2015年8月孫正義曾經(jīng)在發(fā)布會(huì)上預(yù)言機(jī)器智能將在2018年超越人類智能。現(xiàn)在2018年還剩下幾天就要過(guò)去了。機(jī)器智能超越人類智能了嗎？

我們看到這么多年來(lái)，在語(yǔ)音識(shí)別和圖像識(shí)別方面，機(jī)器智能確實(shí)在飛速發(fā)展。

但，語(yǔ)音識(shí)別和圖像識(shí)別只是機(jī)器智能的一部分。在自然語(yǔ)言交互——語(yǔ)義理解方面，市場(chǎng)上始終沒(méi)有很好的產(chǎn)品。

SIRI視頻中描繪的景象和我們?cè)诳苹闷锌吹降闹悄軝C(jī)器人，他們和人類的交互方式都是自然語(yǔ)言交互。他們都對(duì)語(yǔ)義理解有很強(qiáng)的依賴性。實(shí)際上，只有做好語(yǔ)義理解，人類才能和機(jī)器人進(jìn)行自然語(yǔ)言交互，機(jī)器人才能普及，人工智能時(shí)代才會(huì)到來(lái)。

就在前不久，我們收到了JIBO賣掉的消息。很多人估計(jì)是看了JIBO創(chuàng)始人發(fā)布的視頻才進(jìn)入機(jī)器人行業(yè)的。我一直是看衰JIBO這個(gè)產(chǎn)品的。因?yàn)樗麄兊囊曨l做得太棒了。完全不顧技術(shù)基礎(chǔ)。一般那樣做宣傳的公司都會(huì)死掉，因?yàn)榻o用戶的預(yù)期太高了。做好自然語(yǔ)言交互是非常非常非常難的。

以前我講語(yǔ)義理解，人家不知道是什么，以為只是語(yǔ)音識(shí)別的附屬品?，F(xiàn)在越來(lái)越多的人知道語(yǔ)義理解是個(gè)細(xì)分領(lǐng)域。比如，“前進(jìn)”到底是什么意思？語(yǔ)音識(shí)別識(shí)別出這個(gè)字，但理解是什么意思，就是語(yǔ)義理解的工作。有時(shí)候語(yǔ)義理解是在語(yǔ)音識(shí)別之后的。但用文字和機(jī)器人交流的時(shí)候，就只有語(yǔ)義理解沒(méi)有語(yǔ)音識(shí)別。

JIBO沒(méi)解決好的問(wèn)題，可能有一部分就是語(yǔ)義理解。

幾年以前就有公司宣布他們做機(jī)器人操作系統(tǒng)。百度就一直在推DurOS，他們推的就是機(jī)器人的操作系統(tǒng)。但比起操作系統(tǒng)，機(jī)器人更需要一個(gè)大腦。為什么呢？

首先講講什么是機(jī)器人大腦。我們和一個(gè)人聊天，即使對(duì)方?jīng)]聽(tīng)清你說(shuō)的什么，他依然能從只言片語(yǔ)推斷出你的意圖。這是因?yàn)閷?duì)方是有智慧的。如果機(jī)器人要理解人類自然語(yǔ)言，一樣需要擁有人類的智慧。機(jī)器人大腦是一套系統(tǒng)，它讓機(jī)器擁有近似人類的智慧，能讓機(jī)器理解人類自然語(yǔ)言。自然語(yǔ)言就是我們?nèi)粘＝涣魇褂玫恼Z(yǔ)言，它和機(jī)器語(yǔ)言是相對(duì)而言的。自然語(yǔ)言的特點(diǎn)就是不標(biāo)準(zhǔn)、不完整、不穩(wěn)定。而機(jī)器語(yǔ)言是命令化的，它的特點(diǎn)就是標(biāo)準(zhǔn)、完整、穩(wěn)定。

比如，我們需要機(jī)器幫我們查賬戶余額，據(jù)有人統(tǒng)計(jì)過(guò)，我們?nèi)祟惪梢杂?000多種不同的表達(dá)來(lái)表達(dá)這個(gè)意圖。這是自然語(yǔ)言的不標(biāo)準(zhǔn)性。倒裝句，同義詞等等都會(huì)導(dǎo)致表達(dá)的不標(biāo)準(zhǔn)。

我們經(jīng)常說(shuō)省略句，有時(shí)按約定俗成進(jìn)行表達(dá)。這都是自然語(yǔ)言的不完整性。比如上一句說(shuō)“你公司有多少人”，下一句就會(huì)省略掉主語(yǔ)說(shuō)“在哪里”。

我們說(shuō)“中國(guó)足球誰(shuí)都打不過(guò)”，目前看是貶義。假設(shè)過(guò)了很多年，中國(guó)足球天下第一，見(jiàn)誰(shuí)滅誰(shuí)，還是這句話，一個(gè)字都沒(méi)變，語(yǔ)義卻成了褒義。

操作系統(tǒng)只能處理標(biāo)準(zhǔn)化的機(jī)器語(yǔ)言，機(jī)器人需要的是能處理自然語(yǔ)言的擁有人類智慧的機(jī)器人大腦。語(yǔ)義理解是機(jī)器人大腦的核心。如果讓操作系統(tǒng)處理語(yǔ)言，機(jī)器就還是個(gè)機(jī)器。比如你說(shuō)“前進(jìn)”，語(yǔ)音識(shí)別識(shí)別成了“天津”，機(jī)器打開(kāi)天津地圖。這就是操作系統(tǒng)在處理。如果換成機(jī)器人大腦，它要思辨一下用戶的意圖是什么？根據(jù)用戶的意圖給出用戶處理結(jié)果。如果是在運(yùn)動(dòng)控制狀態(tài)下，即使語(yǔ)音識(shí)別把“前進(jìn)”識(shí)別成了“天津”，依然按照前進(jìn)處理。

做好機(jī)器人大腦不光是個(gè)技術(shù)活。它首先是一門哲學(xué)，其次是一門科學(xué)、最后才是個(gè)技術(shù)，是個(gè)工程。

現(xiàn)在恐怕沒(méi)有關(guān)于機(jī)器人大腦的權(quán)威定義。因?yàn)槿藗儗?duì)這件事的認(rèn)知還比較淺。很多人不認(rèn)為機(jī)器人需要個(gè)大腦，有操作系統(tǒng)就夠了。其次機(jī)器人大腦系統(tǒng)結(jié)構(gòu)應(yīng)該是啥樣的？幾乎沒(méi)人能講清。最后，作為機(jī)器人大腦的核心的語(yǔ)義理解是什么，也沒(méi)多少人能講清。很多人認(rèn)為搜索就是語(yǔ)義理解。很多人用搜索技術(shù)做語(yǔ)義理解。這是認(rèn)知的部分，是哲學(xué)的部分。很多人在認(rèn)知上存在局限，自然做不好機(jī)器人大腦。

在我們看來(lái)，機(jī)器人大腦由以下幾個(gè)部分構(gòu)成：

第一：系統(tǒng)結(jié)構(gòu)。操作系統(tǒng)的結(jié)構(gòu)是菜單式的。它是面向用戶的，它展示一個(gè)用戶可以理解的菜單給用戶操作。機(jī)器和人通過(guò)自然語(yǔ)言交互，它理解人，不需要人理解它。它的系統(tǒng)結(jié)構(gòu)是平行的。從一個(gè)任務(wù)（對(duì)話場(chǎng)景）到另一個(gè)任務(wù)（對(duì)話場(chǎng)景）通過(guò)思辨完成，可以自由切換。想進(jìn)入則進(jìn)入、想退出則退出、不想進(jìn)入則不進(jìn)入、不想退出則不退出。

第二：自然語(yǔ)言語(yǔ)義理解能力。這部分功能主要是理解用戶通過(guò)自然語(yǔ)言表達(dá)的用戶意圖。我們提出了語(yǔ)義理解的四個(gè)標(biāo)準(zhǔn)：差異原則、同一原則、模糊原則、一致原則。差異原則即理解語(yǔ)言的細(xì)微差異。比如“你干什么的”和“你干什么”，差一個(gè)“的”，語(yǔ)義不一樣。同一原則處理一個(gè)問(wèn)題的多種表達(dá)。比如“員工可以帶家屬參觀公司嗎”和“家屬可以參觀公司嗎”關(guān)鍵字不同但語(yǔ)義相同。模糊原則是指對(duì)用戶表達(dá)的容錯(cuò)；即使用戶表達(dá)有一定錯(cuò)誤，也能處理。比如用戶說(shuō)“給我往前周”，就應(yīng)該理解成“給我往前走”。我們有語(yǔ)音相似計(jì)算工具專門處理這個(gè)。一致原則就是機(jī)器人說(shuō)的話要前后一致。不能一會(huì)說(shuō)“我是男的”一會(huì)說(shuō)“我是女的”。要做到這四點(diǎn)還是很難的。

第三：知識(shí)。其實(shí)一個(gè)7-8歲的小孩的智力水平已經(jīng)和成年人很接近了。他們只是學(xué)的知識(shí)不夠多。系統(tǒng)和自然語(yǔ)言處理能力只是決定了機(jī)器人的智力水平，只有機(jī)器人擁有知識(shí)才能變得更加聰明。因此需要培養(yǎng)機(jī)器人，就是教機(jī)器人知識(shí)。這部分工作雖然難度不大，但工作量很大。需要全社會(huì)一起協(xié)作才能完成。互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)之所以強(qiáng)大就是因?yàn)橛写罅績(jī)?nèi)容。而這些內(nèi)容是全社會(huì)一起參與提供的。機(jī)器人的知識(shí)也需要全社會(huì)參與建設(shè)。

自然語(yǔ)言語(yǔ)義理解是科學(xué)的部分。系統(tǒng)開(kāi)發(fā)是技術(shù)的部分。整個(gè)機(jī)器人大腦建設(shè)是工程的部分。

我認(rèn)為整個(gè)機(jī)器人大腦建設(shè)的工作量要比登月工程大多了。

通常說(shuō)一個(gè)機(jī)器人很聰明，基本都是感覺(jué)上的判斷，沒(méi)有客觀評(píng)測(cè)標(biāo)準(zhǔn)。即使大名鼎鼎的圖靈測(cè)試也是感官上的評(píng)測(cè)。只有系統(tǒng)結(jié)構(gòu)機(jī)器人大腦，才能對(duì)機(jī)器人大腦的優(yōu)劣做出評(píng)測(cè)。