苹果、百度、科大讯飞，语音语义技术哪家牛？

　　从1945年到2015年，以人工智能为题讲述了许多很美的故事，模仿游戏便是其实之一。但春冬轮回，在人工智能的世界里，人们的幻想像一个小球一样，被抛得高高，也注定摔得惨惨（1974与1987年两次人工智能寒冬）。

　　这一次，人们对人工智能的幻想被扔得更高了。强人工智能、机器毁灭人类的说法时常有。但这更像是预言家的说法，像阴谋论。目前的人工智能还是基于逻辑与数据、没有直觉，对情感的理解与创造力更是无从谈起。

　　球被抛得高就一定会落得惨，甚至摔得粉碎。不过，做工程的人更谨慎些，要给这个球栓上一根绳子。这根绳子就是“从实际应用出发、从用户角度考虑”。

　　语音语义的现状可以大致描绘人工智能在工程界的应用情况。有自主语音语义相关技术且可以在国内使用其服务的几家公司有：出门问问、科大讯飞、云知声、思必驰、百度（度秘）、腾讯（腾讯小鲸）以及Google（Google Now）、微软（小冰、小娜Cortana）、苹果（Siri）。

　　到底哪家的语音语义技术牛？

　　微软小冰属于聊天机器人，主打人机对话，每周例常解锁一种玩法。但微软小冰不能提供太多的实质性的服务，比如查询机票、查询车票、叫车，这些出门问问却能做到。

　　如何客观的评价技术的优劣？在这个信息交流特别频繁的时代，被使用的人工智能算法大都来自学术界的公开成果，很难有一家公司拥有不属于这个时代的技术。就从语音识别的角度上讲，各个公司的识别率大都在90%以上（这个问题实际上要复杂些，比如方言识别率、生僻词识别率等就有更多说法了）。当一家公司的技术只比另一家的好5%或者1%，用户便很难感受到优劣，技术被应用的场景便成了重要的不同之处。

　　人工智能语音语义系统的基本实现方法

　　这些公司的语音语义技术都和“云”离不开关系。人工智能系统按照一套逻辑推理程序，在海量的数据中寻找其认为最正确的答案。这就意味着，被使用的人工智能系统其覆盖的领域越广，就越是对数据以及运算能力饥渴。小型离线设备，如手机、家用电脑都无法满足这样的需求。解决办法是搭建一个拥有超强处理能力以及海量数据的“计算机集群”，并将其接入网络，也就是我们所说的“云”。搭建了AI语音语义系统的云就是AI语音语义云，是这些AI公司的基础设施。

　　搭建了智能云之后，还需要合适的语音输入端口。这个端口可以来自公众号、APP这类软件，也可以来自音箱、可穿戴智能手表这类硬件。

　　如何正确看待目前市面上知名的语音语义系统？

　　虽然人工智能系统的概念很广，具体到语音语义的概念还是很广，因此这么多类似但不同的人工智能公司在不同方向上深耕。从用户角度看，这些产品的不同之处还蛮大。

　　擅长搜索查询消息的个人助理的有腾讯小鲸和出门问问

　　1、腾讯小鲸目前公开的信息较少，主要被嵌入TOS系统。与Ticwear类似，TOS系统被搭载在智能手表当中。不过，小鲸的功能与其他语音助手类似，可以设置闹钟、查询信息，但不能像出门问问那样直接叫车、订咖啡。

　　有资料显示，曾在GoogleBrain工作过的工程师创立了名为ScaledInference的公司，该公司的种子轮投资者就包括腾讯首席探索官David Wallerstein和腾讯本身。另外，也有消息称，腾讯没有停止其他视觉识别产品的研发。

　　这有点像微信当年的研发。

　　2、出门问问主要做2C（面向消费者）硬件产品，其智能手表Ticwatch是国内销量较高的一款全交互智能手表。出门问问的人工智能语交互技术自成体系，包含语音识别、语音合成（TTS）、语义理解、垂直搜索、智能推送5个部分。其最大的特点是可以语音呼唤本地化生活服务，导航、看新闻、查天气等都可以通过手机APP或者手表实现。

　　最近，出门问问推出了内测版的“魔法小问”，要把人工智能从查询信息——如“今天有什么电影”——提升到提供完整服务，如直接帮助用户订电影票。这一点是其他智能系统做不到的。

　　擅长连续对话的“聊天机器人”有图灵机器人和度秘

　　3、图灵机器人主要做2B业务，其语音语义系统与小冰很相似，是连续对话机器人。图灵可以被嵌入微信公众号、APP、网站或者智能硬件，用户可以让它讲笑话、做游戏，也可以用它查快递、查新闻。最近图灵机器人接受了奥飞动漫的投资，走智能儿童玩具的路。

　　4、度秘是百度推出的一款与小冰类似的连续对话机器人。另外，用户可以在对话的同时，查询“图灵是谁”这样的信息——这借助了百度的搜索引擎。最近，百度推出嵌入了”度秘“的实体机器人”小度“。

　　还有一类人工智能系统即不是助理也不是聊天机器人，而是被用于做智能语音交互解决方案，他们有讯飞语音云、云知声的、思必驰

　　5、科大讯飞的“讯飞语音云”包括语音合成、语音识别和搜索、语音听写等技术，该云对方言、生僻字的语音识别率较高。讯飞语音输入法就是基于此云开发的。科大讯飞“主要”做的是2B（面向企业用户）服务，将自己的人工智能服务授权给其他企业。

　　另外，科大讯飞在最近几年也开始发力2C（面向消费者）的产品，比如智能音箱、录音宝、录音笔等硬件。可以看到，科大讯飞的产品多是智能化的传统产品，而非个人助理或聊天机器人。另外，科大讯飞偏向深耕“语音识别”，而非连续对话。

　　6、云知声主要做2B业务，方向是智能家居和车载市场，这里便有了与出门问问类似的“软硬结合”的概念。

　　与“可穿戴设备、手机及电脑上的智能语音语义系统”不同，智能家居语音系统的声源可能很远且被噪音包围。也正因此，云知声把推广的重点放在了“声源识别、噪声抑制、回声消除”以及指令的识别上，而非对用户意图的理解上（语义理解）。

　　值得一提的是，在京东与科大讯飞宣布“在一起”的时候，阿里与云知声就达成了合作。不过，最近一段时间，未有相关消息。

　　7、思必驰与云知声的方向挺相似，为企业客户提供智能硬件语音交互方案，比如通过语音控制智能硬件的开关。思必驰在车载领域的合作多一些，比如车萝卜。最近，思必驰又宣布完成了融资，要把“智能语音融进硬件”这条路走得更远些。

　　8、小冰、小娜（Cortana）、Siri和Google Now

　　Cortana、Siri和Google Now，即是聊天机器人，也是个人助理。

　　微软小冰与微软小娜都基于必应搜索和深度神经网络等技术，属于2C产品。微软小娜如今可以在iOS、Android、Window 10系统中使用，她更像一个秘书，可以打电话、发短信、发邮件以及查询上一场曼联的比分。但是微软小娜在国内手机中的功能少很多，语音响应很慢。

　　微软小冰作为一个对话系统，入驻于微信、微博等应用或者Windows 10系统中，她也可以查询各种信息。与小娜不同，小冰不可以调用电话等应用，她更像一个虚拟人物，可以陪用户聊天（连续对话）、玩游戏（基于图像识别等人工智能技术）。

　　总的来看微软小娜和小冰代表着微软的两个方向：小冰连续对话能力强，可移植行强，因此可以嵌入到微信、微博、美拍等应用中。小娜是Window 10配套的人工智能系统，能够调用Windows 10中的各种应用和数据，被视为个人助理。

　　Siri大家熟悉，是一款可以调用应用的聊天机器人。如今的Siri除了定闹钟、发短信以外，还可搜索照片、播放音乐、提供建议。它或许不是最强大的，但更面向用户。

　　

　　Google Now在国内无法良好的使用，对中文的识别效果很差，中文版的能力也很弱。但是作为Google的产品，它天生便有了比其他人工智能产品更多的数据、更好的数据挖掘能力，这使得Google Now成为了一款“主动推送”能力很强的助理产品。

　　Google Now凭借与Chrome浏览器、Gmail、Google日历等等Google应用以及Android系统的“近亲关系”，使得其可以实现很多其他产品做不到的功能。比如，语音解锁、任意界面“OK，Google”唤醒、主动推送你喜欢的和你需要的“即时帖”。有人曾称赞：

　　“早上醒来，我惊奇的发现Google Now居然直接告诉了我去兼职工作的路上所要花费的时间。但是我没有设置，而且那不是我真正工作的地方。”

　　可以看到，Google从用户的地理与实践信息中明白了他何时去何地兼职。但仍需强调，Google Now在国内的功能很少，而且实现一些即时功能，用户必须把个人数据交给Google。

　　作为巨头推出的产品，小娜、Siri和Google Now经常被媒体用来比较，但这种比较有些不太恰当。一方面，几款产品中，只有Siri的易用性在国内不错。另一方面，人工智能系统要明白用户的用意，必须获取数据——越多越好。因此，人工智能系统必须入驻更多的软件或者平台，获取更高的权限。小娜虽然入驻了Android与iOS，但她仍然是微软的产品，在Windows 10上才有更好的易用性。同样，Google Now与Siri分别是Android阵营与iOS阵营的产品，前者擅长挖掘数据、主动推送，后者擅长聊天、被动建议。

　　可以看到，这些语音方面的人工智能公司有业务2B或2C的，选择软硬结合或者只做软件解决方案，深耕智能家居或者智能穿戴。这些选择，无分对错或者好坏。但总体来看，人工智能仍然没有认知能力，人与人工智能聊天又涉及到感情投入——这是一个超出自然科学范畴的问题。用户对智能家居的认知度还不够高，相关产品不够成熟、定价不够亲民。这样看，搞智能家居系统这样的生态，似乎有点望得太远。

　　因此，人工智能在普通消费者身上的落地是否可以先在“一个点”上引爆，比如人工智能系统作为助理，从仅可查阅机票信息提升到可以提供订票服务。