家回到當年之所以出現人工智慧這個詞。1956年的時候，當喬治一批科學家提出來應該做一件事情叫「人工智慧」這個事情，人工智慧是以人類智能做參考。是有一個參考，我們再去想一想，我們為什麼覺得人類有智慧，說這個人是聰明的，你這個人是聰明的，我們也會講這個人很懂事，所以實際上是有不同的方面。是有這樣一個IQ的方向，也有一個EQ的方向。你IQ到一定的地步才可以考上大學，並不是說每個大學生一定出來都會做得很成功，很多很成功的人士可能是IQ和EQ的結合。

所以對我們來講，做小冰的一個重要的目的，實際上不僅僅只是聊天這件事情，我們真正是希望通過小冰讓我們了解到怎樣能夠真正地把EQ這件事情能夠理解，可以能夠做好。

IQ當然是非常重要，幫助我們解決很多的問題，最近這些年有很多的做IQ相關的人工智慧的系統出來，可能這些系統裡面最最了不起的一個是我們友商做的，谷歌做的Alpha Go，打敗韓國棋手，打敗棋手，這樣一個非常了不起的事情。

最近大家看到中央電視台CCTV有一檔非常好的節目，叫做《機智過人》，在那個節目上柯潔是和Alpha Go過招的、人類IQ最高水準的棋手，柯潔在這個節目上，他說他是微軟小冰的冬粉，這個令我們非常驚訝。

這裡我想給大家一個答案，我們設計小冰整體的產品的理念：實際上我們整個設計小冰，聊天是這樣一個體驗，但是真正的核心是我們希望這款產品能夠打造一個情感計算的框架，整個這樣的一個框架是一個核心，同時有她很多的生存空間、輔助設備和其他相關的設備，令到小冰能夠和人類有一個非常好的、很高的依據的交流。

小冰可以和你在任何的地方、任何的場景進行交流，你在微信上，她可以在微信上和你交流，你在QQ上，她可以QQ和你交流，你在微博上她可以在微博上和你交流。你如果用一個這樣的喇叭，她可以用喇叭跟你交流，甚至如果你在車裡面，可以跟你和車一起交流，我們也和很多的車廠有一些合作，希望在不遠的將來和大家介紹那邊合作的一些內容。