深度|致敬罗永浩:自然语言交互的背后是机器人大脑

图灵汇官网

罗永浩先生一直致力于革新人机交互的方式,希望通过自然语言交互使人们的生活更加便捷。在2013年的锤子Smartisan OS发布会上,锤子展示了其语音助手的初步成果,随后该技术成为了锤子手机中的语音搜索功能。到了2016年,锤子手机引入了科大讯飞的语音输入法,并发布了One Step和Bigbang功能。罗永浩曾表示,希望在未来6至12个月内,通过语音输入大幅提高手机文字输入和编辑的效率。

2017年5月,锤子发布了“闪念胶囊”,这不仅是一个语音记事本,还具备提醒记录、查电话、播放音乐、发送微信/微博/子弹短信、导航、查天气等多种实用功能。2018年,锤子在鸟巢发布的年度最具争议产品TNT,也被视为一种语音交互的个人电脑尝试。

尽管罗永浩先生在人机交互方面取得了不少成就,但他的产品更多是在功能上的创新,而非技术上的革新。有人认为他的产品缺乏智能化的语音处理。相比之下,罗永浩先生更像是一个产品经理,而我则专注于技术开发,特别是自然语言处理。

自然语言交互的核心挑战在于语义理解。它需要应对自然语言的不规范、不稳定和不完整性。例如,简单的词汇如“前进”可能会被误识别为“天津”或“强劲”,从而导致错误的处理结果。即使在文字输入中,同样的句子也可能因语境不同而有不同的含义。

自然语言交互不仅仅是识别文字,更重要的是理解用户的真实意图。这需要一个强大的“机器人大脑”,它能够根据上下文和对话背景来准确理解用户的意图。机器人大脑不同于传统操作系统,它需要通过复杂的思辨过程来处理用户输入,而不是简单地按照命令执行。

机器人大脑的系统结构是平行的,而不是菜单式的。这意味着它可以灵活地响应用户的需求,而不需要依赖固定的界面。相比之下,传统操作系统往往需要用户在不同的功能之间切换,这在自然语言交互中是不可行的。

自然语言交互的四大标准包括:差异性、同一性、模糊性和一致性。这些标准要求系统能够处理细微的语言差异,理解相同意思的不同表达方式,容忍输入错误,并且保持前后逻辑的一致性。实现这些标准的技术难度非常高,许多厂商仅靠搜索技术无法达到这些标准。

我们团队经过多年的研究,发现语义理解和知识库构建是实现自然语言交互的关键。我们自主研发的分词技术和语义理解算法已经取得了一定的成果,我们的产品也开始在市场上获得认可。虽然这条路充满挑战,但我们相信这是通往成功的正确方向。

本文来源: 图灵汇 文章作者: 华红兵