智能音箱為什么聽不懂人話？
全文1803字，閱讀約需4分鐘
文｜X科技實驗室
當你字正腔圓地對著智能音箱發(fā)問，得到的卻是讓人一臉懵圈的回答。使用過智能音箱或其它語音助手的朋友，對這一場景都不會陌生。
懷疑自己被割了智商稅的你可能會問：智能音箱為什么聽不懂人話？它能變聰明嗎？
想解答這個問題，我們需要先了解智能音箱聽懂語音的工作原理。
語音、文本、圖片、視頻，這些信息對于機器來說，屬于“非結(jié)構(gòu)化數(shù)據(jù)”，無法直接理解。機器能夠理解并作出反饋的，是“結(jié)構(gòu)化數(shù)據(jù)”。
簡單理解二者之間的區(qū)別與關(guān)系，非結(jié)構(gòu)化數(shù)據(jù)相當于寫了一段文本的word文檔，而結(jié)構(gòu)化數(shù)據(jù)則是將這段文本進行總結(jié)歸納的excel文檔。
當我們向智能音箱提問時，智能音箱會先將語音轉(zhuǎn)化為文字，然后將文字形成結(jié)構(gòu)化數(shù)據(jù)理解并反饋，最后再將文本轉(zhuǎn)化成語音輸出答案。
三大流程對應著3種技術(shù)，其中ASR（自動語音識別）和TTS（處理結(jié)果轉(zhuǎn)化成語音輸出）技術(shù)相對成熟，像ASR已廣泛應用在語音轉(zhuǎn)文字、語音輸入法、智能翻譯筆等應用上。據(jù)中科院2019年的測試，國內(nèi)四家主流智能音箱品牌ASR識別率均在94%以上。
智能音箱聽不懂我們的話，問題主要出在NLP（理解文字的意思并進行處理）環(huán)節(jié)上。
AI在拿到文本后，需要進行語料清洗、分詞、詞性標注、實體命名識別、去除停用詞等一系列操作，才能將文本正確轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，并作出反應。
智能音箱今天已經(jīng)可以比較“智能“地處理明確的指令問題，比如打開電視、今天天氣怎么樣、設定鬧鐘等。
但在開放性語境下，智能音箱錯誤頻出。這是因為口語文本經(jīng)常會出現(xiàn)歧義，機器難以理解，特別是在處理同音字繁多、語法復雜的中文時，歧義的現(xiàn)象尤其多見。
比如“幫我上一個半小時之后的鬧鐘”，音箱基本沒法識別是半小時還是一個半小時。再比如“幫我預定一家餐廳不要日本菜“，AI大概率無法理解“不要”在句子中的含義。
面對復雜的自然語言，AI想要辨別、理解、消除歧義，必須要分析海量“語料”，也就是對人類語言的實例進行學習。
供AI學習的語料，主要有三種來源。
第一是AI算法企業(yè)根據(jù)需求自己構(gòu)造的“語料庫”，比如針對特定功能，需要構(gòu)造人名庫、地名庫、歌手名庫、歌曲名庫等。
第二是從互聯(lián)網(wǎng)上大量抽取的文本，最常見的是從社交網(wǎng)絡中抽取，以便機器理解最新的口語表達方式。
最后則是用戶在與產(chǎn)品交互過程中產(chǎn)生的數(shù)據(jù)，像我們與智能音箱對話的部分內(nèi)容，會被上傳進廠商的語料庫，供AI進行學習。
那如果長時間和智能音箱對話，是不是能讓智能音箱更懂我呢？
答案是很難。一般來說，所有的訓練學習過程，都是在AI算法商一端完成的。算法商會根據(jù)所有用戶的數(shù)據(jù)，對AI進行訓練、更新，而非針對某個特定用戶。
所以，要想讓智能音箱聽懂你個人習慣性的語病、倒裝、口頭禪等，目前的最好辦法，是自己手動錄入，指定它該作出什么反應。
雖然智能音箱技術(shù)還沒完全成熟，但在互聯(lián)網(wǎng)巨頭眼中，它卻是必須攻下來的陣地。
2019年的中國智能音箱市場經(jīng)歷了爆發(fā)式增長，總出貨量4589萬臺，同比增長109.7%。其中阿里的天貓精靈、百度的小度音箱、小米的小愛音箱，三家占據(jù)了9成以上市場份額。
智能音箱在出貨量上漲的同時卻沒給巨頭們帶來利潤。2019年，百度副總裁景鯤向媒體表示，百度是通過補貼維持了小度音箱的低價。而另據(jù)業(yè)內(nèi)人士估算，每賣一臺小愛音箱，小米只賺1塊錢。
巨頭們的底層邏輯是，智能音箱很有可能成為未來家庭的控制中心，所以要用現(xiàn)在的低價策略換取未來物聯(lián)網(wǎng)時代的入場券。這樣的策略確實能帶來銷量的增加，但切實解決用戶的痛點才能保證產(chǎn)品使用率。
為了提高智能音箱在用戶生活中的不可替代性，廠商都在費盡心思給智能音箱增加新的功能，因為誰也不想看到當物聯(lián)網(wǎng)時代真正到來的時候，用戶家中的智能音箱上已經(jīng)落滿了厚厚的灰塵。
（感謝香儂科技韓慶宏對本期節(jié)目提供的幫助）
參考資料：
1.智能音箱的智能技術(shù)解析及其成熟度測評，中科院物聯(lián)網(wǎng)研究發(fā)展中心，2019.12.09
2.公開課《自然語言處理(NLP)》,北京郵電大學 王小捷
3.智能音箱進化論，經(jīng)濟觀察報，2019.6.10
4.2019年中國智能音箱出貨量，IDC，2020.3.20
以下是本期內(nèi)容視頻版，更多關(guān)于技術(shù)與行業(yè)的深度解讀，盡在【X科技實驗室】視頻號。另外也可在抖音B站微博搜索同名賬號。
