谷歌助手點餐，微軟小娜下單：AI 橫行的未來世界裡，沒有人類什麼事
本文首發於百家號
原創文章未經授權請勿轉載
航通社(ID:lifeissohappy)
微博@lishuhang
國內用戶基本上已經熟悉了在手機上下單訂餐。不過很多美國人依然習慣直接給餐廳打電話訂位或訂餐。
不過，如果有人對自己的手機說，想吃什麼地方的什麼菜，這個手機能夠代替你，自動給餐廳打一個電話，用電腦合成的語音跟餐廳服務員點餐，那該是何等令人驚悚的景象呢？
這個時候如果我告訴你，餐廳接電話的服務員也是一個機器人，只要兩個機器人之間語音通話，就能把餐送到你的面前，你這個時候又會怎麼想呢？
1 |谷歌替用戶點餐
當地時間 5 月 8 日，2018 年穀歌 I/O 開發者大會在谷歌園區召開，會上演示的最驚悚的一項技術，大概就是使用谷歌助手（Google Assistant）生成一段就像真人一樣打電話的語音。
這個 AI 助手能夠用自動生成的語音與真人理髮店店員，或快餐廳接線員進行對話。甚至，谷歌助手還在對話中展現出了強大的糾錯能力。
圖 / Google
在後一個演示的例子中，接線員英文不太好，沒有聽懂谷歌助手的訴求，對話過程是零散而混亂的。然而接線員的每一次理解失誤，都能夠被谷歌助手一一發現並糾正。
谷歌助手：我想定一個位置，在下周三，7 號。
餐廳接線員：7 個人嗎？
谷歌助手：4 個人。
餐廳接線員：4 個人的話，哪一天，今晚還是明晚？
谷歌助手：下周三。
親自負責演示的谷歌 CEO 桑達爾·皮查伊（Sundar Pichai）說：「令人驚訝的是，谷歌助手能夠理解對話里的細節之處。」
皮查伊將這一融合了語音-文字互轉、語義理解、深度學習三大技術的功能稱為「Google Duplex」（Duplex 有電信技術中的「雙工傳輸」之意），計劃今年夏天提供給谷歌助手用戶測試。
2 |小娜做餐廳員工
無獨有偶，航通社（ID：lifeissohappy）曾在2016年11月參加過微軟中國的一次技術交流會，微軟展示的一個技術原型，則是讓店員和顧客之間的對話過程轉換為文字，同時即時抽取出菜單細節。
在一家麥當勞「得來速」（Drive Thru）汽車餐廳（司機不用下車即可點餐），服務員與顧客之間的對話，立即被語音識別轉換成精準的文字，並且通過 AI 運算提取了客戶描述的關鍵信息，不需服務員操作即可自動生成訂單。
圖 / 航通社（ID：lifeissohappy）
顧客：我想要兩份快樂兒童餐，一個是吉士漢堡的，一個是雞米花的，這倆都要加薯條和蘋果片，一個配巧克力牛奶，另一個配小橙汁。
系統訂單：1 快樂兒童餐（主食：吉士漢堡包，小食：薯條、蘋果片，飲料：巧克力牛奶）+ 1 快樂兒童餐（主食：雞米花，小食：薯條、蘋果片，飲料：橙汁）
服務員：嗯。
顧客：再來單點兩個吉士漢堡，這倆都不要洋蔥，其中一個也不要番茄醬。
系統訂單：1 快樂兒童餐（主食：吉士漢堡包，小食：薯條、蘋果片，飲料：巧克力牛奶）+ 1 快樂兒童餐（主食：雞米花，小食：薯條、蘋果片，飲料：橙汁）+ 1 吉士漢堡包（特殊要求：不要洋蔥）+ 1 吉士漢堡包（特殊要求：不要洋蔥，不要番茄醬）
顧客：還有……一個薯條，一杯大杯咖啡，要兩個咖啡伴侶，三包糖。
系統訂單：1 快樂兒童餐（主食：吉士漢堡包，小食：薯條、蘋果片，飲料：巧克力牛奶）+ 1 快樂兒童餐（主食：雞米花，小食：薯條、蘋果片，飲料：橙汁）+ 1 吉士漢堡包（特殊要求：不要洋蔥）+ 1 吉士漢堡包（特殊要求：不要洋蔥，不要番茄醬）+ 1 薯條（尺寸：大）+ 1 咖啡（尺寸：大，特殊要求：2 植脂末，3 糖包）
服務員：好的，謝謝。
在屏幕左側生成對話語音轉文字記錄的同時，屏幕右側結構化提取的訂單信息也在即時改變。
如果顧客臨時新增或修改了對某個產品的要求，那麼也會把結果及時的顯示在屏幕上。服務員不需要按動手指去選擇所點的產品，就可以生成一份訂單。
當語音合成技術足夠成熟之後，像案例中這位人工服務員跟顧客交互的過程，就可以轉換為電腦語音實現。這樣，一家無人值守的麥當勞汽車餐廳就初具雛形了。
而更值得注意的是，這段演示的技術是 2016 年就已經達到的水平。
3 |除了生產，消費也將由 AI 代勞？
很顯然，如果把自動詢問和自動應答的方式結合起來，那麼不僅點餐員可以由機器取代，就連去點餐的顧客這個角色，也有語音助手來取代了。
當谷歌助手所代表的顧客，向微軟小娜（準確的說法是 Bot Framework）所代表的店家來點餐的，就會出現這樣一幅無比戲劇性的場面：
一個機器人向另外一個機器人點餐，最終把點好的餐送給主人。
——在整個過程當中，沒有人類什麼事情。
兩個例子之間僅僅相隔 2 年多，語音助手的巨大進步令人吃驚。其中，最值得注意的突破，自然就是讓助手記住上下文，進行連貫的，首尾相關的對話。
到現在，谷歌助手所演示的對話已經難以和真人在同一場景下能說的話區分。
或許今後唯一能夠區分的線索就是，機器所生成的對話非常完美，不會有任何的停頓與錯別字之類的東西，就像念稿子一樣，完整而不間斷的準確表達。
但我相信，如果人類想要的話，讓機器再附加上一些人類才有的中斷，卡殼現象也是不難的。
實際上，一旦 AI 理解了一個來自主人的訂單需求之後，將其標準化，並直接使用數字表單的方式提交訂單，當然是更簡便，也更容易被機器理解的做法。似乎把它轉換成語音實在是多此一舉。
不過這種技術目前還是有一定用武之地的，主要是因為不能期望所有飯館和小商販，都有可適配的在線訂餐系統，也許只是打電話給一個路邊攤什麼的，總還是需要與真正的人類打交道。
但是比起實用價值，無論如何都不能抹殺的，是這種語音交互所體現出來的強烈的符號意義。
機器人和機器人之間的交流，摒棄了任何人類的從中參與。而沒有人類的參與，也就同時意味著，這當中的任何一個過程都不由人類來創造價值。
根據樸素的「多勞多得，按勞分配」的理念，如果不能為社會創造價值，一般來說，又沒有什麼理財或經營手段的話，人們就會沒有收入來源，因而陷入貧困。
傳統意義上，拯救這些窮人的方法，是讓他們達到所謂的「自食其力」。然而，越是最基層的工作，就越會加速由機器人替代。
其實，機器人替代人類勞動之後，最大的問題，並不是人類不能工作了，而是生產出來的東西，沒有那麼多的家庭買得起，消費得起了。
也就是說，在消費者是誰這個問題上產生了麻煩。做出來的東西大家都享受不起，而唯一能享受的只有機器人。
最終，可能如同佔有生產資料的資本家和普通老百姓之間的差異一樣，是不是買得起一個機器人，或者簡單點，買得起幫自己提高生產力的 AI 程序，一開始只是個小小的差異，最終卻可能影響到不同人和家庭的社會分層。
機器人替我們說話，幫我們跑腿，他們為什麼不能得到應有的回報，非要把勞動成果拱手讓人呢？
而由這些機器人平白無故創造出來的財富，是理應屬於它的所有者，還是屬於溢出的剩餘價值，要合理分配給社會大眾呢？
這都是人們將不得不思考的問題。
谷歌和微軟分別進行的兩項技術測試，只是在告訴人類的倫理學家和政策制定者們，留給他們思考的時間不太多了。
TAG:航通社 |