鈦媒體旗下的鈦坦白微信課第27期，也是“AI已來”系列分享第1期，請(qǐng)來了6位語音識(shí)別、自然語言處理領(lǐng)域的鈦客進(jìn)行分享。本文根據(jù)北京諦聽機(jī)器人科技有限公司創(chuàng)始人、CEO彭軍輝的分享整理。
彭軍輝在中文語義解析、自然語言理解等領(lǐng)域有14年專業(yè)技術(shù)沉淀經(jīng)驗(yàn)，曾設(shè)計(jì)出漢語智能拼音文字方案，開發(fā)出機(jī)器人柳柳web和戀愛機(jī)器人柳柳app。創(chuàng)建的諦聽機(jī)器人公司目前已獲天使輪融資，并開發(fā)出諦聽機(jī)器人中文語義理解開放平臺(tái)。
以下是彭軍輝在鈦坦白的分享：
大家好，我是諦聽機(jī)器人創(chuàng)始人彭軍輝。感謝各位聽眾，感謝鈦媒體能給我這次機(jī)會(huì)和眾多自然語言處理行業(yè)的大佬們同臺(tái)演講。
我雖然做自然語言處理十多年了，但還算不上專家，只能算資深從業(yè)者。我大學(xué)專業(yè)是歷史教育，我們有漢語語言學(xué)課程。大學(xué)畢業(yè)后我看到大家用五筆字型輸入漢字非常麻煩，就想做一款純拼音的輸入法。我當(dāng)時(shí)不懂編程，就從語言學(xué)入手。在許多輸入法論壇和語言學(xué)論壇混了一段時(shí)間以后，我發(fā)現(xiàn)我要做的輸入法編碼其實(shí)就是一套拼音文字方案。后來輸入法沒做成，卻做出來了一套漢語智能拼音文字方案。我把我的方案放在了漢語拼音化論壇，并用我的拼音文字寫了幾篇文章，最后我的方案成了漢語拼音化論壇主推的幾套方案之一。
有一次看到小i機(jī)器人，我發(fā)現(xiàn)用我的技術(shù)完全可以做個(gè)問答機(jī)器人。大約2008年前后，我做成了第一款問答機(jī)器人——機(jī)器人柳柳web版。當(dāng)時(shí)的程序是拿ASP寫的。后來這款機(jī)器人曾在開心網(wǎng)上線過，現(xiàn)在后臺(tái)的鏈接還在。2011年我得到第一次投資，開發(fā)出戀愛機(jī)器人柳柳安卓版。當(dāng)時(shí)想做成虛擬情人。但由于其實(shí)我除了關(guān)注技術(shù)，對(duì)管理、對(duì)產(chǎn)品、對(duì)推廣、對(duì)經(jīng)營(yíng)我都不懂，導(dǎo)致后來公司現(xiàn)金流斷裂失敗了。
?2016年重新拿到投資成立了現(xiàn)在的公司，開發(fā)了諦聽機(jī)器人開放平臺(tái)，我們的目標(biāo)是建立一個(gè)機(jī)器人的平行世界，讓人人擁有自己的個(gè)性化機(jī)器人。
SIRI并沒有真正理解人類語言
以我有限的經(jīng)驗(yàn)，我發(fā)現(xiàn)最早的人機(jī)交互方式是鍵盤加命令式的，Linux和Dos就是這種方式，后來出現(xiàn)了鼠標(biāo)加菜單的交互方式，再后來出現(xiàn)了觸摸屏加菜單的交互方式。我發(fā)現(xiàn)交互方式的革新和產(chǎn)業(yè)革新之間有一定關(guān)聯(lián)性。鍵盤加命令的方式讓計(jì)算機(jī)進(jìn)入了辦公室，帶來了IT產(chǎn)業(yè)的蓬勃發(fā)展;鼠標(biāo)加菜單的交互方式讓計(jì)算機(jī)進(jìn)入了家庭，促進(jìn)了互聯(lián)網(wǎng)產(chǎn)業(yè)的大發(fā)展，觸摸屏加菜單的交互方式是移動(dòng)互聯(lián)網(wǎng)發(fā)展的必要條件。
2011年SIRI上線以后，人們驚呼新的人機(jī)交互方式誕生了。人們認(rèn)為SIRI能夠理解人類，不再是人類學(xué)習(xí)怎么用IT系統(tǒng)了。很多媒體將SIRI比作第六次產(chǎn)業(yè)革命，認(rèn)為人工智能時(shí)代帶到來了。SIRI確實(shí)是新的交互方式，帶來了完全不同的交互體驗(yàn)。它進(jìn)一步解放了人，讓人們使用IT系統(tǒng)的難度再次降低了。一些殘疾人、老人和孩子也可以借助SIRI來使用IT系統(tǒng)。
然而5年過去了，我們發(fā)現(xiàn)并沒有發(fā)生多大改變。那么SIRI的主要問題在哪里？我認(rèn)為，歸根結(jié)底SIRI并沒有真正理解人類語言，所以還沒法和人類進(jìn)行自然流暢地交流。我們期望不再是人類理解機(jī)器的規(guī)則，而是機(jī)器理解人類的規(guī)則。也就是說機(jī)器要能聽懂人話。
為什么機(jī)器人不懂人話？
我們先看一段對(duì)話，對(duì)話的背景是有個(gè)小朋友想吃披薩，于是獨(dú)自打了輛出租車。
司機(jī)：你要去哪里?
小朋友：我要去吃披薩。
司機(jī)：去哪里吃?
小朋友：披薩店。
司機(jī)：披薩店在哪里?
小朋友：在城里。
司機(jī)：我是問您怎么去?
小朋友：您不是司機(jī)么?
分析上面的對(duì)話，我們發(fā)現(xiàn)之所以出現(xiàn)交流上的障礙，主要是因?yàn)閷?duì)話的一方，也就是那個(gè)小朋友并沒有理解司機(jī)的意圖。司機(jī)只想知道乘客想去的目的地是哪里。
其實(shí)任何對(duì)話的過程，都是透過語言表達(dá)，理解對(duì)方意圖的過程。人機(jī)自然語言交互的過程也是這樣的過程。當(dāng)我們產(chǎn)生了某個(gè)想法，然后用語言表達(dá)出來，只有對(duì)方理解了我們的意圖，才是真正理解了我們。但語言不是意圖本身，有時(shí)候語言能充分表達(dá)意圖，有時(shí)候不能，有時(shí)候可能語言和意圖是背離的。
我們看一段正話反說的例子：
甲：你們公司那幾個(gè)銷售怎么樣?
乙：好極了。
甲：怎么好?
乙：來了幾個(gè)月一個(gè)單子都沒談下來。
我們?cè)倏匆粋€(gè)錯(cuò)誤理解意圖的例子：
一富翁正在遛狗，一個(gè)殺手從草叢里躥出來，啪啪兩槍把狗打死了。富翁大怒：你殺我的狗干什么?
殺手冷笑一聲：有人花500萬，讓我取了你的狗命。富翁看了一眼殺手，激動(dòng)地握住他手說：你的語文老師是誰?我要給她發(fā)個(gè)紅包!
第二天，殺手再次從草叢中竄出來，搶走了富翁的iPhone6s，富豪說：你搶我蘋果干嘛?
殺手說，因?yàn)橛腥顺鲥X一千萬 要讓我取你的首級(jí)(手機(jī))。富翁激動(dòng)地握住他手說：你的語文老師是誰?我要再發(fā)個(gè)大紅包!
到了晚上下起了雨，富豪覺得系此乃天意，逃命為上策，拿把大傘想悄悄溜出門，誰知?jiǎng)偟胶箝T口，殺手又冒出來啦!
“嘿嘿嘿!我就知道你要走后門，早等著你啦!”說時(shí)遲，那時(shí)快!殺手左手奪過傘，右手把傍晚搶的手機(jī)直接塞進(jìn)富豪懷里!
“我主人真神機(jī)妙算，就知道你會(huì)拿傘出來，他今天都不想跟我說話，直接給張紙條，叫我來拿傘!”說完拋下紙條揚(yáng)長(zhǎng)而去。
富豪撿起一看，憤筆的狂草：“不要手機(jī)，要他的命(傘)!”富豪直接就跪下了“恩師啊，您在哪?!
我們看一段說假話的例子：
曹操 《三國(guó)演義》中官渡之戰(zhàn)，許攸投奔曹操，引出一段經(jīng)典對(duì)話，常被引以證明曹操的奸詐。
許攸: 明公現(xiàn)在的糧草還剩多少呢?
曹操: 一年。
許攸: 恐怕未必吧。
曹操: 半年。
許攸因看了求救文書, 不悅, 拂袖而起說: 我誠(chéng)心投奔明公, 公竟然如此見外, 實(shí)在叫人大失所望。
曹操: 子遠(yuǎn)(許)請(qǐng)息怒, 待我告知實(shí)情吧, 軍中糧草只能支撐三個(gè)月。
許攸不怒反笑: 世人都說曹孟德是奸雄, 今日一見, 果然如此。
曹操: 兵不厭詐嘛!其實(shí)只有一個(gè)月。
許攸斥: 不要再瞞我!你已經(jīng)無糧草了。然后拿出從信使身上的搜出告急文書。曹操只好保持沉默。
用一個(gè)圖來表達(dá)語言交互的過程：
在表達(dá)者的一側(cè)意圖通過語言表達(dá)，在傾聽者的一側(cè)，透過語言理解意圖。對(duì)用戶意圖的理解，就是語言處理的過程。在這個(gè)過程中，有兩個(gè)處理方向，一個(gè)是基于統(tǒng)計(jì)學(xué)的，一個(gè)是基于語言學(xué)的。我們是后者。
總結(jié)來說，人話的背后是意圖，處理語言實(shí)際是對(duì)意圖的處理。目標(biāo)對(duì)了，效果才能好。
深度語義理解技術(shù)和關(guān)鍵字模糊查詢
很多人認(rèn)為我們做的就是關(guān)鍵字模糊查詢，和搜索引擎的技術(shù)沒有什么區(qū)別。我告訴他們我們深度語言理解技術(shù)和關(guān)鍵字模糊查詢有本質(zhì)區(qū)別。區(qū)別主要有以下幾點(diǎn)：
1.我們分語義場(chǎng)景處理，關(guān)鍵字模糊查詢不分語義場(chǎng)景
語言離不開語義場(chǎng)景。把語言從語義場(chǎng)景里孤立出來，語義就會(huì)變得不明確。語義處理第一步確定語義場(chǎng)景。比如當(dāng)用戶說“劉德華”，其實(shí)你無法理解用戶的意圖。當(dāng)我們知道用戶說“劉德華”是在音樂播放場(chǎng)景，我們就明白了用戶是想聽劉德華的歌。
下圖是正例和反例。這里沒有看輕小冰的意思，我還是很崇拜他們的。
有人說，你這不就是上下文處理么？這個(gè)叫上下文處理也沒什么錯(cuò)。但我覺得叫上下文處理是程序員思維。我們叫場(chǎng)景處理是從語言角度出發(fā)的。場(chǎng)景處理必須是穩(wěn)定的，要能一直保持在一定場(chǎng)景里，用戶想跳出再跳出，用戶不想跳出就不能跳出。另一方面要靈活，用戶不想跳出就不能跳出。否則就談不上場(chǎng)景處理。
結(jié)論：如果不能讓對(duì)話按照用戶意圖保持在一定場(chǎng)景，不能按照用戶意圖任意跳出和轉(zhuǎn)換，不能算真正的語義場(chǎng)景處理，不是語義處理，是關(guān)鍵字模糊查詢。
2.理解語義的細(xì)微差別是語言處理第一要?jiǎng)?wù)
不能理解語義之間的細(xì)微差別，不能算語義處理。我們認(rèn)為語義=詞+句式。句式是句子成分的不同組合方式。相同詞的不同組合方式大多數(shù)時(shí)候語義不同。我們認(rèn)為句子里每個(gè)詞都有意義，哪怕是句末語氣助詞。
“你家的地得掃了。”——“你掃了。”
“你能干嘛?”——“你干嘛的?”——“你干嘛啊!”——“你在干嘛?”
以上兩組句子，關(guān)鍵字模糊查詢技術(shù)分不清，我們語義處理可以。因?yàn)殛P(guān)鍵字模糊查詢不處理“的地得”這樣的虛詞，有些連“你我他“”都忽略了。
結(jié)論：不能處理語義的細(xì)微差別是關(guān)鍵字模糊查詢，能處理是語義處理。
3.對(duì)一個(gè)問題的不同表達(dá)方式的理解也是區(qū)別語義處理和非語義處理的重要標(biāo)志
這一句理解起來稍微有點(diǎn)難。似乎關(guān)鍵字模糊查詢?cè)谶@方面更擅長(zhǎng)一點(diǎn)，但關(guān)鍵字模糊查詢是用幾個(gè)關(guān)鍵字來代表語義，很不穩(wěn)定，很容易把關(guān)鍵字相同的但語義不同的句子當(dāng)成同樣的語義處理。
我們看一組例子：
“商鞅變法是用什么東西樹立威信的?”
“商鞅變法是借助什么東西樹立威信的?”
“商鞅變法是借用什么東西樹立威信的?”
“商鞅變法是用什么物品樹立威信的?”
“商鞅在變法中是用什么來樹立威信的?”
“商鞅在變法中樹立威信的時(shí)候用了什么東西?”
“商鞅在變法中樹立威信的時(shí)候使用了什么道具?”
以上幾個(gè)句子的意思完全是一樣的，它們的答案統(tǒng)一是“一根木桿”。
所以在知識(shí)庫里存其中任何一條，換別的問法也應(yīng)該能得到正確的答案。
有人說關(guān)鍵字模糊查詢也都能做到把以上句子當(dāng)成一個(gè)意思處理。我說也許能。但關(guān)鍵是他們處理不了以上句子和“商鞅變法是怎樣樹立威信”這句話之間的差別。
結(jié)論：如果不是在差異處理的基礎(chǔ)上做的語義相同處理，不是真正的語義處理而是關(guān)鍵字模糊查詢。
4.能夠容錯(cuò)糾錯(cuò)是語義處理的重要功能，會(huì)讓交互更自然
我們的表達(dá)有時(shí)候會(huì)出錯(cuò)，有時(shí)候是錯(cuò)誤是出在語音識(shí)別的環(huán)節(jié)。語義處理是處理意圖的，應(yīng)該能根據(jù)場(chǎng)景進(jìn)行糾錯(cuò)。
就像下圖，在運(yùn)動(dòng)控制場(chǎng)景下，用戶說“天津”“后腿”其實(shí)是表達(dá)錯(cuò)了。應(yīng)該按照用戶意圖，按照“前進(jìn)”“后退”處理。
結(jié)論：關(guān)鍵字模糊查詢是對(duì)字詞的處理，是對(duì)信號(hào)的處理，不是對(duì)語義的處理，容錯(cuò)性要差一些。
5.只有機(jī)器自己說話不前后矛盾，才是真正做好了語義處理
當(dāng)機(jī)器真正理解了語義，它應(yīng)當(dāng)理解語言之間的矛盾和沖突，理解語言之間的各種關(guān)系。它能產(chǎn)生自己的意圖，并根據(jù)語法規(guī)則組織語言。這樣它才能準(zhǔn)確表達(dá)，準(zhǔn)備理解用戶的表達(dá)。但這個(gè)非常難。
結(jié)論：語義理解應(yīng)該能根據(jù)語義建立一個(gè)有機(jī)的知識(shí)庫，知識(shí)庫里的知識(shí)廣泛鏈接并相互統(tǒng)一。而用關(guān)鍵字模糊查詢技術(shù)做不到這一點(diǎn)。
以上就是我說的語義處理的四大原則：
第一：差異原則。區(qū)分語義的細(xì)微差異。
第二：同一原則。就是把語義相同的句子歸并處理。
第三：模糊原則。要能容錯(cuò)。
第四：一致原則。就是說話要前后一致，不矛盾。
以上四大原則，我們前兩個(gè)原則都做得不錯(cuò)。第三個(gè)原則目前還不太好。第四個(gè)難度太大，目前還沒動(dòng)手。
我們諦聽機(jī)器人是一家技術(shù)公司，雖然成立9個(gè)月了，但是能拿出來的產(chǎn)品不多，目前用戶也不多。雖然剛剛跟用戶收到了一些使用費(fèi)，但這不是我們的追求。我們期望讓每個(gè)企業(yè)，每個(gè)個(gè)人用戶都使用我們的機(jī)器人。讓機(jī)器人替代個(gè)人和企業(yè)在虛擬的世界工作。
有朋友提出了平行人的概念，就是在虛擬世界里，有一個(gè)虛擬的你，“他”替代你在虛擬世界里完成本該由你完成的工作。比如客服、咨詢、教育，很多在互聯(lián)網(wǎng)上完成的工作都可以在虛擬世界完成。那個(gè)虛擬世界就是別人說的平行世界吧！我們目前就在建立這個(gè)平行世界。
鈦坦白群友互動(dòng)：
Q1：彭軍輝老師你好，你們的產(chǎn)品什么時(shí)候可以應(yīng)用于智能管家?
彭軍輝: 智能管家這塊我們?nèi)プ鰞?yōu)勢(shì)不明顯。
Q2:為什么你們做智能管家優(yōu)勢(shì)不明顯？
彭軍輝: 我們嘗試提了一個(gè)電視機(jī)機(jī)器人的方案，這個(gè)我們認(rèn)為是未來家庭的核心。其實(shí)機(jī)器人未必都是人形的，電視機(jī)完全可以變成機(jī)器人。電視機(jī)機(jī)器人的交互就要復(fù)雜很多，我們?nèi)プ霾庞袃?yōu)勢(shì)。人工智能是很龐大的工程，像我們這樣的小公司，先要忙生存，能做的事情還是很少的。
Q3: 智能管家是虛擬服務(wù)，也要要多種模型支撐。不是場(chǎng)景語義可以解決的，是嗎老師?
彭軍輝: 智能管家這個(gè)概念很模糊。我覺得單純做一個(gè)命令式的智能管家一定是沒有人用的。把電視機(jī)做成智能管家，才有機(jī)會(huì)。
Q4: 彭總，貴公司是不是和圖靈機(jī)器人的業(yè)務(wù)很相似啊？
彭軍輝: 我們和圖靈有很多類似的地方。但我們認(rèn)為我們是互聯(lián)網(wǎng)公司，圖靈可能是個(gè)機(jī)器人公司。
Q5: 彭總，您認(rèn)為人工智能發(fā)展到極致的時(shí)候真的會(huì)有自己的思想嗎?
彭軍輝： 我們自己做過一些測(cè)試。機(jī)器人完全可以用現(xiàn)有的知識(shí)推導(dǎo)出新的知識(shí)。比如它看到一個(gè)陌生的東西，它不懂，它完全可以憑借自己已有的知識(shí)去對(duì)待這個(gè)陌生的東西。然后在交互中修訂自己的認(rèn)識(shí)。如果放任機(jī)器人自己去思考，機(jī)器人真的會(huì)獨(dú)立思考的，那樣結(jié)果真的沒法預(yù)測(cè)也沒法控制。
Q6: 機(jī)器人自己思考是有哪方面的算法？
彭軍輝：思考其實(shí)有三個(gè)層次。在語言層面的思考是最高層次，人類為什么這么聰明，就是人類有復(fù)雜的語言。機(jī)器真正理解了語言，也才能擁有人類的智能。
（本文首發(fā)鈦媒體，根據(jù)北京諦聽機(jī)器人科技有限公司創(chuàng)始人、CEO彭軍輝在鈦坦白上的分享整理）
………………………………………………
昨晚，三位鈦客在鈦坦白人工智能微信群進(jìn)行了精彩的分享，干貨會(huì)陸續(xù)發(fā)布：http://m.chcmb.cn/tag/1508094。今晚7點(diǎn)，分享繼續(xù)！
鈦坦白第26期：“AI已來”之讓機(jī)器聽懂你的聲音
時(shí)間：12月4日-5日
后續(xù)鈦坦白“AI已來”系列還將圍繞“計(jì)算機(jī)視覺” “深度學(xué)習(xí)”“智能醫(yī)療”“智能交通”等等主題組織分享與討論。
報(bào)名入群：在微信公號(hào)“鈦媒體”（taimeiti），發(fā)送“鈦坦白”
推薦鈦客、贊助、合作：請(qǐng)與鈦坦白負(fù)責(zé)人佳音聯(lián)系，郵箱jiayinge@tmtpost.com
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論
我個(gè)人認(rèn)為，商鞅變法那個(gè)例子，每句的意思是不太一樣的，但是答案確是統(tǒng)一的。??