AI時代智能硬件的趨勢是什么？
語言AI為什么極其重要？
大家早上好！我們一直在做的事情，是讓表達與獲取信息變得更簡單，而表達和獲取這兩件事都起源于語言，代表著語言的輸入與輸出。所以，我今天的分享，將沿著語言的輸入與輸出這兩條正在無限延伸的線展開。
一、AI驅(qū)動硬件，顛覆用戶體驗
1.AI錄音筆
雖然說錄音筆是個小眾市場，但有了人工智能的加持，錄音筆變成了電商爆款。
我們今年出品了一款人工智能的加持的AI錄音筆，它在雙十一多個主流電商平臺上取得了單品銷量第一的成績，同時復購率還很高。
相對傳統(tǒng)錄音筆來說，我們的AI錄音筆不僅有雙麥克風陣列，同時還有AI降噪、實時轉(zhuǎn)寫文字、云端存儲和搜索、智能編輯、同聲傳譯等功能。
這款產(chǎn)品上線后，整個市場都改變了，索尼、愛國者、紐曼都加入進來，成立了一個聯(lián)盟，而搜狗成了盟主。
根據(jù)我們的調(diào)查，我們的AI錄音筆上線之前，整個錄音筆市場銷量是逐年下滑的，市場保有量只有400萬支。
從3月份我們上線第一代產(chǎn)品開始，主流電商平臺的錄音筆搜索量開始上升，到12月份我們發(fā)布了第二代產(chǎn)品，開始一點點變硬，就像之前手機從功能機走向智能機一樣。而且，加上AI能力的注入，帶來的注定是顛覆式的體驗。
2.AI時代個人硬件的趨勢
有了AI的注入，C端消費品也發(fā)生了變化，這個變化主要有兩大趨勢。
① 變得更加便攜
以前放在桌上的PC機很大，隨后智能硬件開始走向筆記本、iPad、手機，甚至開始走向可穿戴，因此未來個人硬件的趨勢是越來越移動化、便攜化。
② 擁有更強的IO能力
從以前的計算能力走向傳感器能力，并且基于AI的處理能力，將從人去適應機器，變成機器適應人，最終機器接管人的感官，成為人的助理。
AI對硬件會產(chǎn)生什么影響呢？對于未來10年路徑，我的暢想是智能硬件從手機走向手表、耳機，到未來走向眼鏡，這可能會逐漸改變我們以手機為中心的使用方式，比如眼鏡和耳機會取代手機作為我們接觸外界信息的通道。
硬件背后，是人去感知這個世界。
除了有圖像和聲音之外，很重要的就是語言，它是我們與世界交互的一種抽象方式。而且，只有人類能夠處理語言。
亞里士多德曾講到，“語言是心靈印象的符號，是人類思維的工具，是知識的載體。有了語言，人類社會才能溝通交流。不管是我們生產(chǎn)的語言，還是計算機處理的語言，語言都是最難的一件事情，是人工智能皇冠上的明珠?！?/p>
圖靈測試中提到，機器能夠用語言與人交流，就代表它擁有智能。
今天我們的人工智能還不具有創(chuàng)造力和通用的推理能力，但是可以做這樣一個猜想：
只有當機器掌握了語言之后，它才能夠完整地擁有創(chuàng)造力和推理能力。
不會講話的機器，你會認為它智能嗎？當然不會。因此，語言在智能當中極其重要，這也是人與動物的重大區(qū)別。
二、語言AI的發(fā)展趨勢
我們會看到，以語言為核心變成了人工智能發(fā)展路徑的關(guān)鍵節(jié)點。我們做輸入法、做搜索，其實都是在處理語言，都是為了幫大家更好地表達、更好地獲取信息。
1.語言的自然交互和認知問題
關(guān)于語言，我有兩部分內(nèi)容要分享給大家：
第一，自然交互。
自然交互讓人跟機器之間能夠用語音、圖像、手勢等各種方式產(chǎn)生交流，其中用到了語音、圖像技術(shù)，也包括視覺技術(shù)。
第二，認知問題，我們叫做知識計算。
基于語言，機器能夠進行問答和對話，機器翻譯是認知技術(shù)入門的門檻。有了更好的感知技術(shù)，機器會從手機走向新的智能硬件；有了更好的認知技術(shù)，機器對知識會產(chǎn)生理解和推理，尤其是在垂直領(lǐng)域擁有問答的能力。
智能硬件新的硬件形式與新的對話和問答能力，未來會走向智能助理，這也是整個AI行業(yè)在產(chǎn)品層面上最明珠的地方。
蘋果大概在2006年就開始推出智能助理，到今天Google、百度、阿里、小米做這樣的音箱產(chǎn)品，核心都是在做智能助理。但是從外殼上來說，我認為并不是最好的方向。
布局時，語音、圖像都有大量的技術(shù)要去做，包括語音識別、語音合成、語音變聲，包括搜索獨有的辨別能力。
其中，語音識別是自然交互中最自然的事情。搜狗輸入法，今天我們做到了每天超過8億次的使用量，而且這個數(shù)字上升很快。春節(jié)期間，可能就會超過9-10億次的日請求量。我們也積累了大量的數(shù)據(jù)，包括了語種、方言等各種能力。
在知識計算之后，我們強調(diào)一個核心觀點，就是機器做閱讀理解之后做問答，傳統(tǒng)的搜索是通過關(guān)鍵詞給你10條鏈接，隨著技術(shù)的進步，我們整個處理能力會從詞變成句子、段落、篇章，用戶的表達也可能會轉(zhuǎn)換成句子，機器的閱讀理解也會走向篇章和整個文章體系，這是技術(shù)進步帶來的機會。
2.語音識別
語言識別聽著好像是一件很簡單的事情，但其實并不是純粹的單點技術(shù)，在識別過程當中，對于語音、語義的理解還有一些點需要攻克。
在這個識別背后，還會有更復雜的技術(shù)需要我們解決。比如我們做錄音筆時會考慮很多問題，其中一個就是如何讓機器在嘈雜的環(huán)境里聽清人的聲音，幫助后面進行識別，這也是我們最前沿的技術(shù)。
傳統(tǒng)的硬件是用麥克風矩陣實現(xiàn)的，用多個麥克風進行中間的數(shù)字計算、信號處理。今天依靠人工智能，我們有了新的方法，我們的工程師在現(xiàn)實場景中對4萬種噪音進行了學習，使得機器有能力分辨噪音。
原始的機器識別、處理是不夠的。為了讓錄音筆與聲音的交互更好，我們有了新的算法，降噪技術(shù)在實驗中已經(jīng)完成了，未來的新款錄音筆會給大家?guī)順O致的AI體驗。
從語音識別里面，除了語音識別外，我們往前做了很多前沿的事情，比如語音的合成，它可以惟妙惟肖地用人的音色進行表達。
3.語音合成
做技術(shù)的人都知道，以今天的AI能力，機器不會有非常精準的認知理解，大家聽到的可能還是轉(zhuǎn)述師那種毫無情感的聲音，為了讓合成的聲音更加具有感情、更加像本人真實聲音，我們使用了一種新技術(shù)：聲音皮膚。在技術(shù)上，我們稱之為特征的提取能力。
比如，大家在得到聽梁寧的課程，其實就是讓另外一個人讀一篇文章，再把聲音皮膚附到這個聲音里面來，使得合成的聲音可以表達他的情感，經(jīng)過合成之后，最后由梁寧來呈現(xiàn)。
這種做法能改善整個音頻節(jié)目的生產(chǎn)環(huán)節(jié)，表演者和生產(chǎn)者做到一定的分離，避免因為人員離職、生病等帶來的各種不確定因素。
這種情況下，使得我們每個人在互聯(lián)網(wǎng)上不僅可以換成其它形象，也可以換成自己想要的任何一個聲音形象。
在生活中也有實際用處，年底馬上要開年會了，如果你要表演唱歌，但是五音不全怎么辦呢？可以把你的聲音特征做一次提取，然后放到《藍精靈》歌里，會比你自己唱得好聽。
這樣一些技術(shù)，使得在交互中間能夠做到人機結(jié)合，使得制作能力能夠放大。
4.從語音變聲到視頻合成
當然，除了聲音的識別、合成、遷移以外，我們也做了一些更前沿的工作，即從語音走向了視覺，從語音變聲走向視頻合成。這就不得不提搜狗的分身，這是我們產(chǎn)品上一個重大的進展。
這樣的技術(shù)是機器在取代人上面的一次重大應用。所以，這里面我們可以看到，以語言為核心，背后配上語音、人的表情、肢體、唇語，是能夠使得人機交互實現(xiàn)更自然的狀態(tài)的。
在未來，也許不到10年時間，我們將會構(gòu)建這樣一條路徑：自然交互會從文字走向語音、圖像理解，大家看到的錄音筆、同傳、合成主播等，其實是在語音圖像的交互能力里面做增強，背后還是語言。
另外一條道路就是認知能力不斷提升，使得從搜索走向、輔助醫(yī)療、輔助問答以及合并語音圖像技術(shù)，最終走向行業(yè)終極的理想，就是每個人都擁有一個個人助理。
在一些垂直領(lǐng)域當中，能夠幫你去做秘書的工作，或者是成為你的分身，跟世界進行溝通。
我們也會持續(xù)布局語言AI下的產(chǎn)品，為大家呈現(xiàn)顛覆體驗的個人助理，用機器幫助每一個人，讓表達、獲取信息更加簡單。謝謝！
*文章為作者獨立觀點，不代表筆記俠立場。
