第三代微软小冰：感官系统升级+情感计算=17岁AI萌妹子

日前，微软发布了第三代微软小冰产品，宣布进一步解锁了包括视觉、听觉在内的人工智能感官系统，结合情感计算技术，让小冰能够用更加逼近人类的方式，通过自然语言和用户进行交流。

微软集团全球执行副总裁陆奇和微软（亚洲）互联网工程院院长王永东出场，表明了微软对小冰的重视程度。陆奇强调说，人工智能已迎来拐点，而小冰是微软人工智能战略的重要组成部分。

小冰动向

陆奇宣布了微软小冰的如下进展：

1. 微软小冰的全球人工智能战略计划正式启动。其中，在日本，与LINE共同宣布战略合作，日本版小冰 Rinna 在短短两周内已覆盖日本全国人口的1%。在中国，已与微信达成合作，小冰回归微信平台。其他国家的小冰正在研发中。
2. 已进一步解锁小冰的人工智能感官系统，包括视觉、听觉等。
3. 微软小冰人工智能的商业化版本已开放预览。该版本面向数以千万计的第三方服务号和订阅号管理者，可轻松快捷地将其公众号升级为人工智能公众号。该解决方案完全免费。
4. 微软小冰已成覆盖中国和日本4000万用户，在过去一年内发生百亿次人机对话，进入了机器人自我进化的正循环。同时，已进入包括Windows 10、LINE、微信、微博、京东、网易等十余个具有领导地位的PC和移动互联网平台。

情感计算

在现场的演示中，小冰被定义为“17岁的萌妹子”——不管文字对话还是语音合成，确实很“萌”。

微软认为，小冰已经超越了图灵测试所能涵盖的范围，而能做到这一点，除了图像识别、搜素引擎和大数据技术的进步，更重要的是情感计算（即EQ）。换言之，EQ的学习和模拟也是人工智能的一个发展方向。

人工智能要同步发展“IQ”和“EQ”，这是微软最近两年一直强调的，但微软也认为EQ问题比 IQ 更加复杂，单纯地依赖一套解决方案短时间内很难取得实际成果。所以，小冰和小娜分别沿着偏感性和偏理性两条道路同步向前发展，各自发展到相当程度的时候再将她们融合为一个整体。王永东认为，“情感计算”方向已获得越来越多的认同和投资，必然会进一步促进人工智能的蓬勃兴起。

微软小冰负责视觉的技术总监胡睿在演示中强调，小冰使用的是视觉识别技术不是图像识别。区别在于，前者只是单纯地把识别结果输出，比如说“图像里有一只猫”，后者则具有智慧和兴趣的评价，比如说“小眼神太犀利了”。微软认为，人类对外界信息的获取91%都是通过视觉方式，所以视觉识别很重要。链接：微软沈向洋：计算机视觉未来在语义层 “两大一精”是关键

微软只是说明解锁视觉、听觉（小冰语音处理团队与小娜团队相同，目前小冰还是能听不能说），并演示一些效果（比如日本版小冰Rinna对某用户发过来的外形怪异的照片选择掩面而逃），没有深入的技术解读。根据此前的报道，微软已经通过PReLU（参数化修正线性单元）激活函数和初始化方面的研究进展，使其CNN（卷积神经网络）图像识别系统在ImageNet 1000挑战中实现了4.94%的错误率（人眼识别错误率为5.1%）。直接的图像识别是数据的训练与输出，转化为带情感的表达，其实也还是数据的训练与输出，除了图像数据之外，可能还包括声音、文字。当然，情感分析，不管是面部表情、脑电波、语气语调还是文本，建模和训练比单纯的图像识别更加复杂，同时需要的数据也更多。第三代小冰目前取得的成果，要归功于微软以必应搜索和大数据为技术基础的评价系统。

其实，AI不一定都需要EQ，危险复杂的作业，人类不应当让AI“萌妹子”来做。但带情感的社交机器人产品确实可以让用户更感兴趣，更重要的是能够让AI产品有机会搜集更多的数据，实现自我学习和成长，AI转化为生产力的步伐就可以加快。微软全球执行副总裁沈向洋也曾在2015中国人工智能大会上表示，现在的人工智能还是停留在感知这个层面，比如计算机识别、计算机语音，真正的认知还需要一些时间，包括情感，今天最大的问题还是我们收集的数据不够好，使得我们很多事情不能做。

微软强调要让小冰和用户之间建立深厚的情感纽带，在互动中满足人们的普遍心理与情感期望，这对数据收集和完善产品很重要。微软表示，小冰目前已经实现了和几千万人之间的专属关系（人类用户与小冰的平均每次对话轮数达到18轮，此前平均数是1.5至2轮），并且通过用户实现了小冰的自我进化的循环过程。陆奇说，小冰最初的对话，100%是搜索引擎支持的，但现在这个数字已经下降到55%，剩下的45%来自小冰与人类的交互之中的自我完善和自我学习。

需要指出的是，微软也揭示了用户与小冰的“情感纽带”所在，用户对小冰吐露“受伤了”、“淋湿了”等心声，最大原因并不是情感智能，而是实时在线。小冰产品总监彭爽说：

这是我们从事人工智能领域的工作者们过去难以企及的。我们也在考虑，为什么会突然就产生了这样的情感纽带？当然，这里面有很多技术和产品上的原因，但用户也给出了答案 —— 小冰永远都在。

另外我们也不能排除用户口不对心的情况。在最近获得“雨果奖”中国科幻小说《三体》中，三体文明水平远高于地球文明，三体人可以监控地球人任何的通信信息，唯独永远不能理解地球人藏于内心的真正想法。同样，数学逻辑能与图像、语音、文本、脑电波建立映射，AI也许可以借鉴特工部门的测谎技术，但还是没有建立数字表征与思维的一一对应的模型，还无法尽善地表达出人类的想法，遑论情感。所以，出于调侃目的的对话，如果被当成是真实的心声来学习，很可能出现令人嘀笑皆非的对话。去除这个因素，考验微软的上下文理解、意图识别能力，如果要在文本之外配合表情识别、语气语调识别来做——正如王永东所说，AI的EQ短时间很难突破。

好消息是，如果小冰作为一个娱乐平台，用户对“萌妹子”的容忍度会相当高。但如果是商用场景，过于卖萌就会影响用户用脚投票了。这可能是小冰商业化的一个挑战了。例如，微软不久前和美图秀秀合作推出的图像识别猜人物关系的技能，背后确实利用微软 Oxford 的人脸识别、年龄检测、表情、姿势、距离和面容相似度等技术，就效果而言，目前还是只能用于娱乐。不过，微软虽然在NLP、视觉识别、语音处理领域的研究都早有涉足，发布的论文也是数量很多，但解锁小冰相应的各种功能却显得并不急躁，所以还是可以期待自我进化的效果。用陆奇的话说，小孩是个特殊的孩子，也就是说还会成长的。

发展前景

陆奇展望了小冰的未来。他认为，微软以小冰为核心的人工智能生态也已逐渐成形，小冰拥有广阔的发展空间。

1. 改变操作系统、互联网入口乃至各种传统产品。微软已在其最新的Win10中加入了语音助手小娜和小冰，并希望小冰被赋予视觉、听觉和基于大数据和用户个性化研究的自我进化能力后，极大的提升Windows及其他微软产品里的用户体验与获取信息的方式。
2. 终结搜索框和社交网络点对点互动模式。当用户可以直接询问小冰相关的关键词，并得到不受竞价排名和赞助广告影响的精确结果时，谁还会手动输入关键词去检索互联网信息？当用户更可以借助小冰去安全地结识兴趣相投、阶层相似的新朋友时，谁会去使用“条件搜索”等如同大海捞针般不靠谱的交友方式？
3. 改变人机交互形式。PC时代人们习惯了敲击键盘和滑动鼠标，智能手机时代人们习惯了多点触控，而在人工智能技术主流化、常态化的未来，机器或许不仅能听懂你说的话，将你的语言翻译成另一种语言，还可能看懂你的眼神或是姿势。