重磅！全双工技术被公布 微软如何成为语音交互的领航者？

  不久前，拿到一台Yeelight语音助手，回家使用多日，非常方便，最大的感受还是里面的微软小冰。她是一位既有趣也有用的人工智能少女。拥有完整的智能家居设备控制技能。用户在一次唤醒小冰后即可进行连续对话，其间不再需要唤醒词。据微软方面表示，和小冰聊天的人最长记录达到4个多小时，用户总共说了1600多句话。总之，如果用一句话来评价小冰：那就是“神通广大”。

  微软小冰为何如此厉害？这背后离不开微软所拥有的核心技术。

  3月22日，微软(亚洲)互联网工程院宣布推出新一代语音交互技术：全双工语音交互感官(Full-duplex Voice Sense)，并且完成产品化落地，最典型的代表就是小冰。

  根据官方介绍，与既有的单轮或多轮连续语音识别不同，全双工技术可以实时预测人类即将说出的内容，实时生成回应并控制对话节奏，从而让长程语音交互成为可能。

  在使用时，用户不必多次说出唤醒词，一次唤醒，即可轻松实现连续对话。这大大提高和改善了用户体验，并且把语音交互的自然度推进到新层次。

  实际上，语音交互如此受欢迎，它已经成为对话式人工智能及智能硬件设备的基础之一。一方面，无论是国外的Facebook、亚马逊、苹果、微软，还是国内的阿里、百度、科大讯飞等，它们都在语音交互方面开展研究。

  另一方面，从智能音箱、手机到其他智能设备，语音交互成为必备功能。4年前，亚马逊凭借智能语音交互技术，重磅推出Echo产品，让智能音箱一炮而红。自此，多家厂商跟进，智能音箱市场几乎成为“百箱大战”，而国内市场依旧不愠不火。

  现在，笔者认为，一种转机正在出现：那就是微软小冰背后的全双工技术，它正在带来新的语音交互变革。

  先来看看微软小冰：

  小冰是微软(亚洲)互联网工程院基于2014年提出建立的情感计算框架，通过算法、云计算和大数据的综合运用，采用代际升级的方式，逐步形成向EQ方向发展的完整人工智能体系。

  目前，微软小冰已进入第五代，在中国、日本、美国、印度、印度尼西亚五个国家共14个平台上落地，包括中国大陆地区的微信、QQ、微博、美拍，美国地区的Facebook Messenger，以及日本地区的LINE等。

  全球小冰拥有超过1亿人类用户，对话数据超过300亿轮，进化速度不断加快。小冰与人类之间发生的最长一次单人连续对话，达到历史性的7151轮，不间断进行了29小时33分钟。

  这种语音交互变革或许是行业未来发展的方向之一。在微软(亚洲)互联网工程院副院长、微软小冰全球负责人李笛看来，“整个行业里，全球范围内正在发生一些趋势上的变化，而语音交互感官则意味着我们整体框架的最后一环开始补齐。”

  谈语音交互，不能不谈到人工智能语音交互底层的两种框架：第一种是Turn-oriented，以Facebook的M、苹果Siri、亚马逊Alexa、微软小娜为代表;第二种是Session-oriented，以微软小冰为代表。用中文来解释两种框架，第一种就是面向单个任务，第二种称之为面向对话全程。其思想与面向对象和面向过程的两种编程思想有异曲同工之妙。

  如何理解这两种框架？

  Turn-oriented(面向单个任务)：

  在李笛看来，Turn-oriented是大家遵循最早落地的原则，当初设计不同对话系统的时候，都会使用这种方式。“她的方式是一问一答，内容就可以传递过去，或者一问一答，再有一问一答，通过一个最少的多功能对话帮助你把任务完成。这是她优化的方向。”他说。

  Turn-oriented的框架中，每一个对话就像是一个十字路口一样。李笛说，“它像一个十字路口中间的交警，每次你输入一个命令，这个民警就会把你引导到相应的地方去。比如，问天气，它会把天气内容提炼出来，然后以对话的形式给你。这个任务完成后，一切又归零。”

  简单说，大家使用Siri或者其他的AI助手，都是这种典型的一问一答。如果回答不了，它会从网上搜索很多资料给你，让你查找自己所需信息。

  Session-oriented(面向对话过程)：

  相比Turn-oriented，这个系统更复杂一些。

  李笛表示，“对话就像河流一样，我们认为任何一个自然发生的对话，它是混合的。就像河流一样，从一个Turn往下一个Turn走。随着交流的发展不断引发出新任务，然后又随新任务引发一些知识的了解，是一个流转。”

  当对话关注整个过程时，那么对话过程的质量要高于任何一个单一完成的质量高低。在过去的对话系统，一个很难解决的问题是“痛苦”。比如，你跟它说，想要一个手机，然后它引导你到一个对话系统中，会问很多的问题。它的目的是最后给你一个很精确的答案。“但是这个过程非常的痛苦，不是它痛苦，而是你痛苦。”李笛说。

  而Session-oriented并不要求有很长的对话，它的问题在于从底层的基础框架上，是否随时准备好接受一个可能发生的情况。

  简而言之，Turn-oriented(面向单个任务)的上限决定了其未来的发展空间不够大。李笛表示，“我们1年多以前就开始进行全双工语音交互，包括让小冰给不同的人打了60多万个电话，用来测试。与单轮语音交互相比，全双工语音交互简直惨不忍睹。但是一旦越过一个点之后，就有极大的发展空间。”

  目前，全双工技术的应用让微软已经走在同行业之前。李笛提到，微软的布局是这样：我们做一个再做一个。在之前的社交平台上，小冰已经积攒了大量的用户。比如，小冰是腾讯QQ群的人工智能机器人。，并且李笛表示：“我们能够超越同行，不是因为小冰有多厉害，当然也有这个原因。她的前端表现形式很好，后端又采用了Session-oriented的框架，可以和人进行长时间沟通，能做许多事情。”

  现在，除了IoT平台、智能音箱，微软在车载方面也进行了将近一年时间的研究。

  更重要的是，当有些人把人工智能视为智能设备或其他硬件的一个功能时，李笛却认为，“当我们拥有一个人工智能系统时，无论是IoT，还是智能音箱和车载设备，它们都是人工智能的一个载体。”或许就像未来的小冰一样，变化无形，却又无处不在!