完全所有的产品线路。我们有一个技术平台，每天在内部调用的量大约是2000多亿。我最近较为注目的一个方向是对话系统，所以跟今天的主题也很涉及。现在在对话系统这块，我们独自也获取了一个解读和交互平台，主要是面向具体任务已完成类的一些对话。

我现在花上的主要精力是在研究标准化对话系统，为了解决问题计算机用自然语言和人交互的问题。徐迎庆：今天的话题是浅AI未来，虽然我科学知识不多。但是我告诉这个是人工智能的意思。

这个AI对我们来说，有时候是唉声叹气的“唉”，因为我们离人工智能较为近。人工智能是千军万马，万马奔腾，滚滚红尘，我们做到的是一骑马红尘妃子笑，无人知是荔枝来。我们做到的是让大家不吃荔枝难受一点，爱吃一点，快乐一点，我们是做到这个事的。

只不过现在我们也在考虑到所谓做到智能嵌入式，大家都托人工智能，你要不谈点智能样子你没有文化一样。首先，这方面面对的挑战是什么？第一，只不过嵌入式里面，人的这种大自然的交互不道德，和物理空间的这种状态的变化是多通道的、非准确的，而且是动态多样的。它没一个十分平稳的模态。

第二，计算机在嵌入式里面，人要告诉他计算机，它们作为理解的主体，如何解读人的大自然交互不道德，意图和问题，并且准确的对系统，这只不过是一个相当大的挑战。关于大自然感官的准确性，实时性和鲁棒性还有相当大的提升。还有就是说，人的生理变化，心理变化都会影响他今天交互的状态，以及周围的环境变化怎么适应环境，这是我们面对的挑战。

研究的内容是我们要做到的。现在因为我仍然指出，大学的实验室和企业的实验室应当有所不同。

企业的实验室应当是做到靠谱的事，有时候发点傻，做到一点点不靠谱的。大学的实验室应当是以不靠谱居多，以探险居多，做到一点点靠谱的。

我们现在期望需要在几个方面积极开展一些工作：第一，是研究如何让计算机需要自适应感官人类的大自然不道德；第二，大自然习得运动技能和生理的大自然变化如何让计算机解读。第三，这个过程要简洁，用户无法不受交互不道德的阻碍，我放一个命令它半天才感官出来，或者我放一个命令，它不解读。

我的实验室在做到几件事情，第一是跟情感计算出来涉及的，我们刚刚开始。2001年我在微软公司放了一篇文章，叫作Emotion Detection from Speech to Enrich Multimedia Content，当时我还带着研究生。那篇文章，当时是这个领域的第二篇，发完之后没人理，忽然这一两年火一起了。当时我们做到每一个研究都要去找人谈背景，当时请求的是北京电影学院台词课的老师给我们授课，人说道的语音的讲法十分不一样，他谈了“你好”两个字，当场讲出了140多种不一样的情感。

有所不同情感下的“你好”是几乎不一样的，但是我们的语音辨识出来的都是你好。我们当时需要在40毫秒检测出有你的四种情绪之一。另外，当时我的研究生标的了1000部电影，他说道徐老师你把我祸了，我以后仍然看电影了。我们期望把人的情感，微表情，微动作怎么去融合？还有身体语言，人讲话75%、80%都是身体语言，为什么审问犯人要把犯人绑起来，他们是害怕他镇压。

但是从我的角度来讲，你绑起来，没有人身体语言之后，说出就不大自然，什么话一回答你就说道出来了。这个有可能是他们没想起的。第二，多通道的智能嵌入式装置，我们现在开始做到基于嗅觉的交互，主要是还有一个基于手机的不道德。

这里有两块，一块是说道未来三五年有可能是物联网搜寻的世界，换句话我搜寻不是在输出关键词，关键词还不会保有，但是我拿一个苹果，一张照片，电子鼻一言，它说道这个和国光苹果的相近亲率是85%，和富士相近亲率72%，和黄香蕉是30%，和苹果酱是百分之多少，我们期望做到这样的东西。另外，中医的望闻问切，现在“望”和“问”小鱼在家都需要解决问题了，“托”很多手腕，言这件事情还没解决问题，如果望闻问切知道解决问题了。中医的家庭简化也就解决问题了。

所以，我们现在期望需要在“言”这方面老大着做点事。基于手机的不道德计算出来，当你休息的时候，我们期望能无法从这里探测出有走路的步态和姿势，尤其是对老人的护理，青少年的护理。

这方面十分之无以，但是我们有期望和一些公司开始做到一些探究。另外，因为我们的专业，虽然我来自于美院，但是我们的研究生来自所有的专业，是一个交叉学科。

所以我们期望需要做到一些新的传感器的东西。这个就是最近在做到的。| 接下来要解决问题准确语言解读的问题周明：沈向洋谈了一个叫作自然语言解读，从感官到理解，到推理小说这样的一个十分好的话题。

沈向洋在上面谈，不懂语言者，得天下。我当时听得完了以后实在做自然语言的春天来了。但是实质上我们做语言解读跟理解智能是一脉相承的。

理解智能无非就是语言解读，科学知识、推理小说，然后解决问题。现在想问都说的各位专家，你们指出语言解读也好，或者是更加广义的嵌入式也好，现在到了什么程度了？从研究上有哪些机会？有哪些瓶颈，产业上有哪些机会和瓶颈？徐迎庆：我实在显然不懂，自然语言发展到什么程度了，但是我现在也在用一些设备，小鱼在家我买了两台，阿里送来了一个天猫精灵，我都在用，以前我实在是十分狂妄的。除了小鱼在家以外，因为我家里有老人。

后来我用一起实在十分有意思，他们那个智能程度十分智能。比如说前两天天猫精灵忽然自己唱起歌来了。

我学生打趣说道天猫精灵谁让你唱歌，大声。天猫精灵说道，告诉了，下面播放歌曲大声。这个十分吃惊，知道有大声这首歌，演唱的十分难听。吴华：我是仍然做到自然语言处置的，但是很失望的是，虽然是自然语言的春天来了。

但是我们只不过受到十分大的挑战。刚才沈老师说道的，实质上解读问题没解决问题。

只不过荐个非常简单的例子，我们现在仍然想要说道，计算机能跟人大自然的交流，用自然语言，但是我们在特定的领域，在登录的一个领域，比如说天气，或者你问天气的方式都有很多种。一个较小较小的问题我们都没解决问题，就是自然语言解读的问题，准确解读的问题没解决问题。

这也是妨碍现在所有的嵌入式的硬件的一个发展的技术。所以，我们接下来实质上要做到的就是把明确领域的准确语言解读的问题解决问题。然后不要倚赖过于多的标示数据，这个是我们要解决问题的一个问题。所以，我们现在叫它模式匹配解读，不是准确解读。

接下来，如果这个问题需要有效地的解决问题，我们可以往更标准化的聊天的角度去做到。我指出聊天实质上是标准化领域的，是跨越整个嵌入式一直的一个基本纽带。

因为现在我们做到的事，基本上是把特定领域的任务已完成类的、聊天以及答案问题这几种类型分离做到的。但是实质上聊天应当是说道，它是继续执行任务，答案问题的基础。你在特定领域里面问问题的时候，有可能牵涉到到聊天，有可能小鱼在家也牵涉到到这样一些问题。所以，我们要从标准化领域的角度去探寻聊天这个里面必须的技术。

比如说它必须去理解对话之间，人和人之间对话，人和机器之间对话的逻辑，就是它们内在的关系是什么，为什么可以海阔天空的闲谈。还有人的常识是怎么提供的，甚至特定场景下我们必须什么样的常识，以及人的记忆等等这些。我们找到在聊天的过程当中，有很多问题，比如说人会在聊天的过程，对人、事物、事件都会有一个主观的评判，我们怎么建模人的主观偏向，这些都是没解决问题的问题。接下来是自学的问题，只不过人是在有一定常识的基础上，有一定解读机制的基础上，你是通过什么机制演化的，更进一步增强自己。

我解读演化机制有两方面，一方面人是有一个读者理解能力，也就是通过读书，提供科学知识，然后武装自己，使得自己更加像一个专家。还有一个跟环境之间交互，怎么通过对方的对系统自学演化的。只不过自然语言的路还有好宽好宽。

李航：我非常简单讲解一下我对嵌入式的点子。大家有可能告诉，人获得信息80%多就是指通过视觉，大约10%多是听力，只剩很少的百分比是其他的感官。所以，对人来说，获得信息主要是通过眼睛看。那么人对外产生影响的时候，大约70%、80%的信息是通过语音对话再次发生继续执行的。

从人的角度来说，输入主要是语音和语言。我们要做到嵌入式，从计算机的角度来说，解读人的对话是一个最核心的部分了。当然我们都告诉，只不过我们人就是通过五官整体感官、理解的。

计算机反过来也是必须以语言居多，以语音辨识基础的对话居多来去跟人展开交互。在我看来，语言交互，嵌入式，只不过在一定程度上最基本的东西早已应用于地十分广泛了。引荐和搜寻就是最顺利的嵌入式，搜寻是什么呢？是人去找信息，引荐是信息去找人。嵌入式之间，我们最简单就是用关键词，引荐的时候就是零关键词，不必须关键词信息也可以再不寻找人。

所以这个也是十分限于化，我们天天用于引荐和搜寻。现在单轮对话的时代，我们看见各种各样的例子，我们看见搜寻中大家用于频密的问句，基本上是大自然的问句，以单轮对话计划居多构建的，特一些非常简单的多轮对话的机制，让你感觉到样子在做到多轮对话，只不过本质上，我们整个业界的水平就是不能把单轮对话做到得不俗，像解说，一定程度上，一定场景下能符合大家的市场需求。语音对话在一定场景下需要符合大家的市场需求。如果到了多轮对话，情况就更为简单了，我们对多轮对话的了解，现在整个业界都还没超过一个确实严肃去研究多轮对话的状态。

首先数据过于，无论是大公司，还是小公司，都是没充足多的数据展开严肃的研究，这方面如果没确实的突破，多轮对话很难确实南北实用化。尚之信的是，现在从单轮对话抵达，如果技术做到得更加好，跟用户做到大大的交互，能搜集到更加多的数据，给我们奠下一个十分好的基础。在这个基础上需要去往前推展。

多轮对话，又分两种，一种是闲谈，没边界的。另外一种是任务驱动的，当然这个怎么定义什么叫作闲谈，什么叫作任务驱动，中间不是很明晰的画一条线。让我来推测，就是任务驱动的多轮对话有可能更容易突破，但是确实像人一样的需要聊得很好，就更加无以，不是不最重要，技术挑战就更大。

但是不管是任务驱动的，还是说道闲谈，多轮对话都面对着没充足的数据，技术上面还有待于之后突破的状态。但是尚之信地是说道，单轮对话的技术不断深入到我们的工作生活当中，我们有更加多的数据搜集一起了。技术上面最近这些年也有一定的突破，深度自学也协助单轮对话的技术有很多以前想要都不敢想，做到都不肯做到的事情。

这块也在大大的变革，未来我还是十分悲观的，未来五年、十年，随着数据大大减少，技术不断进步，我们可以看见更好的对话系统，嵌入式，以语言为中心，跟其他的模态融合一起，需要构建我们人机之间十分好的对话，使得我们计算机确实的沦为我们人的得力助手，这是我对这个领域基本的观点。宋晨枫：我们正好是做到这个领域，首先嵌入式最核心的地方当然是在自然语言解读这个部分。但是实质上当你把它落在一个场景的时候，这个时候影响用户体验和嵌入式还有很多其他的因素，咱们就拿刚才徐老师谈的智能音箱的品类为事例。

因为我们都指出自然语言需要带给仅次于价值的场景，有可能一个是在家里，一个是在车里。现在，在家里的话我们把体验落地，只不过有多个模块，前端要有音频处置，然后有ASR，经过ASR之后，然后是NLP的解读，之后还要接入适当的资源，只有把这个多个模块确实需要在家庭环境下把它串一起，才需要去为用户获取他失望的体验。我们在过去这两年的实践中当中，我们显然或许在一个理想的场景下，这些系统串一起需要超过90%的满意度。但实质上，今天我们如果把用户一天中所有的环节算下来，确实用户交互，然后获得他失望答案的是严重不足70%的，60%多，我们的团队在大大的剖析问题在哪里。

这里面就说道到现在几个技术瓶颈。第一，实质上，在家庭场景下所谓的鸡尾酒会问题还是没获得解决问题，而且这是一个十分广泛的场景。再行再加，目前所有的嵌入式都必须有一个苏醒。

但是这个苏醒第一体验是有点反人类的。你跟一个人去交流的时候，会每次都叫一下他的名字。这个是影响体验的。

同时，只不过由于在有所不同的噪音，混响，还有家里设备放置的场景，交互的方式，只不过苏醒亲率，还有徐老师说道的误苏醒是较为大的问题。然后再行到ASR，在远场情况下的ASR，因为人说出不是那么有几乎句式的，很多时候夹杂着英文，有的时候不会吞吞吐吐，有的时候说道一句话的时候，不会回过头来修正他前面说道的一两个词之类的。

就是ASR再加NLP，需要把这些人大自然交互情况下的传达需要成功的解读，在我们显然还是很多的问题，所以我们看很多数据，都是话说到一半就切除了，一句话里面有两个人大大的混在一起。这些都影响到了整体的交互体验。对我们来讲，从产品角度，如果想要等这个技术极致了再行解决问题，然后再行发售产品，有可能还必须五年的时间。我们今天否早已可以为用户获取一些价值，解决问题他们的一些问题，我实在这个答案还是可以的。

我们在这里面有几方面的探寻，刚才李航老师谈的我十分的赞成，今天显音箱，没屏幕的音箱，在我们显然是一个嵌入式的过度落地方案，却是人与机器交流的方式最高效是语言。但是机器与人交流的方式，是必须语音和视觉辅助的。当你没屏幕的时候，信息传达，还有对用户的引领是缺陷很多。

所以我们小鱼在家仍然在探寻自然语言交互和屏幕之间的关系，所以我们也环绕着叫作体验和虚拟世界助手这样一种设计理念原始设计一套全新的交互模式和交互界面。在这里面，只不过我们就看见了一些较为好的用户反响，或者对系统，我们再一可以做到运营了。因为当产品无法让用户随时回答他所想的所有问题的时候，如何需要原作预期，就变为了一个问题，当你有了这个屏幕之后，只不过你需要在有所不同的场景下给他做到智能的引荐，当你回答了你想要听得什么歌的时候，这个时候助手就可以引荐你，你还可以问什么，你可以说道下一首，上一首，停止，问关于这首歌的情况，这种事情，当你没屏幕的时候都是很难展开的。

所以，我们在初期做到用户的自然语言整个茁壮体系是很最重要的。让用户告诉，只不过我现在不能在18个垂类里面问问题。然后边界是哪里？让用户有一个平稳的预期，这个产品在大大的茁壮，有可能今天你回答的这个问题，回答的这种方式，它在这个领域里没很好的解决问题。

但是我们需要在下一个递归里面就把这个问法加进去。我慧这个是做到产品的时候一点点所学。

另外，这个设备放到家庭中有所不同的场景，用户的不道德是几乎不一样的。在客厅、厨房、书桌上，客户交互的姿态，场景限定版了他在那个情况下有可能回答的问题。所以我们另外做到的是什么呢？让我们在某个家庭的设备自己理解我是在哪里，并且谋求理解跟谁在交互？因为有所不同的人在家里的语言结构是不一样的。

有可能就那么几类问题，大人有可能有有所不同的问题，所以牵涉到用户画像，我们有一个团队在做到用户画像。需要让你时刻告诉，用户在什么场景下跟谁交互，这个时候你的引荐、运营也需要做到得更为精确，让用户有更佳的体验。| 实体交互是什么周明：谢谢以上四位嘉宾共享了他们的经验，我要回答一下老徐，你做到的终生自学是什么意思？实体交互是干什么？徐迎庆：终生自学就是不仅你自小要学，到你老了还要学，这就是终生自学。

是这样，我非常简单说道，因为有广告指控，无法多说道。清华大学终生自学实验室，是乐高基金会反对的实验室。

乐高在全球有四个实验室，麻省理工，哈佛、清华和英国剑桥，我们是其中一个。我们做到的是怎么样来推展动手自学的理念。我们都告诉，我们国家自学基本上孩子们都是读书、默写、诵读，动手自学的机会不多。

动手自学对整个自学的推展和前进是什么？这个在国外早已做到了很多，我们在这个领域仍然在做到一些工作，我们实验室做到了一年多，还是做到了一些很有意思的东西。我们除了已完成了一些研究课题和研究项目以外，另外一个也正在协助一些孩子们怎么去学，去更佳的自学计算机，怎么编程。

我们现在基本上就三个团队，我们这个实验室请求了七位员工，有从牛津，斯坦福回去的，从波士顿回去的，都是专门做到这个方向。我们有一个团队专门研究两到四岁的孩子。什么事更有了他们的自学，他们嬉戏的兴趣是怎么获得的？怎么转录玩法的兴趣。

另外，针对四到六岁孩子，我们做到了很多玩具，比如说有一个玩具，我们做到的工作不一定不须跟乐高有关，可以是任何的创意，我们基于乐高，把芯片放在乐高模块里头，让小孩子迅速搭出一个小汽车。这个小汽车，比如说是小卡车，搭完以后，程序自动呈现出在屏幕上，然后小孩就可以通过用户界面，必要在屏幕上把每一个部件拖来拖去，把车的形状都放好了，放在里面，一点，这个程序就跑起来了。或者搭乘一个甲壳虫，一碰这个车就可以动起来。

这些对于协助孩子解读什么是程序很最重要，我们不拒绝四到五岁的孩子学编程，太难了。但是通过这样一些自学，让他们对程序有了兴趣。我们有另外一个团队，从6到8岁开始教教他们怎么用类似于图形用户界面去编程和体验，我们有很多兄弟的孩子都在那体验过，我坚信每个孩子都是非常高兴的。

除此之外，我们针对清华大学的大学教育，我们也做到了很多大学生的教育。比如说所谓技术类的，学生的艺术教育我们也做到了一些工作。这是一类。

另外，比如说我们在实体交互。实体交互就是用实物展开交互，并不是说道通过一个界面，通过鼠标的交互。只不过我从微软公司就开始做到这个项目，跟微软公司合作。但是我们现在早已做到了全新的第三代。

我们做到了九年，给盲人做到了一台计算机，触碰的。盲人的自学跟我们的课本差不多，他们也要学电路，也要学化学分子式，以前这些东西很难传达，他们摸不出来，语音是听得将近图形的。于是我们可以在屏幕上呈现出这种触碰、凸凹点的图形，这个项目现在做第七年了。

前五年都是我们自己在往里投放，再加微软公司往里转了资金，英特尔，百度都给了很多反对。那么，到了第五年的时候，我们很高兴，这个项目变为了国家重点研发计划的项目。所以我们现在在做到国家计划项目，这个竟然盲人通过触碰来已完成。

所以，在实体交互方面还有很多，我们的研究生研发了骨架机器人的东西。我们用骨架机器人让动画师掌控骨架机器人，但是背后确实的三维动画不会随着它一起一动。大象的鼻子，四条腿都可以一动，可以便利的编辑这些东西。

我也很高兴在这跟大家说道一声，我们谋求更好的合作，大家告诉，马云在达摩会上，和他们的院长都宣告了未来的六大研究方向。其中有一个方向叫作下一代的用户体验研究。我们很荣幸，这个项目在跟我合作，我们下个月不会宣告我们的实验室。这个实验室将来主要是环绕下一代的用户界面，以及未来基于物联网的搜寻是什么样的？基于物联网的交互是什么样的，所以这是基本的概念。

谢谢大家。原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：博鱼(boyu·中国)官方网站-www.njcjla.com