專訪小米AIoT高管：通過AI提升國內(nèi)制造業(yè)整體水平

2020年11月5日，小米成功舉辦MIDC2020開發(fā)者大會。大會以“生活的科技”為主題，通過展示小米在相機(jī)、屏幕、充電、AI、IoT、智能制造等多個領(lǐng)域取得的重大突破，充分展示了小米的技術(shù)實力。

本次大會，小愛同學(xué)5.0版本帶來五大升級，從傳統(tǒng)的語音助手升級為智能生活助手，給消費者提供更好的智能生活體驗。

此次2020MIDC小米開發(fā)者大會上，小愛同學(xué)三維虛擬形象首次亮相，和崔寶秋的一段順暢互動成為大會一道亮眼風(fēng)景。除了極具特色的虛擬形象，小愛同學(xué)5.0還升級了五大貼心功能，具體體現(xiàn)在全場景智能協(xié)同、對話式主動智能、定制化情感語音、多模態(tài)視覺能力和智慧學(xué)習(xí)好助手方面。

得益于小米前瞻性的生態(tài)鏈布局，龐大的智能硬件產(chǎn)品也為小米的AI技術(shù)落地提供了沃土。過去一年，小米在視覺、聲學(xué)、語音、自然語言處理、知識圖譜、機(jī)器學(xué)習(xí)等領(lǐng)域均取得了技術(shù)上的突破進(jìn)展。比如超級夜景、魔法換天、魔法分身、Vlog、通話降噪、陣列增加等全新技術(shù)都已經(jīng)在最新發(fā)布的硬件產(chǎn)品中得以應(yīng)用。

發(fā)布會后，小米集團(tuán)人工智能部總經(jīng)理、AIoT戰(zhàn)略委員會副主席葉航軍，小米人工智能部AI實驗室主任、NLP首席科學(xué)家王斌以及人工智能部副總經(jīng)理王剛共同接受了記者的采訪，以下是本次采訪的部分摘要。

小米在人工智能方面短期和未來長期的計劃和目標(biāo)

葉航軍：短期的目標(biāo)比較明確，目前兩個大的方向，一個就是AI產(chǎn)品和小愛同學(xué)要支持好公司在智能生活的戰(zhàn)略，就是手機(jī)×AIoT構(gòu)建智能生活的戰(zhàn)略，短期目標(biāo)就是要把這個事情做好。因為在手機(jī)×AIoT戰(zhàn)略里面，小愛是個非常重要的環(huán)節(jié)，可以認(rèn)為是一個入口環(huán)節(jié)和落地的作用。

另外一個就是AIoT方向，這六大技術(shù)方向現(xiàn)在都有非常明確的業(yè)務(wù)和落地場景，因為AI大家對它的期望很高，其實它有非常多的技術(shù)問題解決得還很不好，這是我們后面要努力把這個事情做好的一個決心。這是短期的目標(biāo)。

長期目標(biāo)，我理解主要是兩個，一個就是要把智能做得更深入一些。現(xiàn)在很多環(huán)節(jié)其實并不智能，這個是我們需要把整個在小米的業(yè)務(wù)體系里面，把各個層面的智能要做得很深入，除了用戶可見的產(chǎn)品體驗以外，還有一些不太容易注意得到的，比如說客服也是需要智能的，因為大家可能有個不太好的體驗，就是打了客服電話就讓你等，讓你等的原因是接線員不夠多，接線員不夠多的原因是成本問題。大部分人客服的問題70%、80%都是相對比較簡單的問題，對目前的AI來講都是AI能解決的問題，所以我們現(xiàn)在也在加大投入，這可能是用戶不太會想到的一個場景。一個長期目標(biāo)就是要把各個環(huán)節(jié)的智能化做得更深入。

第二個方向就是往產(chǎn)業(yè)的上游去做，我們今天講了智能制造，這是我們非常重要的一個場景。小米除了向消費者直接提供產(chǎn)品之外，也是希望通過技術(shù)來幫助整個國內(nèi)的制造業(yè)提升制造水平，智能制造里面非常重要的技術(shù)就是AI技術(shù)，這是我們的一個長期目標(biāo)。

小愛同學(xué)的動態(tài)語音識別技術(shù)的前景

王斌：先講講動態(tài)語音識別技術(shù)，動態(tài)語音識別技術(shù)是說模型的更新非?？?，語音識別還是根據(jù)線上各種反饋，根據(jù)發(fā)展會不斷的動態(tài)調(diào)整。但傳統(tǒng)的這種語音識別模型都非常非常大，進(jìn)行調(diào)整是比較耗代價的，比如說以前一周更新一次，但是我們這個技術(shù)把它碎片化，通過技術(shù)上變成一個可迭代的增長式模型，在很短的時間內(nèi)可以不斷的進(jìn)行動態(tài)的調(diào)整。這個叫動態(tài)語音識別技術(shù)。

當(dāng)然這個技術(shù)未來還有非常大的發(fā)展空間，比如說我們針對不同的人，其實不同的人大家都知道，語音識別其實跟人有關(guān)，有些人他識別得好一些，有些人識別得差一些。我們這個報告里面都講了是一個平均水平，但實際上到真正每一個用戶又不太一樣，前幾天有一個視頻我覺得挺好玩的，就是一個老外特別喜歡小愛同學(xué)，但是他發(fā)音不太準(zhǔn)，他就很生氣。也就是說語音識別本身并沒有我們想象得那么如意，針對不同的人、不同的水平、不同的階段，它的識別率并不能達(dá)到通用的很高的水平，所以這種情況下，未來我們會做個性化，針對不同的人進(jìn)行不同的訓(xùn)練，來動態(tài)調(diào)整模型，使得對所有的用戶的感覺都很好，這就是我們最終的目標(biāo)。所以，這個動態(tài)語音識別技術(shù)未來來看還是非常有前景的。

小愛同學(xué)在多輪對話方向上的進(jìn)展

王剛：多輪對話確實是我們?nèi)ツ暝谛弁瑢W(xué)3.0的時候就重點做的功能，2018年3月份就啟動了多輪對話的研發(fā)，到今天也接近三年的時間了。在這個多輪對話上，我們還是面對到了一些技術(shù)的挑戰(zhàn)，在現(xiàn)有技術(shù)的框架下，現(xiàn)在的技術(shù)框架叫做AUS框架，去表述用戶自然語言的處理，我們是逐步去優(yōu)化的，多輪的時候，從技術(shù)框架去解決多輪問題的時候，還是遇到了一些困難。多輪的理解對整個理解的表示能力上來講，它是很受限，所以我們現(xiàn)在首先在現(xiàn)有的技術(shù)框架下去逐步的突破對多輪的理解力，多輪理解力我們現(xiàn)在內(nèi)部已經(jīng)做出200多種組合的多輪對話能力。比如說你問小愛同學(xué)假如說北京天氣怎么樣，明天去哪兒更好玩，我們會把上文“北京”帶下來，有這種上下文知識的傳遞。我們內(nèi)部現(xiàn)在有200種組合能力的對話，怎么樣更好的針對多輪對話有一個更自然的全面理解，這一塊是更需要更新的技術(shù)突破，在現(xiàn)有技術(shù)框架下，用戶進(jìn)行多輪對話有一個全面自然的問題的解決的。

然后我們從產(chǎn)品側(cè)的話，也發(fā)現(xiàn)用戶對多輪對話這個功能還是喜愛的，自從我們?nèi)ツ臧l(fā)布了多輪對話到今天為止，因為現(xiàn)在有一個開關(guān)，用戶可以在這個設(shè)備上打開多輪對話，然后跟用戶的交互就變成了你只需要一次喚醒，就可以多輪對話了，現(xiàn)在每天大概有200萬人跟小愛同學(xué)進(jìn)行多輪對話，當(dāng)然可能會有很多話會在多輪的場景下回答的像單輪，就是多輪長距離的下下文的理解可能還不是很少。

小米AI的核心競爭力

葉航軍：我理解不少廠商對AI的判斷大致一致，大家都覺得這是一個核心競爭力，這個不會有問題。每個公司都會有自己的核心競爭力，我理解對小米來講，可能是幾個層面吧，第一個層面還是場景，這是取決于每個公司不同生態(tài)，手機(jī)×AIoT是最大的場景，從場景開始比如說到數(shù)據(jù)的理解，如果這是你的場景，你必然會對用戶更理解，長期積累下來這會是你的優(yōu)勢。再往下是算法，算法也是為場景和數(shù)據(jù)服務(wù)的，最后是人才，因為你不同的生態(tài)、不同的場景會吸引不同的人過來，你要找到最合適你的生態(tài)的人才，然后最終效果才會變得最好，我的理解是這個層面的。

小米AI在發(fā)展過程中遇到最大的挑戰(zhàn)

葉航軍：最大的挑戰(zhàn)也是人才，如果媒體朋友們關(guān)注到我們MIDC上的演講，我也大概分享了一下小米發(fā)展的歷程，比較里程碑的一年就是2016年，第一次把人工智能升級為公司的戰(zhàn)略，也是第一次成為了獨立的團(tuán)隊，之前也有工程師在做AI算法，但是分落在不同的業(yè)務(wù)團(tuán)隊里面，2016年第一次升級為公司的戰(zhàn)略，也有了獨立的部門。小米進(jìn)入AI戰(zhàn)場不算特別早，那個時候決定進(jìn)到公司有比較激進(jìn)的計劃，希望能夠很快有產(chǎn)品出來，其實對團(tuán)隊的要求是非常高的，當(dāng)時最大的挑戰(zhàn)就是人才。

解決方案有幾個，一個就是從內(nèi)部轉(zhuǎn)了一些有經(jīng)驗的管理者和專家，其實我和王剛博士都是那時候轉(zhuǎn)崗過來的，之前我是云技術(shù)的負(fù)責(zé)人，王剛博士是數(shù)據(jù)平臺的負(fù)責(zé)人，我是2012年加入小米的，王剛博士是2013年加入的，我們剛開始來的時候都不是AI方向的，我們是2016年轉(zhuǎn)到這個方向的。

我們轉(zhuǎn)的原因是因為我們之前有這個背景，我在清華讀博士是計算機(jī)視覺背景，王剛博士是在香港科大做機(jī)器學(xué)習(xí)的背景，本身我們是有這個專業(yè)背景的，正好公司有這個需求，招聘也來不及了，就先轉(zhuǎn)吧，然后我們倆當(dāng)時就從別的部門直接轉(zhuǎn)到AI這個方向了。這是應(yīng)急的辦法，然后又加緊招聘，王斌博士是2018年加入的，他作為招聘的一個代表，本來是行業(yè)專家，2018年加入了小米。另外一個渠道就是自主培養(yǎng)，我們會招很多應(yīng)屆生去培養(yǎng)，基本是這三個方式解決這個問題。

MiNLP和其他開源NLP的差異性

王斌：開源的NLP工具蠻多的，我們大致上能看到的開源工具分兩類，一個是學(xué)術(shù)界開源，一個是工業(yè)界開源。學(xué)術(shù)界開源對學(xué)術(shù)的研究幫助很大，它里面會做得相對模型非常多，非常復(fù)雜，然后有它的一些優(yōu)勢，我們在之前也學(xué)習(xí)了不少。另外是工業(yè)界開源，剛才提到了百度還有一些公司也開源了他們的工具，為什么？大概是根據(jù)他們的特點。比如跟學(xué)術(shù)界相比，我們是工業(yè)級的代碼，經(jīng)過了一兩年，我們上線時間也很長，到現(xiàn)在開源是因為我們經(jīng)歷了很多考驗，最后才把這個好的版本拿出來，所以我們是一個經(jīng)過工業(yè)界上線考驗的一個代碼的版本，所以這是一個工業(yè)界開源很好的一個辦法，并不是純學(xué)術(shù)的。特別是對一些公司來說，我相信拿過去之后可以直接上線學(xué)術(shù)，這是它和學(xué)術(shù)界版本的不同。

和工業(yè)界相比有很多特點，我們設(shè)計這個系統(tǒng)的時候也參考了別人的一些工作，然后我們針對具體的一些東西提出自己的特點。這里面其實蠻多，包括支持的系統(tǒng)也不一樣，比如百度開源，它可能支持某一類底層的系統(tǒng)，這個可能是有區(qū)別的。另外，比如說我們支持了多種標(biāo)準(zhǔn)的分布式系統(tǒng)，另外我們支持非常靈活的干預(yù)，因為大家知道，通用的分支系統(tǒng)在線上很容易出現(xiàn)不太好的結(jié)果，因為通用的東西很難代表線上各種復(fù)雜的情況，所以我們這里面開源過程中也考慮了隨時進(jìn)行干預(yù)的一種機(jī)制。這種干預(yù)機(jī)制其實是在一開始設(shè)計的時候就會去考慮的，如果說只是一個模型放出來，其實第三方在使用的時候是沒辦法進(jìn)行干預(yù)。所以我們放出了一個可以隨時干預(yù)的版本，用戶可以很靈活的把自己的一些東西放上去，然后能夠在很短的時間內(nèi)獲得一個更符合線上需求的版本。

除了這個之外，可能還有其他一些特點，我們會在說明書當(dāng)中講出這些特點，這樣的話其實也是給用戶一個不同的選擇。當(dāng)然在內(nèi)部評測的時候，我們的效果也是非常不錯的，我相信開源之后更多用戶根據(jù)他自己的情況肯定多了一種選擇。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。