解開“機器的因果”：人機自然交互為何成為阿里AI觀的起點

原標題：解開“機器的因果”：人機自然交互為何成為阿里AI觀的起點

很快《復聯(lián)3》會上映，大伙喜聞樂見的鋼鐵俠又要來了。

圍繞鋼鐵俠，有個有意思的現象值得我們開開腦洞：應該每個人都想要戰(zhàn)甲里搭載的AI程序“賈維斯”，但所有人都在擔心會不會有一天出現想要毀滅世界的AI機器人，奧創(chuàng)。

很多大人物，比如說霍金，都在提醒我們要警惕AI的潛在威脅。但仔細想想，賈維斯和奧創(chuàng)到底有什么區(qū)別呢？只是單純的善惡之分？可善惡又由誰來分辨？

機器應該用智能服務人類，但不能有“過分的智能”，堪稱AI領域的“先有雞還是先有蛋”問題。

或許可以切換到另一種思路去思考這件事：賈維斯之所以讓人喜歡，是因為他能讀懂和理解鋼鐵俠的各種需求，令主動提供服務。也許我們在心底期待的，只是機器可以與人進行無成本的溝通與理解，而不是要擁有獨立的人格與智慧。

這樣的邏輯下，AI服務于人類的基本價值就落到了那個既復雜又簡單的名詞上：人機交互。

今天我們來探討這個問題，是因為剛剛清華大學與阿里巴巴宣布達成戰(zhàn)略合作，共同成立清華大學- 阿里巴巴自然交互體驗聯(lián)合實驗室。這個實驗室的目的在于探索“下一代人機交互”的未來。

據悉，雙方將以“人”為中心，探索“人-機器-環(huán)境”之間的關系，讓機器以更自然的方式與人類互動、服務人類。

跟眾多企業(yè)與大學聯(lián)合設立的實驗室相比，清華大學- 阿里巴巴自然交互體驗聯(lián)合實驗室的獨特之處在于，它專注于解決一個十分急迫的問題。這個問題涉及廣闊的產業(yè)與市場可能，甚至關乎于馬云所說要讓“機器更像機器，人更像人”的AI價值觀。

讓我們先從自然交互今天面臨的一些問題說起。

“五感”合一：人機交互的拐角在何處？

在智能音箱“狂轟濫炸”過之后，或許很多人認為，今天的AI帶來的自然交互能力已經相當成熟。但事實上，大伙可能還是有點樂觀了。

當然，AI帶來的語音識別、語義理解、NLP解決方案，以及花樣繁多的傳感與機器視覺技術，正在打開人機交互的新腦洞：過去只能通過鍵盤、鼠標、觸屏進行命令輸入的機器，正在開始以自然方式與人溝通。

比如我們已經可以語音控制音箱、電視和家居，人臉識別裝置也開始普及到生活當中。

但這還遠遠不夠?；叵胍幌拢瑸槭裁次覀冇袝r候打字說不明白的事，就想要電話溝通？有時候電話溝通也不行，必須當面談談才可以？

這是因為，人與人之間的交互是相當復雜的。不僅僅是語言在起作用，音色音調、表情、肢體動作，甚至一個人隱含的情緒、氣勢，都是人們之間進行自然交互的一部分。

但很顯然，今天的AI還做不到這點。

舉個例子，今天搭載語音交互的空調開始成為新時尚。用語音操縱空調當然相比遙控器方便了很多，但也無非就是換了一種遙控方式而已。消費者獲得的實質價值并沒有提升。但如果空調不僅能聽懂你，還可以看到全家人的位置、穿了多少衣服，還可以感知到屋子里的溫度、濕度，甚至每一個用戶的體表溫度。那么空調就可以自主分析制冷模式，給每個人提供最適合的降溫方案。畢竟空調病或者冷氣吹太多導致的感冒，發(fā)生幾率將大大降低。

這就是給機器加上“五感”，進行多模態(tài)綜合感知的魅力——機器不僅是接受遙控的一方，它可以主動理解人類，通過智能運算得出更好的主動服務方案。

此外，目前AI在處理自然交互的時候，完全依托于計算機科學的知識系統(tǒng)。這就導致其會忽視人類在情緒、心理甚至隱喻層面的表達需求——聽起來好像有點太難為人家機器了，但是沒辦法，精益求精嘛……

再舉個例子，人的語言中是帶著各種情緒的。雖然說一樣的話，但附帶的情感可能完全不同。我們回家讓音箱放一首歌，可能是因為我們非常開心想要來點助興的音樂，也可能是有事不順心，想要安慰一下自己。

假如機器可以聽出來人類語言中附帶的情緒，可以觀察到用戶是低沉還是興奮。那么給出的服務將完全不同，一句來自機器的問候下，可能很多讓人不開心的事都煙消云散了。

模態(tài)綜合與心理解讀，就像這兩座大山一樣橫亙在AI自然交互的家門口，他們是問題，同時也是拐點和機會。而此次阿里與清華的合作，核心訴求正是要搬走這兩尊山神。

在探索“下一代人機交互”的路上，清華與阿里巴巴將在情感認知計算、實體交互、多通道感知等領域開展研究，不但要讓讓機器具備聽覺、視覺、觸覺等綜合性的“五感”，還要加強其識別理解人類情感的能力。

假如能通識五感，理解情緒的自然交互方式出現，機器智能將開啟的，絕不僅僅是一扇大門。

被忽略的商業(yè)價值：“五新”增長元點藏于萬物智能

去年年底的時候，我們報道過阿里巴巴十二位科學家對今年科技走勢的預測。其中科學家們有一點共識非常值得注意：語音、視覺、傳感連接為一體的多模態(tài)機器交互技術，將在今年催生萬物智能的爆發(fā)。

幾天之前，阿里在深圳云棲大會上宣布，IoT將成為繼電商、金融、物流、云計算之后的第五條主賽道。顯然從產業(yè)層面印證了科學家們對今年的判斷。

這或許說明了，新一代的人機交互并不只是停留在實驗室里。而是正在以高調姿態(tài)走入產業(yè)世界，甚至成為“五新”戰(zhàn)略的重要支點。

舉個簡單的例子，我們就能看到多模態(tài)的自然交互在實際生活中多么重要。阿里有一個在地鐵站進行語音識別購票的案例。其要解決的核心問題是地鐵站中環(huán)境嘈雜，要準確識別到購票者語音很不容易。這就要求機器除了進行語音交互，擁有優(yōu)質的聲紋識別、降噪算法之外，還需要進一步確認買票人。阿里的解決方案是在售票機前加入人臉識別裝置，通過人臉和唇形識別來判斷究竟是誰在買票。

顯然，結合了語音交互和機器視覺、人臉識別的機器智能，很簡單就解決了一個生活中極重要的問題，而這個問題似乎又無法用其他方式來解決。事實上，新零售、新制造、新金融的世界中，近乎有無數場景等待著多模態(tài)交互的機器智能去攻破。

因為結合了語音、視覺、傳感，甚至機器嗅覺和機器觸覺的IoT設備，可以無限接近真人來為用戶提供服務。在零售和金融服務中，高效的多模態(tài)交互結合綜合計算、智能推薦技術，可以極大提高服務效率與商業(yè)精準度。

而制造業(yè)中讓機器與人類多模態(tài)交互，達到機器像人體一樣聽話，那么工業(yè)效率的提升近乎是難以估計的。家庭、駕駛、城市服務等場景中，如是案例更是不勝枚舉。

“五新”想要由舊變新，那么萬物智能似乎是不可替代的支撐點。在阿里選擇與清華共同研發(fā)下一代人機交互的時候，一盤新的商業(yè)增長棋局似乎也被阿里帶到了我們面前。

機器的因果：我們到底需要AI做什么？

更進一步說，自然交互的價值也不僅僅在于商業(yè)世界。就像文章開頭中描述的那樣，人類最初對AI的恐懼與擔憂，是縈繞在AI發(fā)展過程中永恒的達摩克利斯之劍。

到底如何達成消解恐懼與技術突破的雙贏呢？從率先開展的自然交互進擊中，我們似乎能讀到一絲阿里的技術觀：以人為本，馴服技術，讓機器始終是機器。

或許我們經常會聯(lián)想到AI的失控，是因為很多研究都是以技術為中心。那么隨著技術的一點點拓展，很多問題也隨之而來：機器道德、黑箱難題、數據災難，等等。而假如我們以“人到底需要AI和機器來做什么”為出發(fā)點，或許就會發(fā)現整個技術邏輯在變得不同。

馬云說“過去三十年我們讓人像機器，接下來三十年我們讓機器像人。但歸根結底要讓人更像人，機器更像機器”，其中隱藏的就是阿里技術邏輯的出發(fā)點和歸途。

交互升級，是人類與機器相處的本源命題，從杠桿、軸承、開關，到鍵盤、鼠標、觸屏，交互在一步步向人類舒服的姿勢靠攏。而接下來，語言、手勢甚至表情，當然是我們控制機器的更合理方式。

這條路上我們最終得到的，是能更好服務人類的機器，而不是人類無法理解的機器。這是一種我們很少去思考的AI觀：但假如我們認真思考一下到底發(fā)展AI、探索AI是為了什么，或許答案其實很簡單：為了讓人類過的更好。

只要永遠以人為本，機器的因果問題也就迎刃而解?；蛟S這種技術信仰會讓少部分科幻和陰謀論愛好者失望，但對于絕大多數人類來說，這是不需要選擇的選擇——機器會理解我們，并且我們不需要擔心ta。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。