我們不想被Facebook收購，我們有更大的目標

科技 07-06

姚旭晨博士（左）與陳果果博士（右）

昨日被百度高調宣布收購的KITT.ai，在科技創投圈引起了軒然大波。究竟姚旭晨和陳果果二位博士創立的公司有革命性的進展？又是什麼能讓不想被Facebook收購的KITT投奔百度？或許這篇2016年由Blue Net China進行的採訪稿可以讓Xtecher的讀者們略知一二。

來源｜Blue Net China

編輯｜陳光

微信公眾號ID｜Xtecher

在各大機構的排名上，JHU總是因為生物醫學聞名。然而很多人所不知的是，在JHU的計算機系下，還藏著一個世界領先的實驗室。約翰霍普金斯語言與語音處理中心--CLSP（The Johns Hopkins Center for Language and Speech Processing），致力於計算機語言處理方向的教育與研究。讀過吳軍博士所著的數學之光的讀者應該聽說過賈利尼克（Frederick Jelinek）的名字。作為計算機語言處理技術的創始人，賈利尼克曾擔任CLSP的主任，對人工智慧和計算機語言處理技術做出了巨大的貢獻。

GIF/9K

值得一提的是，CLSP培養了多位優秀的華人校友，包括前騰訊副總裁吳軍博士，出門問問創始人李志飛博士等。今天要介紹的是兩位自然語言處理和語音識別領域的新星，姚旭晨博士，陳果果博士。

姚旭晨，陳果果KITT.AI公司獲獎照片

Q：什麼是自然語言處理？

自然語言處理和語音識別簡單來說就是讓計算機能夠理解人的語言，以便進行人機交互。這個聽起來非常高大上的技術辭彙其實早已經在不知不覺中滲透到了我們的生活中。比方說，每天晚上我們都會習慣和Siri說「Hey Siri, wake me up at 6am tomorrow。（Siri，明天早上六點叫醒我）」這個看起來非常簡單的命令其實會經過一系列的處理。首先，當你在說「Hey Siri」的時候，Siri意識到了你要和她進行對話，就會把她的工作重心轉移到對話上。其次，當你說「wake me up at 6am tomorrow」的時候，Siri需要把她聽到的語音轉換成文字，以方便後續的語義理解。接下去，Siri需要通過轉換的文字去理解原來用戶想要Siri在明天早上6點叫醒的服務，最後相應地設定第二天早上6點的鬧鐘。

類似的服務其實在生活中已經舉不勝舉了。比方說，你可以能對著你的安卓手機說「Okay Google, when is my flight，(谷娘，我的航班是幾點）」你的手機就會回復你相應的飛機行程。或者」Okay Google, directions home（谷娘，帶我回家），」手機就會啟動谷歌地圖進行相應的導航。這些應用都已經相對比較成熟，但大多都局限在一問一答的範疇。也就是說，用戶提出一個問題或者命令，計算機做出一個相應回答或者執行。

但其實更加自然的人機交互形式是基於對話的。很多看過《鋼鐵俠》的讀者可能都對它的Jarvis系統印象很深，在《鋼鐵俠》裡面，托尼·斯塔克是可以和Jarvis進行自由對話的，而不僅僅是局限於簡單的一問一答。這種和計算機的交互方式在現實生活中也有很多應用。比方說，當我們想要通過計算機訂一張電影票的時候，我們很多情況下需要通過對話來實現。我們不太可能和計算機說「請幫我訂一張周六上午十點在約翰霍普金斯大學主校區附近現在在映的IMDB評分不低於9的動作電影；如果沒有的話請定一個愛情電影。」更可能的情況是，我們一開始和計算機說「我想看個電影，」然後計算機可能會問「你想看什麼電影，具體地點在哪裡，」通過對話完成定電影票的這個過程。用對話進行人機交互的方式今年剛剛興起，人們叫2016年"the Year of Conversational Commerce。"

對旭晨和果果來說，他們想做的事情就是做一套與自然語言處理和語音識別相關的工具。這樣對一般的手機app開發者或者網站開發者來說，哪怕他們不理解自然語言處理和語音識別底層的技術，他們也可以把自然語言處理和語音識別的相關技術應用到他們的app或者網站上，使他們的產品更加智能化。

Q：可以簡單介紹一下你們的產品嗎？

旭晨，果果：我們現在的產品主要有三個。

第一個產品叫做Snowboy，是一個熱詞檢測系統。回到「Hey Siri, wake me up at 6am tomorrow」這個例子，我們首先用一個詞「Hey Siri」來喚醒Siri，然後我們可以和Siri進行進一步的互動。「Hey Siri」這個詞一般叫做熱詞或者喚醒詞。相應的，Google有「Ok-ay Google」，Amazon有「Alexa」。熱詞檢測系統一般不需要網路連接。只有當相應的詞被說出來以後，計算機才會被喚醒進行接下來有可能需要在伺服器端完成的操作（語音識別，語義理解，信息搜索等等），所以熱詞檢測系統保證了用戶的隱私。同時，熱詞檢測系統需要足夠準確。Snowboy是一個可以讓用戶自定義的熱詞檢測系統，用戶可以定義除了「Hey Siri」，「Okay Google」，「Alexa」以外的辭彙。

我們的第二個產品叫做NLU，是自然語言理解（Natural Language Understanding）的縮寫。顧名思義，這個產品就是讓計算機理解用戶說的話是什麼意思。比如說，在「wake me up at 6am tomorrow」這個例子裡面，計算機就需要理解到用戶的意圖是使用鬧鐘（因為用戶需要被叫醒）。計算機需要進一步理解到鬧鐘的時間是「6am tomorrow」而不是其他時間。總體上來說我們的NLU和wit.ai或者api.ai兩個初創公司的技術是比較像的，都是讓計算機理解單個句子。

我們的第三個產品叫做ChatFlow。ChatFlow是一款給開發者用來開發對話系統的工具，實現人機對話。ChatFlow有非常簡潔的圖形界面，開發者的編程造詣哪怕不是特別深，也可以用ChatFlow來開發和計算機的對話系統。比如我們曾經聽到過一個開發者的反饋：他的八歲的兒子，按照我們的教程，用ChatFlow在兩個半小時內就做了一個可以在Amazon Echo上跑的Knock-knock Joke （敲門笑話）的程序。這對一個八歲的孩子來說，用傳統的編程基本上是不太可能實現的。

Q：你們的技術專攻各在什麼方向？

果果：我博士階段主要做關鍵字檢索這一塊。比如說用戶在Youtube搜索視頻，我的工作就是在視頻里的音頻中找到相對應的搜索詞。「Ok, Google」這個技術就是我當時在谷歌實習時研發的。

旭晨：我博士階段做的是問答系統。比如說2011年時IBM的Waston智能系統在Jeopard-y（危險邊緣，美國電視智力問答比賽）中擊敗了兩位之前的冠軍。計算機需要理解人類編寫的問題，然後再在知識庫中尋找相應的字條，最後回答問題。還有當時我和果果都在谷歌實習。我做了谷歌搜索I』m Feeling Lucky的技術，用戶輸入關鍵詞，系統會猜出用戶最想看到的網頁。

果果：現在創業階段我們倆就每個產品都得做，比較雜。

Q：聊聊創業吧，為什麼當時選擇了在美國創業而不是回國？

旭晨，果果：主要是因為在美國科技公司的競爭比較良性。國內一個小公司做出一個東西，很快大公司就會做出一個類似的東西把你競爭掉，所以小公司想存活下來挺困難的。

我們不是沒有考慮過國內的市場。但目前只是想在美國市場做好，成熟之後再去考慮國內。

Q：創業的過程中獲得了什麼幫助嗎？

旭晨，果果：應該是感謝AI2吧。

AI2，Allen Institute for Artificial Intelligence，是微軟創始人保羅艾倫創建的一個人工智慧研究中心。當時旭晨來到西雅圖，找工作到那邊面試了，但是還是想自己創業。正好研究中心也算是一個創業公司孵化器，可以給我們提供資金，以及不少創業上的經驗。我們就決定留在西雅圖創業了。

其次的話，我們覺得JHU給我們的幫助很大。畢竟我們CLSP在業界名氣很大，大家都認這個招牌，出去開會總會有人主動找過來和我們聊。如果現在有技術上的問題，我們也可以和之前的教授討論。

一路過來肯定不是一帆風順。畢竟我們倆只是計算機系的博士生，一開始做商業就是兩手抓瞎。兩年多，我們在商業發展模式上學了很多。一是投資人給我們出謀劃策，二是自己經常學習，看一些相關的書。

最大的困難應該是你無法察覺的困難。如果你知道有這麼一個困難，然後努力去克服，其實也算不上多難。

自然語言處理與人機交互這個領域，現在競爭怎麼樣？

旭晨，果果：人工智慧確實是越來越火，尤其今年我們這個領域的參與者越來越多。不過我們還是很有信心的。這個領域主要有三大塊，NLU（理解），Dialogue （對話）和 Usability （可用性）。你可以看到蘋果的Siri更多地局限在NLU這一塊，亞馬遜的Echo偏向NLU和Dialogue。三大塊能做到兩塊的公司很多，但是我們在有NLU和Dialogue的同時，也有Usability這個非常吸引開發者的地方。

我們開始得比較早，另外我們倆在這個方向上做了這麼多年也是很有經驗了。wit.ai，在去年年初被Facebook收購了。還有另外一個公司，api.ai，最近也剛剛被Google收購。我們現在完全可以實現他們做的功能。當然我們不想被很快收購，我們有著更大的目標。我們希望未來能成為一家成功的SaaS (Software as a Service，軟體即服務，如iCloud, Office 365）公司，做好自己的品牌。