我們對(duì)于AI應(yīng)用的追逐過(guò)程如同跨欄，此時(shí)此刻回頭看看,，會(huì)發(fā)現(xiàn)“計(jì)算”,、“感知”和“決策”這些橫欄，都已經(jīng)在我們身后,。如今我們已經(jīng)可以熟練的用語(yǔ)音識(shí)別和圖像識(shí)別來(lái)感知信息,，再通過(guò)機(jī)器學(xué)習(xí)對(duì)海量數(shù)據(jù)的處理來(lái)給出結(jié)論。

　　如果問(wèn)下一道橫在我們面前有待跨越的橫欄是什么,，想必就是意味著“溝通”的智能對(duì)話技術(shù)了,。

　　橫欄在前：

　　智能對(duì)話技術(shù)跨越的前一秒

　　建立在語(yǔ)音識(shí)別和語(yǔ)音生成等的NLP技術(shù)上,，人機(jī)對(duì)話之間的簡(jiǎn)單對(duì)話已經(jīng)非常普及，像是通過(guò)語(yǔ)音喚醒某一項(xiàng)設(shè)備或功能,，或是和智能助手進(jìn)行一些單輪問(wèn)詢,。但想要系統(tǒng)化地普及智能對(duì)話技術(shù)，實(shí)現(xiàn)人機(jī)之間流暢的理解和多輪對(duì)話,，恐怕還有著不少限制,。而這種限制，已經(jīng)到了亟待跨越的時(shí)候,。

　　第一,， 缺乏靈活的自然語(yǔ)言交互對(duì)話，我們?cè)谶M(jìn)行人機(jī)操作時(shí)依然需要依賴(lài)按鍵,、屏幕等等設(shè)備,，對(duì)于AI技術(shù)的應(yīng)用場(chǎng)景有著很多桎梏。

　　第二,， 在無(wú)法進(jìn)行智能對(duì)話的前提之下,，很多需要頻繁溝通的工作，依然無(wú)法被AI代勞,，即使AI已經(jīng)遠(yuǎn)超人類(lèi)的記憶存儲(chǔ),、計(jì)算決策和感知能力。

　　舉例來(lái)說(shuō),，在車(chē)載,、智能音箱、客服和機(jī)器人這四大領(lǐng)域中,，智能對(duì)話技術(shù)應(yīng)用的便利與否,，就與其體驗(yàn)息息相關(guān)。在車(chē)載場(chǎng)景中,，人們無(wú)暇用手與眼與AI進(jìn)行交互,，必然要依賴(lài)靈活精準(zhǔn)的對(duì)話系統(tǒng)。至于智能音箱這類(lèi)硬件,，智能對(duì)話不僅限制其產(chǎn)品形態(tài),，也會(huì)影響其服務(wù)能力,。智能客服與機(jī)器人更不必說(shuō),，對(duì)于這種以交互為主的產(chǎn)品，能否擁有自然的智能對(duì)話技術(shù),，實(shí)則是根深立命之本,。

　　從市場(chǎng)表現(xiàn)上，我們也能發(fā)現(xiàn)智能對(duì)話正在進(jìn)入工業(yè)級(jí)應(yīng)用爆發(fā)的潛伏期,。

　　目前來(lái)說(shuō),，一項(xiàng)技術(shù)爆發(fā)所需要的四個(gè)因素：技術(shù)高度,、生態(tài)廣度、用戶取向和企業(yè)需求,，在智能對(duì)話領(lǐng)域已經(jīng)盡數(shù)鋪墊完成,。

　　像自然語(yǔ)言處理,、語(yǔ)音技術(shù)以及知識(shí)圖譜等技術(shù)已經(jīng)儲(chǔ)備完善,。數(shù)據(jù)顯示，在行業(yè)應(yīng)用中38%的企業(yè)已正在應(yīng)用基于智能對(duì)話的系統(tǒng),、麥克風(fēng)陣列等上下游硬件解決方案,，也在智能硬件市場(chǎng)的成長(zhǎng)中達(dá)到一定積累,，行業(yè)生態(tài)覆蓋正在加速。數(shù)據(jù)顯示,，2019年Q1中國(guó)智能音箱銷(xiāo)量同比增長(zhǎng)9倍,，移動(dòng)終端、車(chē)載系統(tǒng),、智能硬件等產(chǎn)品中引入對(duì)話交互的現(xiàn)象也日益普及,，毫無(wú)疑問(wèn)，用戶無(wú)比渴望更便利的交互方式,。最后,，在人力成本日益提高時(shí)，企業(yè)對(duì)于智能對(duì)話的需求也越來(lái)越旺盛,，據(jù)與IDC聯(lián)合調(diào)研,，有83.3%企業(yè)認(rèn)為智能對(duì)話能有效降低運(yùn)營(yíng)成本。

　　在今天,，百度舉辦了百度大腦智能對(duì)話引擎及產(chǎn)品發(fā)布會(huì),，宣布了百度大腦智能對(duì)話定制平臺(tái)UNIT3.0的全新升級(jí)，并展示了智能對(duì)話生態(tài)全景,。

　　就此,，我們或許可以確定，人類(lèi)終于向“溝通”這一AI應(yīng)用的橫欄發(fā)起了跨越?jīng)_刺,。

　　復(fù)合型技術(shù)的迷墻

　　如果將百度大腦看做智能對(duì)話技術(shù)應(yīng)用的第一個(gè)跨越者,，我們也可以從中倒推出這項(xiàng)技術(shù)應(yīng)用的難點(diǎn)在哪里。

　　一般來(lái)說(shuō),，某一項(xiàng)技術(shù)工業(yè)級(jí)應(yīng)用的突破要取決于成本效率比,、人才儲(chǔ)備、配套服務(wù)和概念認(rèn)知之上,。

　　智能對(duì)話的特殊之處在于,，這項(xiàng)技術(shù)的復(fù)合性極強(qiáng)，包含了語(yǔ)音識(shí)別,、語(yǔ)音生成,、語(yǔ)音語(yǔ)義一體化,、知識(shí)圖譜構(gòu)建等等一系列技術(shù)。這就意味著這項(xiàng)技術(shù)的成本必然相對(duì)偏高,、人才儲(chǔ)備也多半集中在技術(shù)企業(yè)和科技巨頭之中,。

　　而智能對(duì)話技術(shù)所應(yīng)用的場(chǎng)景又相對(duì)復(fù)雜，交互本身無(wú)處不在,，智能對(duì)話技術(shù)既可以向智能客服這里軟件服務(wù)領(lǐng)域輸出,，又可以投入于智能耳機(jī)、智能音箱這類(lèi)硬件領(lǐng)域,。更有很多全新的應(yīng)用空間亟待開(kāi)發(fā),。配套服務(wù)的普及，一定是一條相對(duì)艱難的道路,。

　　綜合下來(lái),，會(huì)導(dǎo)致智能對(duì)話技術(shù)距離應(yīng)用場(chǎng)景間隔了一道迷墻，注定了很多企業(yè)對(duì)這項(xiàng)技術(shù)的認(rèn)知理解有所偏差,，認(rèn)為這項(xiàng)技術(shù)還并不適合自己的企業(yè)應(yīng)用,。

　　這就是為什么，率先動(dòng)身跨越橫欄的人,，會(huì)是百度,。

　　發(fā)起沖刺：

　　UNIT 3.0和語(yǔ)音技術(shù)平臺(tái)正在蓄力

　　在百度大腦的智能對(duì)話生態(tài)中，為整個(gè)產(chǎn)業(yè)開(kāi)放了兩個(gè)重要產(chǎn)品平臺(tái),。

　　第一是為開(kāi)發(fā)者提供專(zhuān)業(yè)對(duì)話系統(tǒng)定制技術(shù)的UNIT 3.0,。

　　基于百度多年積累的自然語(yǔ)言處理、知識(shí)圖譜和語(yǔ)音等對(duì)話相關(guān)的AI技術(shù),，百度大腦推出的UNIT3.0版本,，在搭建技能、構(gòu)建知識(shí)和整合技能與知識(shí)三方面實(shí)現(xiàn)全面升級(jí),，其中為開(kāi)發(fā)者提供了很多預(yù)置能力,，例如有關(guān)天氣、閑聊,、定會(huì)議室的對(duì)話技能,，還有大幅提升樣本生產(chǎn)和標(biāo)注效率的DataKit和一系列知識(shí)庫(kù)。

　　建立在這種模塊化的組件模式上,，開(kāi)發(fā)者定制對(duì)話系統(tǒng)就會(huì)變得像拼樂(lè)高一樣簡(jiǎn)單,，而非是過(guò)去那樣，在一團(tuán)雜亂的毛線中尋找線頭,。如此以來(lái),，將極大地降低開(kāi)發(fā)成本和時(shí)間成本,，極大地提升效率與性價(jià)比,。

　　第二個(gè)產(chǎn)品平臺(tái),，是包含了領(lǐng)域語(yǔ)音方案和語(yǔ)音自訓(xùn)練平臺(tái)的語(yǔ)音技術(shù)平臺(tái)。

　　相比更傾向于賦能開(kāi)發(fā)者的UNIT 3.0,，語(yǔ)音技術(shù)平臺(tái)則進(jìn)一步為企業(yè)客戶提供了更易上手的工具,。

　　在領(lǐng)域語(yǔ)音方案中，我們可以看到百度大腦推出了他們擅長(zhǎng)的端到端一體化解決方案,。這次發(fā)布會(huì)中所展示的呼叫中心語(yǔ)音解決方案,，就是一個(gè)很好的案例，通過(guò)針對(duì)于呼叫中心場(chǎng)景優(yōu)化過(guò)專(zhuān)屬語(yǔ)音識(shí)別模型,，結(jié)合呼叫中心場(chǎng)景專(zhuān)屬8K音庫(kù),，可以在識(shí)別和生成兩端進(jìn)行優(yōu)化。對(duì)于那些適用于呼叫中心場(chǎng)景的企業(yè)用戶來(lái)說(shuō),，其便利程度接近于即拿即用,。

　　語(yǔ)音自訓(xùn)練平臺(tái)，則和EasyDL等自動(dòng)化機(jī)器學(xué)習(xí)平臺(tái)類(lèi)似,，通過(guò)從基礎(chǔ)語(yǔ)音模型到行業(yè)語(yǔ)音模型再到個(gè)性化語(yǔ)音模型的層層訓(xùn)練,，最終提升針對(duì)于場(chǎng)景業(yè)務(wù)的語(yǔ)音識(shí)別率。而這一整個(gè)過(guò)程都是自助式的,，不需要代碼基礎(chǔ),。這也自然解決了企業(yè)人才匱乏的致命問(wèn)題。

　　這兩項(xiàng)產(chǎn)品如同百度大腦智能對(duì)話生態(tài)的左右腿,，甩掉了成本,、效率和人才的桎梏，直接向智能對(duì)話的工業(yè)級(jí)應(yīng)用發(fā)起沖刺,。