微軟和騰訊開發出來的機器人都隻是個玩具？

人工智能從幾年前成為了一個熱門話題，去年被推上了一個高峰。美國幾家大公司其實從很多年以前就致力於這個鄰域的研究，到了去年也順手把自己開發的技術變成產品推出去。

不過，各公司由於基因不同，開發人工智能產品的思路也不同。了解那些人工智能產品背後的思路，比了解技術本身更重要，因為CES並不是一個學術性的技術大會，而是一個產品大會，學習如何采用現有的技術做產品，才是最為重要的。

Echo是一個基於雲計算的對話機器人產品，當然它被賦予了一個女性的名字---Alexa。從外形上看像一個圓形的音響，隻有茶壺大小，沒有半點人的樣子。我以前多次強調，機器人和人一樣，重要的是腦子而不是四肢，真正有意義的機器人是能夠解決人的問題，而不是長的像人，Echo產品設計的原則便基於此---解決你的日常生活中的部分問題。

那麼對話機器人能解決什麼問題呢？其實，很多公司開發了各種對話機器人的原型產品，比如在媒體上最高調的微軟的“小冰”機器人，騰訊的“小Q”機器人。他們從技術到產品目標上和Echo有什麼區別呢？

簡單地講，無論是“小冰”，還是“小Q”都是不實用的，不過是展示一下技術的玩具而已，這一類的原型幾十年前就有了，今天隻不過換一換技術，換一種形態出現，依然擺脫不了玩具的定位。而亞馬遜的Echo卻有大用處。

一名科技達人說：Echo雖然做不了所有的事，甚至不能夠通過它完成亞馬遜現有的服務，但是它可以讓我下載音樂和其他任何產品都非常方便。我可以通過它控製家裏很多電器，比如有客人來拜訪時，我可以輕鬆的為客人開門，當然這需要安裝電子鎖。

更重要的是，它可以知道我缺什麼東西，比如它可以主動問我高爾夫球是不是快打完了，如果我回答“是”，那麼它會問我是否還買上次那種，如果我回複“是”，那麼第三天高爾夫球就給我寄到了，而且免郵寄費。

那麼像Echo這樣的對話機器人背後的技術是什麼呢？簡單的概括有下麵三個：

語音識別

對話的數學模型

任務的執行

語音識別和理解其實是曆史頗為悠長的技術，它的曆史幾乎和電子計算機的曆史一樣長。從技術上講，它今天被認為是一個已經解決的問題。我曾經對比過速記員和科大訊飛語音識別記錄的講演稿，發現後者的質量明顯高於前者，也就是說今天人識別語音的能力已經比不上機器了。

在人工智能技術上領先的大公司——Google 微軟 蘋果 和亞馬遜等，在語音識別和理解上水平處在同一個時代，相差非常小。它們各家產品效果的差異，主要來自於數據量，而不是技術本身。

目前各種對話機器人的技術差異反映在對話模式上，理解人所講的話的含義就靠它了。一個產品是實用，還是玩具而已，也看它了。這項技術相比語音識別開始的時間晚非常多，從科學家們開始認認真真研究這件事情，至今也有20多年的時間。

好的產品，不僅可以理解人類語言的含義，對於個別理解不了的句子，也會有辦法提示你用另一個方式表述，這和人一樣。做得不好的，則經常左顧右盼，聊一些不相幹的話題，因此一些公司將聊天機器人定位在聊天而不是解決問題上，看上去它可以很對話，但是聊長了你會發現它來來回回的就那幾句話，並不能解決實際的問題。

當一個對話機器人可以和人對話，並且理解語義後，必須要能夠完成任務才有用，這其實是一件非常困難的事情，微軟的“小冰”就回避了這個問題。Echo其實將這個難題交給了合作夥伴，它本身隻是一個語音識別+對話引擎，至於理解了意思後做了什麼事情，公司找了上千合作夥伴來完成。

自然語言處理技術是對話機器人的核心，而對話機器人比用四肢的機器人更重要。各家公司在技術上差距不是很大。而數據量足以彌補技術本身的一點點差距。

以上說的是對話機器人，下篇我們將繼續說最早商業化的蘋果和Goodle Now。