图灵机器人郭家：以语义技术为核心驱动力，让机器更好地理解世界

导读：2017年12月26日，中国人工智能机器人CEO峰会在深圳举办。图灵机器人联合创始人郭家做了“AI之多模态语义”的主题分享。

12月26日，中国人工智能机器人产业联盟（CAIA）主办的2017中国人工智能机器人CEO峰会（下称“CEO峰会”）在深圳圆满举办。本次大会聚集了超过400位人工智能与机器人行业的企业高层、投资机构、学术界专家。

在2017人工智能机器人CEO峰会上，图灵机器人联合创始人郭家做了“AI之多模态语义”的主题分享。他认为，以语义技术为核心驱动力，可以让机器更好地理解世界。

以下是郭家在21017年人工智能机器人CEO峰会上的发言整理，有增减。

2017年人工智能机器人CEO峰会现场

图灵机器人作为当前还在从事语音交互的企业，从2010年开始就已经开始在消费级产品上进行投入。他认为，语义是AI领域的核心瓶颈，而真正的机器人就要有能理解语义的能力。因此，有一个名词就很重要——“多模态交互”。

“多模态交互”通俗的解释是：动作和语言串在一起。其背后理论基础“梅拉比安沟通模型”：有效沟通要素的重要性，其中，文字占比7%，声音语调占比38%，动作占比55%。

图灵在多模态交互这块，给行业提供语义技术，包括复杂系统拓扑学智能决策等等。我们都知道，在人和人交互的过程中，很重要的信息是靠我们的交流中的文字传达过来的，这过程中重点是我们如何理解决策和表达。从这个角度出发，我们公司的理念是持续的深挖语义的技术，最终让机器理解人理解世界。

郭家用案例讲述多模态交互

先用两个案例介绍一下多模态交互领域。

第一个案例叫BlueRiver。这个是美国独角兽的企业，做农业的。这个公司做的是很简单很受欢迎，在拖拉机的后面加一个注射器，它只要识别到杂草就注射一针化肥进去，一举三得，化肥把杂草烧死，之后让周围的农作物生长的更好，又可以节约人力，而且这个公司的目标非常清楚。前年做一个蔬菜是土豆，去年的目标是两个品种，一个是生菜一个是番茄。于是在短短的一年之内，实现盈利一千多万美元。

然而，他们在定义自己的产品时并不把自己叫智能机器人，而叫做智能机器。他们认为这只是智能机器，还没到机器人的那一步。

第二个案例是Twendy-One。它是日本养老院里面用的特别多的一款产品，它可以精细到拿起一个吸管，设定场景是很多老人手脚不灵便，吸管掉在地上它可以捡起来，并且递到他手里。

机器功能还可以，但是这个是反例。首先是价格过高，售价120万人民币一台，另外就是他并不能满足实际的需求。

因此这就给我们一个思考：我们做机器人到底应该往哪个方向做？

郭家讲述图灵的多模态交互技术

以前有一个记者采访高桥智隆（世界上数一数二的人形机器人的发明家），问他机器人和手机的最大区别是什么，高桥智隆说人可以跟机器人说话。记者说手机也可以说话，高桥智隆说你见过人跟乌龟说话跟金鱼说话，见过人跟手机说话的吗？

在高桥智隆眼中，如果做一个人形机器人，或者是有人性的东西出来，不光是能讲话，而是动作表情是能给你反馈的，就像我们养狗和猫就是他们能给你反馈，这也就是我们做这个产品的理念。

因为交流不是单一的，我们人和人交流过程中，纯文字只有7%，声音语调占38%，视觉肢体占55%，我们所有的交互过程中，其实纯文字的东西只是很少的一部分，大部分的信息是通过语音语调表情动作传达给对方的。

富士康找到图灵说要合作，除了提供对话功能还要把对话做到不仅仅是对话，还包括它的动作和表情，希望把他们串在一起，其实这就是刚才讲到的多模态交互，多模态语义，我做一个动作说你和我，这个动作其实和我的语言是完全串在一起的。我再举一个例子，我有一个西瓜切成两半，你一半我一半，这几个动作和语言都是串在一起的。

现在，我们做了两款机器人，白色的这款是美国创业公司从MIT做的，红色是（奥菲）跟图灵合作的机器人。从数据上明显的看到，用户跟它的交互次数，以及对它的购买欲望购买量，完全是两个数量级。这就是交互带来的不同。

目前图灵的多模态交互技术，在国内至少是领先同行业一年以上，因为大家知道有做语音交互的公司有做视觉交互的公司，有做语音加视觉的公司，但是做多模态的输入和输出的，以机体神经原为基础的这种几乎还没有。

以后，图灵会一直往这个方向发展。

公众号对话框回复1109可获取【人工智能产业全景图】和【人工智能时代的机器人3.0新生态研究报告】