人工智慧為什麼看起來像人工智障？

GIF/86K

因為人話真的

好難理解啊！

差評君最近注意到，雷布斯又在搞事情了。。。

他們搞了個什麼 「 小愛同學 」

其實呢，就是為了賣音響！

這是個人工智慧產品，類似於個人助理一樣

不得不說雷布斯挺愛自黑的

這類產品其實現在已經有很多了。。。

和 Google 的 Google Assistant 差不多

亞馬遜的 Alexa

微軟的 Cortana （中文名是小娜）

還有最後，大家整天喜歡調戲的小姐姐 Siri

上面提到的小姐姐們都是人工智慧的衍生產物，語音助理。

她們的完成任務的主要過程是：

把人的發音轉化成文字理解意思（拆分，抓取關鍵信息）處理信息做出反饋（完成你布置的任務或者是調戲回來）

這其中用到了一項科技：自然語言處理 ，以下簡稱 NLP （Natural Language Processing ) 。這項技術是人工智慧和語言學的分支。

註：NLP是一門很深奧的學問，涉及了大量數學模型和計算機理論知識。本文為了可讀性，犧牲了一定（大部分）嚴謹（準確）性，如有 NLP 大神覺得有誤，請輕輕拍打差評君的臉（喂，不要撫摸！）

差評君來稍微說一下語音轉文字的過程~

聲音是一種波，當你的智能設備收到你的話的時候，其實是收到了聲波。

首先，這段聲波會被剔除掉噪音，然後被截成很小的單位，小到不能再小（比如說人民幣現在最小只能到 「 分 」）

機器會把每 3 個（可能不止 3 個）最小單位會組成一個音素。（音素是發音的最小單位）

最後，根據這些音素可以組成文字。

最小單位組成音素

圖片引用自知乎用戶@張俊博的回答

相信大家多半看蒙了，舉個簡單的例子（為了科普，此例子不太嚴謹）

小黑胖說了一句 「 我想吃雞腿 」。

語音識別系統會把這句話拆分成最基本的單位狀態，再把最基本狀態重組成 w，o, x，i，ang, ch，i, j，i, t，ui 這麼多個音素，再根據自身樣本數據，分析這些音素組成哪些字的概率最大，根據統計學的原理來還原成文字。

（其實中文還涉及到了同聲字多，存在音調等問題，實際處理時遠比差評君這裡說的複雜）

至此，已經把語音變成文字，為了防止人工智慧變成人工智障，接下來 AI 小姐姐們就要從文字中試圖理解語義並且做出反應了~

對於計算機來說，理解語義的第一步是拆分語句。

把 「 我想吃雞腿 」 拆分成 「 我/想/吃/雞腿 "

然後，抓取有可能是命令的關鍵信息，例如我/想/吃

再分析額外信息，雞腿！

接著，AI 小姐姐會處理這句話，找出相應的應對措施：

吃 -> 找個飯店

雞腿 -> 雞肉料理

小姐姐就會覺得你是想找雞腿吃了！然後直接調查資料庫，找配對。

最終輸出結果：

而資料庫越龐大則小姐姐們越 「 聰明 」，這也是各大廠商宣傳時提到的重點：她們會越來越智能。

因為你每次使用它相當於一次訓練，這樣一套系統等於集中了全世界的用戶來提供樣本去提升她們。

這種情況隨著進化就不會出現了

至於，為什麼都是小姐姐呢（其實Siri可以選小哥哥）？因為女性聲音容易給人親近放鬆的感覺。

除了小愛同學，其他的小姐姐們的二次元形象只有 Siri 才有，還是日本網友創造的，還順帶做了支歌發了個唱片。。。

小米這回的小愛同學形象倒確實是走在了前面，官方逼死同人了。。。

不過不同的語音助手智能水平的確有些差距。

比如說，你問小姐姐們 「 今天天氣怎麼樣 」，都可以得到天氣反饋。

小米手機的語音助手

但你接下來不問 「 明天天氣怎麼樣 」，而是接一句 「 明天呢 」，就會。。。

沒有對比就沒有傷害，咱們看看 Google 家的。

這是 Google assistant 的

可以看到 Google 的技術的確挺成熟的，而且除了天氣還會添一句 「 路可能會有些滑 」， 給人的感覺更加像是和人在說話。

不過，因為學習的不夠深度，現在大多數 AI 小姐姐都處出智障狀態。。。

這個技術還在不斷的完善，也許以後可以變得和許多科幻電影里一樣，成為人機交互的主要方式。

這樣，計算機技術的使用門檻會變得越來越低，爺爺奶奶們也可以輕鬆使用~

說不定以後你泡在手機上最大的理由就是和小姐姐們聊天，而不是微博，微信，知乎。。。

立刻關注【差評】企鵝號，每天花點時間看些有趣、有料的資訊！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！