前Google高級管理科學(xué)家林德康回國創(chuàng)業(yè)，做了一款你沒見過的語音助手

編者按：林德康，前Google高級管理科學(xué)家（senior staff research scientist），主攻自然語言處理。在加入Google之前，林德康是加拿大Alberta大學(xué)計算機教授，發(fā)表過逾90篇論文、被引用超過12000次，他也是國際計算語言學(xué)會ACL Fellow——整個華人圈的ACL Fellow不用一只手都數(shù)得過來。難怪他回國之后，有人驚異于他“竟然沒選擇去清華教書，也沒接受BAT的邀請”，而是聯(lián)合發(fā)起了一家小小的初創(chuàng)公司：奇點機智。

奇點機智做的還是林德康最擅長的NLP相關(guān)的事情，目前主攻一款語音助手“小不點”，林德康說它“跟大部分語音助手的方式不太一樣，甚至可以說很不一樣”。產(chǎn)品目前在開發(fā)完善中，年內(nèi)會上線。

雷鋒網(wǎng)來到了位于中關(guān)村某辦公大樓的奇點機智辦公室，大約有30余位全職員工在從事語音助手的研發(fā)工作，其中部分員工來自Google、微軟，絕大多數(shù)員工畢業(yè)于北大、清華、浙大、南大等高校。創(chuàng)始人鄔霄云曾在Yahoo、Google北美研究院工作，在大規(guī)模機器學(xué)習(xí)、自然語言處理等領(lǐng)域有10多年項目經(jīng)驗積累。

這款語音助手和Siri、Cortana等等有什么不同？以下是林德康自述，雷鋒網(wǎng)整理。

Google Now、Siri、Cortana這種都是操作系統(tǒng)的owner做的語音助手 ，他們只著重于操作系統(tǒng)能做的事情，比如設(shè)鬧鐘、發(fā)信息等等，外接app的時候，也只能接操作系統(tǒng)剛好能做的事情，比如Siri“用微信給XX發(fā)信息”，這個是基于Siri自己首先可以發(fā)信息，才可以接入微信。

另一種語音助手，Viv、Soundhound和國內(nèi)一個叫渡鴉科技的公司類似，他們的想法是手機上只需要他們這一個App，這個App可以做所有事情，打車、訂外賣、訂機票。比如訂機票，語音助手理解語義之后，去訪問比如說攜程的服務(wù)器端口，向攜程的后端直接發(fā)一個webrequest，填參數(shù)，然后返回訂票結(jié)果——整個過程用戶只需要跟手機助手交互，不用去跟訂票軟件交互。所以這類助手除了做語義分析的工作，還需要重新發(fā)明（recreate）用戶的交互過程，這些訂票的流程需要自己做一遍。

我們自己并不重新發(fā)明這種交互過程，實際上我們是把一句話翻譯成App里的操作，App可以做什么，我們把語音指令翻譯成動作。比如在攜程訂票，用戶說完“我要訂從哪里到哪里的機票之后”，界面就會到攜程里訂機票的界面，并且預(yù)填好語音里已經(jīng)有的信息——語音完成一部分App的操作工作。我們是幫用戶更簡潔地操作這些App。

說到這里，林德康展示了幾個功能，首屏狀態(tài)下按住Home鍵說“給孟X發(fā)個紅包”，經(jīng)過一層層自動索引，手機直接進入微信孟X的聊天窗口，再彈出紅包界面，整個過程，用戶只需要輸入紅包金額點擊發(fā)送就可以完成；按住Home鍵說“告訴林XX我遲到了”，微信跳到了和林XX的聊天界面并且對話框已經(jīng)預(yù)先輸入了“我遲到了”四個字，用戶要做的只需要按“發(fā)送”。

有的APP功能隱藏得很深（比如預(yù)約用車，因為叫車軟件可能并不希望用戶預(yù)訂，所以稍微隱蔽一些），但功能有，這時候你說“我想明天預(yù)定一個5：00去首都機場T3的專車”，就比手動操作APP要簡便，我們想做的就是這件事情。我們說cover一個app，比如微信，會包括發(fā)紅包、放大字體、付款等等幾乎所有的操作，Siri所說的Cover可能只是接入發(fā)信息這個功能。

（雷鋒網(wǎng)：每一個App的每一個操作都需要“翻譯”，開發(fā)工作量會很大嗎？）

每一個App可以做的事情其實不是很多，比如攜程到底有多少功能，就訂票而言，在語音助手理解起來，都是“從一個城市飛到另一個城市”這一件事。微信看似這么多功能，實際上所有的項目加起來也就幾十個（當(dāng)然不包括玩游戲的部分）。

我們做的更多的是自然語言方面的事情，比如發(fā)紅包，“把紅包發(fā)給誰”、“給誰誰誰發(fā)紅包”、“我想發(fā)給紅包給誰”，“從北京到上海的航班”和“從北京到上海的飛機”說的其實是一回事，不管怎么說，機器都要能分析出來，這一部分是我們的核心競爭力。我們的語料來自網(wǎng)頁和其他的語料庫，幾乎所有的網(wǎng)頁都拿來學(xué)，我們學(xué)習(xí)時需要從海量的語料里找出語料之間的相關(guān)性，然后應(yīng)用到助手里。

我們的做法跟大部分語音助手的方式不太一樣，甚至可以說很不一樣。大部分語義分析都是靠語法，我們也用語法，但我們用的辦法不太一樣，我們不用語法驅(qū)動理解的過程，語法有的話更好，沒有也可以，這樣我們的系統(tǒng)更robust一些，可以handle更復(fù)雜的變量。

編后：NLP是個世界級難題，Google、微軟也沒有很好的解決方案。如果有好的解決方案，意味著整個遷移學(xué)習(xí)、機器學(xué)習(xí)領(lǐng)域都會有一些質(zhì)的進展。Viv宣稱要“吞并整個互聯(lián)網(wǎng)”，吊足了觀眾胃口，但產(chǎn)品到目前也沒有和用戶見面。奇點機智的這款助手“小不點”，會給我們帶來一些耳目一新的體驗嗎？

下個月的12、13號，雷鋒網(wǎng)將在深圳舉辦一場盛況空前的人工智能與機器人峰會，林德康也會出席，關(guān)于這款助手的更多技術(shù)細節(jié)我們留到大會上展現(xiàn)。屆時我們將發(fā)布“人工智能&機器人Top25創(chuàng)新企業(yè)榜”榜單，為此我們在搜集并確認AI、機器人、自動駕駛、無人機等幾個領(lǐng)域的優(yōu)質(zhì)項目。如果您的項目是相關(guān)領(lǐng)域的，且足夠有技術(shù)壁壘、足夠有成長性，歡迎聯(lián)系2020@leiphone.com。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。