微軟小冰再進(jìn)化
圖說(shuō)：在11月21日周五舉行的微軟小冰科研成果分享會(huì)上，微軟小冰首席科學(xué)家宋睿華和他的同事，微軟小冰首席NLP科學(xué)家武威、微軟小冰首席語(yǔ)音科學(xué)家欒劍介紹了最近小冰所取得的新進(jìn)展。
撰文 | 邸利會(huì)
● ● ●
在微軟小冰首席科學(xué)家宋睿華眼中，每一次技術(shù)的革新，改變的都是連接人類(lèi)和世界的方式。
借助互聯(lián)網(wǎng)，可以不必“跨越大半個(gè)地球去看你”，技術(shù)壓縮了物理的空間，拉近了人們的距離。換言之，互聯(lián)網(wǎng)延長(zhǎng)了你的眼睛和耳朵，讓你方便的觸達(dá)世界的任何角落。
而手機(jī)再一次改變了人類(lèi)和世界連接的方式，手機(jī)成了最懂你的人——當(dāng)你打車(chē)，手機(jī)會(huì)知道你常去的地方，當(dāng)你聽(tīng)歌，手機(jī)會(huì)推薦給你最喜歡的曲目，甚至有人說(shuō)，手機(jī)比你都更了解你自己。
“ 我們的猜測(cè)是AI產(chǎn)品也會(huì)成為下一個(gè)改變?nèi)祟?lèi)和世界方式的點(diǎn)，我們希望小冰所完善的人工智能框架能夠做出這樣的一個(gè)連接點(diǎn)?！?nbsp;宋睿華說(shuō)。
在11月21日周五舉行的微軟小冰科研成果分享會(huì)上，宋睿華和他的同事，微軟小冰首席NLP科學(xué)家武威、微軟小冰首席語(yǔ)音科學(xué)家欒劍介紹了最近小冰所取得的新進(jìn)展。
2014年，小冰在微軟（亞洲）互聯(lián)網(wǎng)工程院誕生，經(jīng)歷了5年時(shí)間，今年已經(jīng)進(jìn)化到了第七代。小冰是一個(gè)融合了自然語(yǔ)言處理、計(jì)算機(jī)語(yǔ)音和計(jì)算機(jī)視覺(jué)等技術(shù)的完備的人工智能底層框架和系統(tǒng)。該框架注重人工智能在擬合人類(lèi)情商維度的發(fā)展，強(qiáng)調(diào)人工智能情商，而非任務(wù)完成，在人機(jī)交互中的基礎(chǔ)價(jià)值。
第七代微軟小冰已成為全球最大的跨領(lǐng)域人工智能系統(tǒng)之一，產(chǎn)品形態(tài)涵蓋社交對(duì)話(huà)機(jī)器人、智能語(yǔ)音助理、人工智能內(nèi)容創(chuàng)作和生產(chǎn)平臺(tái)等。在全球多個(gè)國(guó)家，微軟小冰單一品牌已覆蓋6.6億在線(xiàn)用戶(hù)、4.5億臺(tái)第三方智能設(shè)備和9億內(nèi)容觀眾，在交互場(chǎng)景大幅度拓寬的情況下，微軟小冰與用戶(hù)的單次平均對(duì)話(huà)輪數(shù)（CPS）仍保持在23輪。
把控對(duì)話(huà)流程
平均對(duì)話(huà)輪數(shù)當(dāng)然是衡量用戶(hù)是否深度參與聊天的重要指標(biāo)，不過(guò)武威說(shuō)，在某些情形下，比如商品推薦、智能家居，是“需要越短越好，而且還要答得對(duì)”。要讓小冰適應(yīng)如此廣泛的應(yīng)用場(chǎng)景確實(shí)是一項(xiàng)挑戰(zhàn)。
武威說(shuō)，要發(fā)展自我完備的對(duì)話(huà)機(jī)器人，首先需要的是學(xué)習(xí)的能力——可以從人類(lèi)的對(duì)話(huà)中學(xué)，也可以機(jī)器人之間互相學(xué)。此外，機(jī)器人還應(yīng)該能自主管理，單輪的表達(dá)管理做好后，還能把控整個(gè)的對(duì)話(huà)流程；最后，機(jī)器人應(yīng)該還能連接散落在這個(gè)世界上的多模態(tài)的知識(shí)。
小冰的對(duì)話(huà)引擎這些年也經(jīng)歷了進(jìn)化，從一開(kāi)始的“檢索模型”，重用已有的人類(lèi)的對(duì)話(huà)來(lái)實(shí)現(xiàn)人機(jī)交互，到“生成模型”，可以自己去合成回復(fù)，再到“共感模型”，也就是可以自主的去把握整個(gè)對(duì)話(huà)流程。
在各個(gè)模型上，武威介紹，他們都做了一些工作和常識(shí)。比如，考慮到簡(jiǎn)單的生成模型的回復(fù)沒(méi)有多少信息量，2017年他們將話(huà)題內(nèi)容引入到了回復(fù)中，這樣的回復(fù)就更有內(nèi)容。
“由于我們引入了話(huà)題，如果用戶(hù)說(shuō)在左臉頰上有一些血絲，機(jī)器回復(fù)，我也是敏感肌，敏感肌就是一個(gè)話(huà)題的詞匯；再比如，有人說(shuō)，我的皮膚很干，也可以回復(fù)，那你補(bǔ)水保濕吧，補(bǔ)水保濕也是一個(gè)話(huà)題。” 武威解釋說(shuō)。
小冰第六代的“共感模型”，背后包括了兩個(gè)模型，回復(fù)生成模型和策略決定模型。武威解釋說(shuō)，這里的策略可以是主動(dòng)引導(dǎo)話(huà)題，提問(wèn)，向?qū)Ψ酱_認(rèn)一些事情；也可以是一些情感的表達(dá)，通過(guò)意圖、話(huà)題、情感等策略的組合，可以產(chǎn)生非常多樣、復(fù)雜的對(duì)話(huà)流程。
融合了對(duì)話(huà)、語(yǔ)音、文本知識(shí)、多媒體的多模態(tài)交互也是武威他們正在研究的重點(diǎn)?！叭绾伟焉⒙湓诟鱾€(gè)地方的知識(shí)連接起來(lái)，然后以一種一致的方式再通過(guò)對(duì)話(huà)機(jī)器人輸出出來(lái)，我認(rèn)為做到這點(diǎn)之后多模態(tài)交互基本上就解決了?！?nbsp;武威說(shuō)。
多種風(fēng)格的歌唱
在當(dāng)天的分享會(huì)上，欒劍展示了小冰唱歌技術(shù)在過(guò)去一年的進(jìn)展。事實(shí)上，在2015年，小冰推出語(yǔ)音聊天功能時(shí)就收到了市場(chǎng)的積極反應(yīng)，之后又加入了兒化音、中英文混雜朗讀、講兒童故事等，2016年進(jìn)一步開(kāi)始嘗試唱歌。
“做唱歌主要有三個(gè)原因，一是唱歌門(mén)檻比說(shuō)話(huà)高，二是唱歌在情感表達(dá)上更為豐富激烈，三是唱歌本身是很重要的娛樂(lè)形式?！?nbsp;欒劍解釋說(shuō)。
那么，如何讓機(jī)器學(xué)習(xí)唱歌了，一是可以像唱歌的人學(xué)習(xí)，二是直接通過(guò)讀曲譜。這兩種方式對(duì)機(jī)器來(lái)說(shuō)，第二種要簡(jiǎn)單一些?！叭绻麖娜说匿浺羧W(xué)的話(huà)，它有時(shí)候會(huì)需要檢測(cè)音高的曲線(xiàn)，需要檢測(cè)每個(gè)字起始和結(jié)束的位置，還需要去判斷每個(gè)發(fā)音，所以這中間都會(huì)有一些誤差和錯(cuò)誤存在，所以如果是有曲譜輸入的話(huà)，接下來(lái)就會(huì)更簡(jiǎn)單一些。” 欒劍說(shuō)。
而唱歌合成的方式也有兩類(lèi)，一是單元拼接。這個(gè)方式比較簡(jiǎn)便，但最大的問(wèn)題是唱出來(lái)往往不那么自然，像是一個(gè)字一個(gè)字的蹦出來(lái)。第二種是參數(shù)合成的方式，這種方式會(huì)比較靈活，變化很豐富，甚至可以創(chuàng)造一個(gè)從來(lái)不存在的聲音，但缺點(diǎn)是音質(zhì)上可能會(huì)有所下降。
欒劍介紹說(shuō)，小冰采用的是參數(shù)合成的方式，并不斷提升。他們講樂(lè)譜中能量譜、時(shí)長(zhǎng)和音高用同一個(gè)模型進(jìn)行預(yù)測(cè)，雖然模型很復(fù)雜，但“用這種方式生成的波形，它的自然度和流暢度會(huì)得到一個(gè)明顯的提升”。
盡管小冰在唱歌方面已取得不俗的進(jìn)展，但欒劍認(rèn)為，對(duì)唱歌這個(gè)人物，數(shù)據(jù)依然是個(gè)困難點(diǎn)。鑒于清唱的數(shù)據(jù)非常少，他們需要利用混合了伴奏的數(shù)據(jù)進(jìn)行學(xué)習(xí)?！安还苁侨斯ぶ悄艿膭?chuàng)造還是提高唱歌上，我覺(jué)得需要兩條腿走路，一是不斷提高模型，二是不斷挖掘更多的數(shù)據(jù)，這兩個(gè)東西如果做的更好，我們的質(zhì)量會(huì)不斷得到提高。” 欒劍總結(jié)道。
比喻與繪本創(chuàng)作
在寫(xiě)作中，比喻是一種比較高級(jí)的修辭手法，可以把抽象難懂的概念具像化，讓讀者產(chǎn)生深刻的印象。可讓機(jī)器人學(xué)會(huì)運(yùn)用比喻卻不是一件容易的事情，何況是創(chuàng)造一種新穎的比喻。
“我們有一個(gè)要求是不要在人類(lèi)已有的文章里去挖掘這種比喻句，不要用’像’、‘就像’、‘一樣’ 這樣子的模板把它挖掘出來(lái)，因?yàn)檫@些都是人類(lèi)創(chuàng)造的比喻，跟小冰沒(méi)有那么大的關(guān)系，我們希望小冰真正創(chuàng)造出人類(lèi)不曾說(shuō)過(guò)的比喻?！?nbsp; 宋睿華說(shuō)。
那么，如何做呢？對(duì)機(jī)器，這樣的輸入往往是本體、喻體，而輸出是一個(gè)解釋。宋睿華他們首先找出了小冰用戶(hù)喜歡說(shuō)的96個(gè)抽象概念，包括了分離、愛(ài)情、心、世界、母親、美人、人、夢(mèng)想、生活、快樂(lè)等。另外再找出常用的一萬(wàn)個(gè)詞，都是一些好理解的具體的概念，如食物、信號(hào)、游戲等。最后，他們?cè)趦山M概念中間挖掘一些連接詞，之后根據(jù)連接詞是動(dòng)詞，名詞還是形容詞，再做不同的處理。用他們的方法做出的比喻有些有十分貼切的效果，如“孤獨(dú)像是空無(wú)一人的車(chē)站”，當(dāng)然也有“戀人像是可靠的報(bào)表”這樣略有些奇怪的比喻。也許，像詩(shī)人一樣，進(jìn)行新的比喻的創(chuàng)作有時(shí)不可避免會(huì)有不那么好的結(jié)果。
在最近的發(fā)展中，小冰的另外一項(xiàng)技能是用一系列圖片描述一個(gè)故事。談起這項(xiàng)研究的初衷，宋睿華告訴筆者，當(dāng)時(shí)他們是在合作一個(gè)兒童繪本的項(xiàng)目，希望除了給兒童故事加朗讀外還能配上一些畫(huà)面。
要實(shí)現(xiàn)從故事上的文字轉(zhuǎn)變成一系列的圖畫(huà)是一些具有挑戰(zhàn)的任務(wù)，包括了三個(gè)難點(diǎn)，一是需要更好的利用上下文，二是需要做好細(xì)節(jié)上的對(duì)應(yīng)，三是很多的數(shù)據(jù)都是一一對(duì)應(yīng)的。宋睿華他們用了一系列的方法改善他們的結(jié)果，盡管現(xiàn)在還需要一些人工的輔助，但已經(jīng)是取得了不錯(cuò)的進(jìn)步。
