搜狗发布语音交互引擎“知音”，未来8年人工智能战略规划浮现

记者：胡祥杰

2016年8月3日下午，中文搜索公司搜狗发布语音交互引擎 ——知音。搜狗CTO 杨洪涛首次披露了公司未来8年主要的发展方向，搜狗语音交互中心负责人王砚峰则详细介绍“知音”。在发布会现场，王砚峰告诉新智元，3月份时，搜狗委托第三方测评机构对搜狗、科大讯飞和百度的语音输入进行实测，结果显示，搜狗和讯飞能力基本持平，整体领先百度。此外，搜狗语音技术也会跟一系列企业进行合作。

搜狗人工智能战略方向：自然交互+知识计算

人工智能技术是搜索的基础，在搜索公司占有绝对重要的地位，搜狗CTO 杨洪涛在本次发布会上说：“如果从具体的技术领域来讲，其实搜索引擎更是人工智能技术的全能选手，这些领域中的学习，自然语言理解、舆论语音识别、知识图谱都是搜索引擎里面大量使用的技术。”

搜狗CTO杨洪涛

杨洪涛在大会上首次公布了搜狗未来8年的工作主要方向：自然交互+知识计算。杨洪涛说：“自然交互指的是让机器能够很好地懂人的一种自然表达，可能里面包括语音技术。而知识计算是要把互联网上海量的信息、知识提取出来、表示出来、存储出来，而且能做运算和推理，帮用户做一个好的决策，解决你的需求。所以，工作目标就是辅助人做更好的决策。”

搜狗的语音技术究竟什么水平？

2015年12月，市场调查机构TECHnalysisResearch对来自5个国家（美国、英国、德国、巴西和中国）的3012名用户就虚拟语音助手发起调查，在参与调查的1024位美国用户中，有超过50%表示并不会使用语音助手，而7%的人不知道语音助手是什么。在全球范围和美国地区，只有43%的参与调查者表示使用语音助手服务。

Facebook CEO 扎克伯格上个月在接受The Verge的采访时说，并不认为语音是最好的交互界面。

那么语音的应用场景究竟在哪？以语音输入为例，据搜狗语音交互中心负责人王砚峰的介绍，有三种情况：一是当你的双手、双眼被占用的时候，这时候你是没有办法进行键盘输入；二是在一些不能用键盘输入的设备上，比如音箱、智能眼镜，还有你在路上走路的时候，也不太方便用键盘输入，可能语音更方便一些。

这些场景在生活中虽然常见，但是并不是主流，这是否可以解释语音技术在不断发展，但是消费者的接受度并不高这一现象？

搜狗最早于2012年就开始研究语音输入，当时使用的是谷歌的语音识别技术，不断累积数据，一年之后技术跟进之后，把Google的技术替代掉。据王砚峰介绍，现在搜狗每天使用语音输入的请求次数已经超过1.4亿次，已经是互联网上最大的。搜狗语音识别在2012年11月份上线，现在每天使用语音输入功能的用户比例已经达到8%，同时现在在输入法上每天用户产生出来的语料规模是11.7万小时，这个数字比目前国内任何语音公司使用的语料规模还要大。

在发布会现场，王砚峰展示了搜狗、讯飞和百度三家公司的语音输入法在实际应用中的对比情况。考虑的因素包括输入的场景、用户的性别、口音以及环境的噪声，采用的是多机模式，即，三台手机在那里，一起来按。结果显示：搜狗跟讯的讯飞的能力相对持平，整体领先百度，领先的幅度还不小。

王砚峰对新智元介绍说，本次测评由第三方公司完成，具体过程搜狗不加干涉。他认为，这个结果相对有一定的真实度和说服力。

此外，搜狗的语音技术会跟其他企业合作，比如在车内的语音交互上。王砚峰说，目前已合作企业包括四维图新。

语音理解依然是难题

杨洪涛和王砚峰在发布会接受提问时均表示，搜狗的语音技术，未来五年主要是在对话方面，但是语义理解方面不能做到真正像人一样聪明。

王砚峰说：“因为人的思考方式是抽象的，而人的特点在于看一两个样本，你给他讲一两个道理就可以触类旁通，但是机器要通过特别大量的样本才能有理解能力，所以人的理解方式跟机器的理解方式不一样，所以我们现在很多不管是在文字方面也好，还是在语义对话方面也好，我们确实没有足够多好的样本来“喂”机器，第二你有很多好的样本，能不能彻底解决机器的问题是不知道的。就像现在的自动驾驶，像特斯拉前面出的那件事，只要这种正确率达不到百分之百，用户对自动驾驶接受就要有相对长的时间。”