有時覺得自己活的像個智障AI，總是接不來話茬子

小鹿創萌

聚焦「雲物大智」，提供前沿科技報道。

晚上下班回到家，你隨口說了句，「今天上班好累」。

你的家人會體貼又自然地說，「那今晚別做飯了，咱們出去吃？」

然而，你能想像人和機器之間產生如此對話的默契嗎？

（你不會是想說Siri吧）

設想這樣一個場景：你吃著東西滿手都是油，這時你突然想聽一首歌，於是你對智能音響說：

- 給我放首 Justin 的歌。

- 是Justin Timberlake，還是Justin Bieber？

- Justin Bieber。

- 你是想聽他最新的歌曲、還是榜單位置最高的歌曲、還是播放次數最高的歌曲、還是點贊次數最高的歌曲？你想從 Spotify 播放、還是 YouTube 播放、還是 iTunes 播放？您想聽播放量最高的視頻、還是評論數最高的視頻、還是好評率最高的、還是最新視頻？

……

「人工智慧」，究竟何時才能真正聽懂人話？

矽谷的初創公司 Mosaix ，就一家想讓AI真正實現「智能」的公司。

人和人交流，是從耳朵（聽到別人講話）、到大腦（明白別人的意思）、再到用手腳執行大腦發出的命令。

人和機器交流也一樣：先到機器的 「耳朵」，也就是負責聽懂我們人類到底在說些什麼的語音技術；再到負責理解這句話意思的大腦；再到執行命令，也就是連接各種服務。

目前，語音喚醒、語音識別之類的技術已經比較成熟，機器已經能夠比較準確地把我們人類說話時發出的聲音變成一句話。

然而，機器之所以經常聽不懂我們人類說話，是因為我們說的很多話無法被翻譯成一個可以執行執行的命令，也就是 「語義缺失」。

如果你對機器說，「找下五公里內最便宜的加油站」，那麼這句話已經包含了機器語言所有的要素：

先以你的位置為圓心、畫個半徑為五公里的圓，然後把所有商家都找出來，再按商戶類型過濾出加油站，選出價格最低的一個，完美搞定。

「找下五公里內所有加油站」 這句話，和機器所熟悉的語言很像、沒有缺失的語義，所以機器能直接把這句話翻譯成它能執行的語言。

但當機器聽到 「今天上班好累」 這種非常抽象的話時，內心是茫然而懵逼的。我是誰？我在哪？你想讓我做什麼？

GIF

Mosaix團隊要做的，就是想幫機器把缺失的語義填進句子里，讓機器可以理解人類抽象模糊的意思，理解背後的邏輯，從而舉一反三，變成人類貼心的好夥伴。

並且，他們希望Mosaix 除了能理解人類說話的意思，還能在聽懂後完美地執行接下來的動作。

比如你說，「來首 Justin Bieber 的歌」，這時Mosaix自己能決定從哪兒播放這首歌、從哪兒獲取信息。如果你說你想看劇，它甚至會知道你買了愛奇藝的會員，接著自動去愛奇藝給你搜劇。

GIF

這看上去似乎已經離智能不遠了。但，如何讓Mosaix聽懂「今天上班好累」呢？

Mosaix 團隊給出了解決方案：結合聲控搜索引擎+個人語音助理，以其 App 為入口，用它的雲端服務連接電視、汽車系統、音箱等各種設備。

比如你在洗碗時，對著帶有麥克風的智能音箱說，「給我來點帶勁的」。音箱聽到這個指示，懵逼了一會兒，便問在後台運行的 Mosaix：「 『給我來電帶勁的』 這句話啥意思？」 Mosaix 分析一番，弄明白意思後，就會告訴音箱放哪首歌。

這樣的配合之下，無論你用什麼設備發出請求，請求都會匯總發給 Mosaix，Mosaix在後端處理分析好後，再把答案發回去。接下來，你只用聲控就能聽歌、看電影、看新聞了。

有預測顯示，2020 年時全球 50% 的搜索將是語音搜索。互聯網雖然擁有所有答案，但常用谷歌的你一定明白，一旦你搜得不夠標準，比如用錯了關鍵詞，或者像平時和老師提問那樣在搜索框輸入一句完整的句子，就未必能準確搜索到想要的答案了。

可想而知，在互聯網上實現語音搜索的難度將會更大。給整個互聯網安上一個大腦，使它能夠聽得懂我們說的話，是人工智慧行業面對的一大難題。

Mosaix 公司要做的，正是想在 「讓互聯網聽懂人類說的話」 這個轉變過程中的助推者。他們的長期目標是未來某一天，人們能以更方便的模式，比如自然語言、或自然語言+屏幕交互等，接觸一個全新的、你直接說話它就能聽懂的互聯網。

素材來源：矽谷密探

編審：小鹿君

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！