人工智能貶爲人工智障，揭下「假裝」的智能產品

從三年前的Alphago與李世石的的世紀大戰引爆科技圈已來，人工智能的話題一直是科技矚目的焦點，相較於傳統的基礎研究，好像人們對於這種新鮮事物更加的情有獨鍾，在Alphago大勝九段圍棋大師時，人們驚呼「人工智能將要代替人類」，不過隨着時間的過去，人們也逐漸變得更爲理性，即使是近三年人工智能技術的成就驚人的矚目，可是遠遠沒有脫離「人工」的現實。

不過並不表明人工智能不重要，相反它已近融入到咱們生活中。早在18年5月的I/O開發者大會上面，很多的從業者展現了人工智能語音技術，演示現場使用智能語音Duplex更是驚豔四座、技驚全球。在對方徹底不情的狀況下，使用AI語音預定理髮服務、而且成功預定，並且對方也並未察覺，隨後董事長驕傲的向外界宣佈：他們的智能電話機器人擺脫了好很差用的範疇，已經經過了圖靈測試。

然而事情遠遠沒有想象的這麼簡單，在隨後不久，《紐約時報》的記者在測試中發現，成功預定的4次中，有三次都是由人工假裝完成的。後來Duplex的官方申明中進行反駁道，並非人工假裝，只是進行了適當的干預，其餘都是自主完成操做。而後記者又繼續進行反駁，後面的口水戰就不用詳述了。

雖然著名的圖靈測試，在其特定的歷史環境下面也存在侷限性，但此次事件事後，業界又對於人工智能充滿了憂愁，AI陷入了「人工智能」之困的窘境。其實這一切都是對於現在的人工智能指望值過於高的緣故，要知道現在的智能並不能之爲智能，在基礎物理學還未突破之際，徹底智能化的產品是不現實的。若是以電影《機械姬》中的人工智能爲標準的話，那就有點不講道理了。

實際上，AI語音交互的基礎是基於深度學習算法對語言系統的深度集成，於是決定其具備明顯的「雙邊效應」，一方面，AI語音交互的完成度越高，其用戶數量增加越；另外一方面，用戶數量與使用頻次的增加副作用於AI語音交互的深度學習訓練解決電話機器人好很差用的問題，從而實現更高的完成度、更準確的反饋。

在技術構成上面，可分爲三個層面「交互層、算法層、數據層」在一個完整的AI語音交互過程當中。從本質上來說，現階段的語音交互系統是在大數據下面進行的「動態規劃」以邏輯方式對數據進行精準匹配，數學層面是運籌學的一個分支，是求解決策過程的最優數學方法。

要實現語言數據的100%精確匹配須要一些「先決條件」。
交互層實現100%準確率的語音識別準確率是保證整個語音交互不會出現語義「理解」誤差的重要前提，而要實現語音識的精準必須構建完整的「語句數據庫」，而後經過大量的識別訓練提高其準確度。

其次，在實現精確語音識別後，須要算法對其進行「數據打包」而且實現對「語言系統數據庫」進行快速檢索，從而匹配到相應的「反饋方案」，而因爲不一樣的語義決定了不一樣的語音交互場景，所以須要涵蓋幾乎全部語音交互場景的「算法倉」，同時每一個算法必須知足對於精度和效率的雙重需求。

這樣繁瑣複雜的的程序也沒法實現真正上的人工智能，也只是屬於弱人工智能的範疇，人們老是對於人工智能期待值過於高，可是基礎物理學未獲得突破以前，很難實現電影級別的智能產品，相較於電影。咱們都每每忽略了一個點，人工智能的出現是爲了更好的服務於人，或企業，而不是必需要像人，至少目前技術來說實現不了也不必。咱們更應該關注現在AI技術對於當下的改變，而AI語音交互做爲AI技術應用的前沿陣地，任何的技術以及應用層面的進展都更值得咱們去關注。