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(fù)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(fēng)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(jìn)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(jī)從功能機(jī)走向智能機(jī)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(fèi)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(jī)很大，隨后智能硬件開始走向筆記本、iPad、手機(jī)，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(qiáng)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(yīng)機(jī)器，變成機(jī)器適應(yīng)人，最終機(jī)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(jī)走向手表、耳機(jī)，到未來走向眼鏡，這可能會逐漸改變我們以手機(jī)為中心的使用方式，比如眼鏡和耳機(jī)會取代手機(jī)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(jī)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。”
圖靈測試中提到，機(jī)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(dāng)機(jī)器掌握了語言之后，它才能夠完整地?fù)碛袆?chuàng)造力和推理能力。
不會講話的機(jī)器，你會認(rèn)為它智能嗎？當(dāng)然不會。因此，語言在智能當(dāng)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(dá)、更好地獲取信息。
1.語言的自然交互和認(rèn)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(jī)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(rèn)知問題，我們叫做知識計算。
基于語言，機(jī)器能夠進(jìn)行問答和對話，機(jī)器翻譯是認(rèn)知技術(shù)入門的門檻。有了更好的感知技術(shù)，機(jī)器會從手機(jī)走向新的智能硬件；有了更好的認(rèn)知技術(shù)，機(jī)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(rèn)為并不是最好的方向。
在知識計算之后，我們強(qiáng)調(diào)一個核心觀點，就是機(jī)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(jìn)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(dá)也可能會轉(zhuǎn)換成句子，機(jī)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(jìn)步帶來的機(jī)會。
首先，人聲分離，如果是兩個人在對話，機(jī)器要能識別不同的人，能動態(tài)地去判斷是第一個人還是第二個人。
其次，機(jī)器要能夠識別掌聲、笑聲或其它聲音，幫助我們理解內(nèi)容。
最后，中英文混合是非常難的事情，從傳統(tǒng)的深度學(xué)習(xí)網(wǎng)絡(luò)數(shù)據(jù)中得不到一個混合的模型，所以要在機(jī)器中加入一些特定知識，來改變這個系統(tǒng)。
傳統(tǒng)的硬件是用麥克風(fēng)矩陣實現(xiàn)的，用多個麥克風(fēng)進(jìn)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(jìn)行了學(xué)習(xí)，使得機(jī)器有能力分辨噪音。
3.語音合成
做技術(shù)的人都知道，以今天的AI能力，機(jī)器不會有非常精準(zhǔn)的認(rèn)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(dá)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(lán)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(jī)結(jié)合，使得制作能力能夠放大。
4.從語音變聲到視頻合成
搜狗分身發(fā)展到現(xiàn)在經(jīng)歷了多次技術(shù)迭代，從最早給新華社做主持人，到給央視做主持人，再到第二代能夠讓它更豐富地表達(dá)；
第三代，能夠站起來有手勢；
到第四代之后就開始做到了多語言、多場景的播報能力；
到了第五代之后開始能夠做交互，比如平安普惠的保險項目，服務(wù)人員已經(jīng)被機(jī)器取代了，實際你在保險簽約的時候，是機(jī)器人跟你做交互回答。
我們將很快發(fā)布第六代產(chǎn)品，它將擁有大角度、大幅度的動作能力。
這樣的技術(shù)是機(jī)器在取代人上面的一次重大應(yīng)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(jī)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(qiáng)，背后還是語言。
另外一條道路就是認(rèn)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(dāng)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(jìn)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(jī)器幫助每一個人，讓表達(dá)、獲取信息更加簡單。謝謝！
下載文檔
