（圖片來(lái)源：攝圖網(wǎng)）

作者|科技云報(bào)到 來(lái)源|科技云報(bào)到

2030年，一位老人對(duì)家庭機(jī)器人說(shuō)：“我想念年輕時(shí)在西湖劃船的日子。”AI不僅能調(diào)出當(dāng)年的老照片，還能結(jié)合實(shí)時(shí)天氣與老人健康數(shù)據(jù)，規(guī)劃一場(chǎng)安全舒適的懷舊之旅，并同步預(yù)約無(wú)人游船。

當(dāng)機(jī)器對(duì)人類產(chǎn)生“主動(dòng)關(guān)懷”，標(biāo)志著AI從工具進(jìn)化為“生活伴侶”。

從醫(yī)療問(wèn)診到教育輔導(dǎo)，從客戶服務(wù)到城市治理，對(duì)話式AI正在突破虛擬與現(xiàn)實(shí)的邊界，成為推動(dòng)社會(huì)升級(jí)的“超級(jí)接口”。而這場(chǎng)變革的核心，正是“人話”背后的大模型進(jìn)化邏輯。

重塑人與機(jī)器交互模式

在計(jì)算機(jī)科學(xué)的早期階段，研究人員就開始嘗試構(gòu)建能夠進(jìn)行基本對(duì)話的機(jī)器。然而，由于計(jì)算能力有限，早期的交流機(jī)器往往只能執(zhí)行預(yù)定的對(duì)話腳本，無(wú)法真正理解和生成自然語(yǔ)言。

20世紀(jì)60年代，技術(shù)史上第一個(gè)被引用的聊天機(jī)器人是ELIZA，它于1966年由麻省理工學(xué)院的Joseph Weizenbaum開發(fā)，旨在模仿心理治療師的語(yǔ)言模式，可以與人類用戶進(jìn)行簡(jiǎn)單的對(duì)話。

它是聊天機(jī)器人的首批示例之一，為開發(fā)更高級(jí)的對(duì)話式AI系統(tǒng)奠定了基礎(chǔ)。這些早期的聊天機(jī)器人相對(duì)簡(jiǎn)單，只能處理有限數(shù)量的預(yù)編程響應(yīng)。

隨著自然語(yǔ)言處理、自然語(yǔ)言理解等技術(shù)的出現(xiàn)，計(jì)算機(jī)開始能夠更好地理解和分析人類語(yǔ)言，聊天機(jī)器人發(fā)展成為更高級(jí)的對(duì)話式AI系統(tǒng)。

20世紀(jì)80年代，基于規(guī)則的方法和統(tǒng)計(jì)模型逐漸成為主流，這使得系統(tǒng)能夠更準(zhǔn)確地理解用戶的輸入，同時(shí)能夠以更自然、更直觀的方式理解和回應(yīng)人類的語(yǔ)言，甚至可以進(jìn)行更具互動(dòng)性的對(duì)話。

進(jìn)入21世紀(jì)，基于深度學(xué)習(xí)的聊天機(jī)器人成為對(duì)話式AI的焦點(diǎn)。著名的開放式AI模型如GPT-3，具備了生成自然語(yǔ)言對(duì)話的能力。這些模型能夠進(jìn)行廣泛的對(duì)話，從回答問(wèn)題到講述故事，甚至創(chuàng)造詩(shī)歌和音樂(lè)。

智能語(yǔ)音助手如Apple的Siri、Google的Google Assistant等開始興起，能夠識(shí)別語(yǔ)音指令并提供有用的信息。

對(duì)話式AI將人工智能、自然語(yǔ)言處理和對(duì)話式用戶界面結(jié)合在一起，可以識(shí)別不同的語(yǔ)言以及意圖、文本和語(yǔ)音語(yǔ)義、消息類型（公共或私人）、電子郵件數(shù)據(jù)和其他信息，為客戶提供無(wú)縫和智能的呼叫路由體驗(yàn)。

更重要的是，對(duì)話式AI技術(shù)可以通過(guò)對(duì)話式交互式語(yǔ)音響應(yīng)（IVR）理解自然語(yǔ)音和意想不到的短語(yǔ)以及上下文。他們甚至可以表現(xiàn)出情感和口音，以更好地與客戶互動(dòng)并做出回應(yīng)。

今天，對(duì)話式AI系統(tǒng)被用于大量不同的環(huán)境中，遠(yuǎn)非它們?cè)谠缙趦H限于增強(qiáng)的常見問(wèn)題解答功能，他們正在為徹底改變?nèi)藗兣c數(shù)字世界的交互方式。通過(guò)不斷優(yōu)化的算法和模型，對(duì)話式AI系統(tǒng)已經(jīng)能夠處理多種語(yǔ)言和方言，并在嘈雜的環(huán)境下也能保持高準(zhǔn)確率。

這使得對(duì)話式AI系統(tǒng)在醫(yī)療、教育、客服等領(lǐng)域的應(yīng)用前景廣闊。例如，在醫(yī)療領(lǐng)域，醫(yī)生可以通過(guò)對(duì)話式AI技術(shù)快速記錄病歷，減少手動(dòng)輸入的時(shí)間。在教育領(lǐng)域，對(duì)話式AI技術(shù)可以幫助學(xué)生進(jìn)行發(fā)音訓(xùn)練，提高學(xué)習(xí)效果。

此外，對(duì)話式AI技術(shù)使企業(yè)能夠保持全天候的客戶服務(wù)，無(wú)縫處理咨詢、安排預(yù)約和處理交易。這有效地消除了傳統(tǒng)營(yíng)業(yè)時(shí)間的限制，確保了持續(xù)的在線可用性，與過(guò)去的局限性形成鮮明對(duì)比。

對(duì)于消費(fèi)者而言，對(duì)話式AI將成為與AI交互的主要模式，這種交互可能表現(xiàn)為隨時(shí)可用的伴侶或?qū)煟蛘咄ㄟ^(guò)使語(yǔ)言學(xué)習(xí)等服務(wù)更廣泛地可用。

比爾·蓋茨曾撰文指出，AI將在未來(lái)五年里徹底改變我們使用計(jì)算機(jī)的方式。

在他的暢想中，用戶只需用自然語(yǔ)言告知自己的需求，計(jì)算機(jī)就會(huì)自動(dòng)跨越不同軟件程序完成任務(wù)，讓每個(gè)人都能擁有的“遠(yuǎn)遠(yuǎn)超出當(dāng)今技術(shù)的AI驅(qū)動(dòng)個(gè)人助理”。

讓大模型“能說(shuō)會(huì)道”的

關(guān)鍵路徑

從場(chǎng)景角度來(lái)看，多場(chǎng)景的應(yīng)用加速了對(duì)話式AI產(chǎn)品的落地。具體來(lái)看，對(duì)話式AI產(chǎn)品的應(yīng)用場(chǎng)景可以分為兩大類：一類是消費(fèi)級(jí)場(chǎng)景，另一類是企業(yè)級(jí)場(chǎng)景。

在兩大服務(wù)場(chǎng)景下又可劃分出諸多細(xì)分場(chǎng)景，比如消費(fèi)級(jí)場(chǎng)景包括語(yǔ)音助手、智能車載、智能穿戴、智能家居等領(lǐng)域；在企業(yè)級(jí)場(chǎng)景，對(duì)話式AI產(chǎn)品已經(jīng)逐漸滲透至營(yíng)銷、客服外呼等多種場(chǎng)景。在此背景下，對(duì)話式AI產(chǎn)品落地速度加快。

從需求方面來(lái)看，需求端的持續(xù)增長(zhǎng)，成為了對(duì)話式AI行業(yè)發(fā)展的重要驅(qū)動(dòng)力。場(chǎng)景的拓展是對(duì)話式AI蓬勃發(fā)展的一方面原因，消費(fèi)級(jí)和企業(yè)級(jí)場(chǎng)景需求的雙重爆發(fā)，也對(duì)對(duì)話式AI的發(fā)展起到了促進(jìn)作用。

隨著數(shù)字經(jīng)濟(jì)的發(fā)展，人工智能逐漸深入千行百業(yè)，同行業(yè)的聯(lián)系也愈發(fā)緊密，行業(yè)、企業(yè)不僅加快了數(shù)字化轉(zhuǎn)型的腳步，也在朝著智能化方面升級(jí)。

在生成式AI的浪潮下，行業(yè)普遍認(rèn)為多模態(tài)大模型是實(shí)現(xiàn)AGI的必經(jīng)之路。畢竟一問(wèn)一答文本輸入的機(jī)械方式，遠(yuǎn)不如文本、圖片、語(yǔ)音互動(dòng)來(lái)得真實(shí)、自然和智能。

隨著大模型從文本走向多模態(tài)交互，多模態(tài)模型架構(gòu)和訓(xùn)練范式變化不大，提升主要依賴數(shù)據(jù)質(zhì)量和數(shù)量。實(shí)現(xiàn)多模態(tài)交互的關(guān)鍵在于將不同模態(tài)信息轉(zhuǎn)化到同一語(yǔ)境，目前ASR（自動(dòng)語(yǔ)音識(shí)別）技術(shù)的發(fā)展有助于實(shí)現(xiàn)這一點(diǎn)。

但要讓交互體驗(yàn)更好，還需提升模型推理速度，解決如多角色長(zhǎng)短期記憶、區(qū)分角色等工程化問(wèn)題，同時(shí)也要應(yīng)對(duì)不同模態(tài)交互中的復(fù)雜情況，如語(yǔ)音語(yǔ)義差異、視頻處理等。

如何更好將對(duì)話式AI技術(shù)與應(yīng)用場(chǎng)景進(jìn)行無(wú)縫對(duì)接，實(shí)現(xiàn)技術(shù)與場(chǎng)景融合帶來(lái)的“乘數(shù)效應(yīng)”，是企業(yè)需要思考的重要問(wèn)題。

比如近期聲網(wǎng)就發(fā)布了對(duì)話式AI引擎，憑借650ms超低延時(shí)響應(yīng)、優(yōu)雅打斷、全模型適配等五大能力，對(duì)話式AI引擎可支持任意文本大模型快速升級(jí)為“能說(shuō)會(huì)道”的對(duì)話式多模態(tài)大模型。

開發(fā)者可以快速部署智能助手、虛擬陪伴、口語(yǔ)陪練、智能客服、智能硬件等對(duì)話式AI場(chǎng)景。例如智能助手場(chǎng)景可以通過(guò)自然語(yǔ)言交互，幫助人們進(jìn)行日程管理、信息查詢和任務(wù)執(zhí)行，提升生活便利性，并提高工作效率。

通過(guò)將對(duì)話式AI引擎嵌入進(jìn)智能硬件，還能實(shí)現(xiàn)語(yǔ)音控制、智能看護(hù)、智能陪伴和個(gè)性化服務(wù)，將智能設(shè)備升級(jí)為智能硬件體。適用于AI玩具、AI教育硬件、AI陪伴設(shè)備、家居語(yǔ)音助手、穿戴設(shè)備個(gè)人助手等多種應(yīng)用場(chǎng)景。

不可否認(rèn)，即便是進(jìn)入新的發(fā)展階段，對(duì)話式AI也仍受難題桎梏。

相較于之前，支撐對(duì)話式AI產(chǎn)品的底層技術(shù)已經(jīng)實(shí)現(xiàn)了長(zhǎng)足進(jìn)步，卻也并非盡善盡美。以對(duì)話式AI應(yīng)用最為廣泛的智能客服領(lǐng)域?yàn)槔m然智能客服的應(yīng)用能夠在較大程度上解放人工客服壓力，但受技術(shù)因素影響，智能客服的智能化程度仍然較為有限。

據(jù)艾媒咨詢數(shù)據(jù)顯示，智能客服問(wèn)題解決能力的受認(rèn)可度不容樂(lè)觀，有超過(guò)半數(shù)的用戶（57.9%）指出，智能客服只幫助他們解決較少問(wèn)題甚至沒(méi)有解決任何問(wèn)題。

同時(shí)，語(yǔ)音情緒的識(shí)別也是一大難題。眾所周知，人類的語(yǔ)音表達(dá)是帶有情緒色彩的，即便是完全相同的一句話，但由于表達(dá)者情緒的不同，語(yǔ)句所表達(dá)的含義也不盡相同。

雖然當(dāng)前的對(duì)話式AI產(chǎn)品已經(jīng)能夠根據(jù)上下文理解語(yǔ)義，并且給出最佳應(yīng)答，但在情緒的感知方面，對(duì)話式AI還是遜色于真人服務(wù)者。倘若語(yǔ)音情緒的識(shí)別無(wú)法突破，也將影響對(duì)話式AI的落地應(yīng)用。

另外，對(duì)話式AI產(chǎn)品逐漸趨同，同質(zhì)化競(jìng)爭(zhēng)加劇。雖然行業(yè)發(fā)展速度加快，但同樣也會(huì)滋生產(chǎn)品同質(zhì)化問(wèn)題，而產(chǎn)品趨同也會(huì)降低對(duì)話式AI廠商的差異性，從而加劇對(duì)話AI廠商的競(jìng)爭(zhēng)難度。從長(zhǎng)遠(yuǎn)角度來(lái)看，對(duì)話式廠商打造差異化產(chǎn)品勢(shì)在必行。

即將發(fā)生的AI新故事

可以預(yù)見，未來(lái)的對(duì)話式AI將不僅僅局限于語(yǔ)言交互，而是會(huì)與視覺(jué)、聽覺(jué)、觸覺(jué)等多種模態(tài)深度融合。例如，在智能家居場(chǎng)景中，用戶除了通過(guò)語(yǔ)音與智能設(shè)備交流，還可以通過(guò)手勢(shì)、面部表情等方式進(jìn)行交互。智能設(shè)備能夠綜合多種模態(tài)信息，更準(zhǔn)確地理解用戶意圖，提供更自然、便捷的服務(wù)。

想象一下，當(dāng)你走進(jìn)家門，智能助手不僅能聽到你說(shuō)“有點(diǎn)熱”，還能通過(guò)攝像頭觀察到你微微出汗的狀態(tài)，然后自動(dòng)調(diào)整空調(diào)溫度，為你創(chuàng)造最舒適的環(huán)境。

借助強(qiáng)化學(xué)習(xí)技術(shù)，對(duì)話式AI能夠在與用戶的不斷交互中持續(xù)學(xué)習(xí)和優(yōu)化策略。它可以根據(jù)用戶的反饋和行為，自動(dòng)調(diào)整對(duì)話方式和回答內(nèi)容，以提供更好的服務(wù)體驗(yàn)。而且，隨著自適應(yīng)能力的增強(qiáng)，對(duì)話式AI能夠更好地適應(yīng)不同用戶的需求和習(xí)慣，在不同場(chǎng)景下都能靈活應(yīng)對(duì)，不斷提升自身的智能水平和服務(wù)質(zhì)量。

不同行業(yè)對(duì)于對(duì)話式AI的需求存在差異，未來(lái)將出現(xiàn)更多針對(duì)特定行業(yè)的定制化解決方案。在金融領(lǐng)域，對(duì)話式AI可以作為智能理財(cái)顧問(wèn)，為客戶提供專業(yè)的投資建議；在法律行業(yè)，能夠輔助律師進(jìn)行法律條文查詢、案件分析等工作。通過(guò)深入了解各行業(yè)的業(yè)務(wù)流程和專業(yè)知識(shí)，定制化的對(duì)話式AI將更好地滿足行業(yè)需求，推動(dòng)各行業(yè)的數(shù)字化轉(zhuǎn)型和智能化發(fā)展。

當(dāng)大模型學(xué)會(huì)說(shuō)“人話”，我們真正面臨的不是技術(shù)問(wèn)題，而是哲學(xué)命題：如果AI能夠完美模仿人類，那么“人性”的獨(dú)特性何在？或許答案在于，AI終將成為一面鏡子，映照出人類對(duì)創(chuàng)新、倫理與存在的永恒思考。

而下一個(gè)新故事，注定由人與AI共同書寫——在醫(yī)院的數(shù)字診室里、在孩子的AI導(dǎo)師屏前，屆時(shí)，對(duì)話式AI將為人們帶來(lái)超乎想象的體驗(yàn)，一場(chǎng)關(guān)于人機(jī)交互的技術(shù)進(jìn)化已然開始。

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：科技云報(bào)到，作者：科技云報(bào)到