Google IO：创新技术后的大数据

为什么这么说呢？让我们先看看公布的一款重量级产品：GoogleAssistant（谷歌助手）。和苹果的Siri、微软的Cortana、以及Amazon的Alexa类似，它是一款语音智能助手，是进化版的GoogleNow。设计者们希望这位助手能帮你寻找最佳的餐馆、发现最热门的新闻、快速打电话给亲朋好友，甚至直接为你预订度假的完整行程。

Google Assistant的强大还体现在它内置于Allo和GoogleHome中。Allo是一款新鲜有趣又功能强大的智能聊天应用，具有自我学习的能力，会随着时间的推移，学习用户的说话行为。这就意味着，由于每个人的说话方式不同，Allo的回复也可能是十分个性化的。而作为智能家居系统中心的GoogleHome，则可以接收语音指令，并控制所连接的各项智能硬件，例如设置闹钟、开关电灯、调节空调温度、甚至启动车库里的汽车等等。

看到这里，你一定会觉得这些前沿的技术非常新颖，也很好奇这些梦幻般的场景是如何被逐步实现的。坦白而言，它们都离不开大规模数据的收集、分析和处理。就拿GoogleAssistant为例，虽然目前其技术细节对外是保密的，但是笔者根据业界的标准，以及自身的经验，仍然可以粗略预估其背后的技术方案，大致分为以下几个核心模块。

• 语音的识别：系统根据用户的发音，自动识别对应的文本内容，这点是语音助理的首要环节，因为目前机器还无法直接理解人类的口语。其主要实现方式是模式匹配，在训练阶段，系统收集大量的语音资料，包括人们对于每个词汇的发音，并且将其特征矢量作为模板存入模板库。在识别阶段，将输入语音的特征矢量依次与模板库中的每个模板进行相似度比较，将相似度最高的结果作为识别结果输出。
• 实体的识别：在一定的应用场景或者领域中，系统识别人名、地点、时间、产品、品牌等等，这些可以统称为实体（Entity）。例如，我们提问“中国南方有哪些秀丽的景点？”，系统应该知道“中国”“南方”都是描述地理位置的，而“景点”又和旅游产品相关。最基本的方法是通过行业字典，以及上下文分析（某些亚洲语言，例如中文还需要涉及分词）来实现，这些同样需要大量标注的数据和对应的模型。
• 自然语言的理解：在实体识别的基础上，更进一步的分析是理解人类的语言。对于“中国南方有哪些秀丽的景点？”这样的问题，系统需要知道实体之间的关联，以及如何利用这些关联在知识库里查找合适的答案。目前，开放世界的语言理解存在几个挑战，例如语义消歧、词语省略、代词所指等等。随着机器的存储量和计算速度逐步提升，用于分析的数据不断积累，系统效果才有可能被适当的增强。
• 知识的推理：在一定程度理解用户的语言后，更高阶的系统分析是尝试进行推理。当用户问及中国南方的景点，系统可以推理出他/她可能需要一次度假，就可以主动提示是否需要机票、酒店之类的旅游线路预订。之前的本体论研究，包括最近火热的深度学习都可以用于这个需求的设计，其关键是让机器理解不同概念之间的包含和推理关系。这点对于数据的质量和数量要求就更为苛刻。

仅从这几点就可以看出Google的科研非常前瞻，道路上充满了挑战。不过，我们对于Google的研发能力毋庸置疑，海量的数据加上精细的模型，就可以创造更多的可能，不断地提升用户的体验，最终满足商业的需求。最后，剩下的问题只是：技术对人类生活的改变能做到何种极限？让我们拭目以待吧！

当然，如果你不满足于做一个旁观者，而是对数据、技术和业务实现充满了热情，那么可以看看由机械工业出版社（华章IT）2016年5月出版的《大数据架构商业之路：从业务需求到技术方案》。此书是国内为数不多的来自实际项目经验的原创，将技术与商业需求相结合，深入剖析大数据商业应用中的困惑与难题，为大数据产业的发展助上一臂之力。

END

版权声明：

转载文章均来自公开网络，仅供学习使用，不会用于任何商业用途，如果出处有误或侵犯到原作者权益，请与我们联系删除或授权事宜，联系邮箱：holly0801@163.com。转载大数据公众号文章请注明原文链接和作者，否则产生的任何版权纠纷与大数据无关。