搜狗王小川:语音和图像都不是搜索的未来,“问答”才是

来源:岁月联盟 编辑:exp 时间:2016-11-01

  摘要:“我们不是在强调语音还是图像,而是让机器最开始理解你想表达什么,而转换成更丰富的表达方法。”

  

搜狗公司CEO 王小川

 

  搜狗公司CEO 王小川

  【钛媒体综合】毋庸置疑,在今年,“人工智能”这个话题已经成为了国内各大互联网公司们迫不及待想要抢占的公众舆论的领地,我们暂且不论各家所掌握的技术究竟如何,以及人工智能未来的发展方向到底是什么。

  在近日举行的搜狗2016年联盟峰会上,搜狗公司CEO王小川作了以《搜狗的人工智能之路》的主题演讲,也借“人工智能”这一话题谈了谈搜狗公司下一阶段发展战略。演讲中,王小川认为,人类对于人工智能的终极描绘,始终是同人类一样进行自然语言交流,这也是搜狗人工智能的发展目标。

  王小川预测,人工智能存在着虚拟世界和机器智能两个体系,其核心在于“机器参与到人的决策之中”。因为人工智能满足了人类社会更大的需求,一是让人类找到了自己的存在感,二是降低了人的判断,把决策交给了机器。

  之于搜狗要做人工智能这条路,在王小川看来,搜索引擎天然地与人工智能核心相关,搜索是未来人类智能时代的明珠。

  “因为人工智能是建立在大数据、云计算和机器学习的基础之上,搜索引擎天生就是这三个领域里面最核心的技术载体。”

  王小川表示,语音搜索和图像搜索都不是搜索的未来,“问答”才是。在人工智能时代,搜索引擎有能力从关键词提问变成十条结果,给使用者一个精准的答案。

  “我们不是在强调语音还是图像,而是让机器最开始理解你想表达什么,而转换成更丰富的表达方法。”

  因此,王小川在演讲中透露,搜狗的下一个很大的目标是把搜索引擎从今天的关键词系统变成问答系统,并且系统已经逐步上线这样的能力,目前有5%-10%的问题可以给出直接答案。

  作为目前搜狗最核心的武器之一,输入法接下来又会有怎样的变化呢?王小川说,今年最火的输入法功能介绍里,语音识别和图像识别变成了很重要的部分。在拥有巨大的用户数据量的同时,语音输入可以做到更极致的状况,包括语音合成、声纹识别、打断处理等等。

  “在谈人工智能、谈对话系统的时候,输入法是通向通用对话系统最佳的路径。”王小川始终相信,搜狗通过输入法这样的用户场景帮助收集数据,能抢占人工智能领域最终极的制高点。(钛媒体记者李程程整理报道)

  以下是王小川的演讲实录:

  在今天的分享当中,我可以不用去将一些搜狗的现有业务,而是跟大家来谈,往下几个新的理念,因此我会讲得更远一些,谈谈搜狗的人工智能之路,大家在这里面可以感受到一些我们的战略。

  在阿尔法狗打败李世石的第三场后第一个工作日,当天搜狗放假,庆祝这样一个胜利,把它叫做“狗胜节”,阿尔法狗的胜利。在这里,我们看到了一个新时代的到来,就是人工智能。所以我本人在大学的时候,从大一开始就在学习人工智能,那么为什么到了2016年还有这样一个变化呢?其实不只是技术本身的一个突破,而是在市场上、在媒体上有了一个巨大的变化。

  因此我们可以看到,人工智能在今年之前有两波热潮。但是我们看到,在以前,做人工智能只存在于高校,现在参与人工智能的企业是以前的数倍,今年开始人工智能开始真正走向了实用。

  人工智能两个体系:虚拟世界和机器智能

  在我的预测里面,人工智能往下走主要是两个体系,一个是虚拟世界,另一个是机器智能。前者怎么理解呢?不是讲的简单的头盔显示,我想讲的是搜狗并不擅长的一个领域,像游戏、小说、音乐、视频,这些领域的技术发展,把我们带向了虚拟世界,那是文化创意产业。

  这是满足人类社会更大的需求,一是让人类找到自己的存在感,二是降低人的判断,把决策交给机器。因此我们知道,人工智能的意义,不仅是在识别、生成,而核心是在机器参与到人的决策之中。

  今年年初的时候有些媒体朋友问我,搜狗是要转型做人工智能了吗?用的是转型这个词。我说不对,你对人工智能不了解,因为人工智能是建立在大数据、云计算和机器学习的基础之上。搜索引擎天生就是在这三个领域里面最核心的技术载体。从我们的技术从我们的业务向人工智能迈进,所以我说搜索的未来是人类智能时代的明珠。这是我对未来的预言。大家就会问未来是什么?搜索的未来是什么?人工智能的未来是什么?为什么是明珠呢?

  我们人在理解智能的时候,从科幻的角度或者从科学家角度来讲是什么是什么?60年代,图灵研发的人工智能,就是一台能对话的机器。以至于你不知道对面是人还是机器。大量的文学作品或者科幻电影里也提到了一台能够对话的机器,能回答问题,像大白或者星级穿越里的机器人。

  阿西莫夫写的《最后的问题》这本小说里,构建了一台终极机器。他说人控制地球,甚至银河系里的全部资源,来打造一台能回答问题的机器。这本小说很短,故事里面这台机器几乎能回答人类所有问题,只有一个问题不能回答,宇宙是怎么诞生的?这部小说最后,这个机器想明白了,叫做“要有光”,于是这个机器重新创建了宇宙。这是一个科幻片。所以我们终极对人工智能的理解力,大多人会认为这是一台能够去思考、能够去对话的机器。这里对人工智能未来终极的理解。

  搜索的未来是什么样的?

  搜索未来会怎么样?未来是语音搜索吗?以后大家说“王小川”去搜索,不要这样,应该用语音去讲。其实我觉得语音搜索能够带来的附加增值并不大,也许从口音里能听出来我说话的声音是有四川口音,是不是给我点四川的内容?这个意义很小的。是图像吗?这两年图像发展也非常快,或者是个性化,或者是推荐系统。其实在我心中这些地方都不是搜索终极要解决的问题。

  那会是什么?我的回答是“问答”。我们可以理解今天的搜索引擎是我们输入一个关键词,然后给你十条答案或者十个结果,让用户自己在里面做选择。但是这是我想的最终效果吗?用关键词去获得答案。并不是。我们对答案是不满意的,我们需要的是一个精确的答案。即便通过个性化,我们并不可能就知道这个答案是否对你更好。

  比如洪涛和我已经一起工作了十多年。我跟他说两个字“搜狗”,洪涛一定不知道我要什么。我即便说“搜狗收入”,也不知道我在说什么。所以个性化附加的价值是并不大的。我们能够解决问题的唯一方法是用自然语言去提问。比如说我问洪涛,我们三季度的收入怎样?这个时候他就能给我一个我想要的答案。因为一个关键词里面并不包含有完整的信息。事实上在我们的搜索引擎里,今天的关键词输入占97%。

  我从99年开始接触搜索引擎,那时候人更习惯于整句子搜索,我漂亮吗?这是搜索的第一个请求,机器回答不了这个问题。事实上当今天为什么大家不这么用了?是机器不够智能,解决不了这么多的问题,所以变成了一个关键词给你十条答案。未来的趋势真的会变成给问题给一条答案。Google也是这么做的。

  在未来的搜索70%的用户请求是应该给答案的,这跟我们去理解用户的需求是高度一致的。人工智能时代的到来会使得搜索引擎有能力从关键词提问变成十条结果,改变成一个问题,给你一个精准的答案。这样让人的表达变得更加自然,也给更精确的意义。

  乔布斯最大的贡献是让人用最自然的方法交流。以前用键盘、后来用鼠标,后来发明了智能手机,我们知道五个手指去进行交互,触屏颠覆了手机行业。 在搜索领域或者人机交互领域更多不是讲语音识别,而是语言理解带来了问答。在国外的各个企业也在做这个事情,苹果、Facebook、谷歌、亚马逊都在做,但是第一家推出问答系统的是苹果。

  为什么不是谷歌?苹果的效果并不是很好,用过苹果手机的都应该有体验。并不是苹果技术不够,我更原因相信的是乔布斯在他临终前,以早产的方式把这样一个系统推向市场,Siri系统是iPhone4s里发布的,乔布斯在病床上看着这场发布会后,第二天他就去世了。

  我相信在这个战场上谷歌会后来居上,不仅是技术积累谷歌更多,同时谷歌面临的这个问题和搜索是一脉相承的。搜狗往下一个很大目标把搜索引擎从今天的关键词系统变成问答系统。我们系统已经逐步上线这样的能力,大概有5%-10%的问题可以直接给答案,未来会有这样一个变化。

  我们一开始给搜狗的一个使命是让表达和获取信息更简单。获取信息就是能够给答案,表达也变得更简单,用语音的方式或者文字的方式驱动一个问句,这是表达。

  除了搜索以外,搜狗还有一个核心武器是输入法。输入法的表达里是最重要的一个工具,它又有什么样的进化?

  输入法和人工智能

  输入法究竟是不是一个高技术?搜索的公司去做输入法,很容易把一些领先技术放进去。搜狗输入法诞生第一天就是一个大数据的产物,那是2006年。为什么搜狗输入法在当年变得这么智能?我们当时还没有大数据这个词,我们会说我们把整个互联网网页通过搜索引擎抓下来然后放成输入法的词库,计算每个词的词频、计算语法规则。用今天的表达就是大数据。

  输入法也是云计算的产物,如果用搜狗输入法会发现输入的时候会在键盘上有一朵小云飘起来,这时候结果非常准,原因是我们识别到本地的计算最终结果可能不够好,就会把这样的输入提交给服务器,云端提供更强大的计算和存储力来计算得到更高的品质。

  输入法同时也是人工智能的产物,今年最火的输入法功能介绍里,语音变成很重要的一部分,随着人工智能深入学习的突破这个技术变得实用。还有一个功能,图片识别功能,在图片上扫描出文字进行输入。

  这些都是最终极吗?我们从语音说起,今天搜狗输入,一天能处理的数据量到1.9亿次,比全中国其他家所有做语音识别的公司,在线做的语音识别的量加起来更大的值。我们一天的识别会产生数十万小时的语音数据,这个数据超越了今天中国主流公司进行语音识别所用的语料的规模,是在搜狗这样的用户上再加上数据积累上,我们有这样的技术,把语音输入做到更极致状态,语音的合成、声纹识别、打断处理等等。

  我们可能宣传工作做的还不够,但是输入法里面已经为用户提供了很多方便的服务。我心中这不是输入法的未来,只是现在。

  搜狗人工智能方向:自然交互和知识计算

  未来是什么?我播放一段视大家看一看。这是概念性的视频,和今年下半年要推出的功能有相近之处。为了保密的原因,这里展示的不是我们最终的功能,最终的功能要比这个更惊艳!

  这个视频给大家一个基础概念,我们不是在强调语音还是图像,而是让机器开始理解你想表达什么,而转换成更丰富的表达方法,可能是一个餐饮信息、可能是一个地图、可能是一个百科,可能是一首歌也可能是其他,今年下半年我们会推出的其他内容。除了分享外,还有智能回复的功能。

  通过这两段视频,我想表达的含义——我记得几年前我们作了一个讨论,技术的进步是让人变得更加强大了?还是更加弱小了?我的回答很简单,如果把自己和技术放在一块儿,我们变得更加强大。今天的90后很厉害,他们才20多岁,就可以自己定机票到岛上旅游,因为有了互联网给他们提供了技术能力。但离开了这些技术工具我们比古人弱很多。

  我内心当中我相信通过技术来改造人类,把我们也许变得更加傻,但是和技术在一块儿的时候我们变得更加强大。输入法的未来不只是在表达里面作为一个工具,而是跟你合体,它知道你想说什么,它知道你在回答什么。也许未来人们给你提问的时候,不用你动脑,而是机器代替你做这样一个回复。这是输入法未来需要解决的一个问题,通过智能处理跟人有新的合体。

  对于输入法的理解,在谈人工智能、谈对话系统的时候,输入法是通向通用对话系统最佳的路径。很多公司在研究对话系统,但是到今天没有一个成熟的使用场景。搜狗不仅有这样的技术积累,更重要的是我们有这么大的一个用户场景帮助我们收集数据、帮助我们在改进中间做迭代,这是在做人工智能终极里面占据的一个制高点。

  让表达和获取信息变得更简单,我们需要做到两件事情。一件是自然交互,不仅是语音而是语义,是自然的沟通。另一件事情是知识计算,只有当机器更加智能、更加懂语言的时候,我们的搜索、我们的输入、我们的人工智能才能通向终极的高度。

  这是今天和大家作的分享,谢谢!