蓦然认知 CEO 戴帅湘：语音交互是未来人机协作的主流 | CCF-GAIR 2017

雷锋网(公众号：雷锋网)注：7 月 8 日，中国计算机学会（CCF）主办、雷锋网与香港中文大学（深圳）承办的 CCF-GAIR 2017 全球人工智能与机器人峰会进入第二天，在智能助手专场，蓦然认知 CEO 戴帅湘做了《对话即应用》的主题演讲。

戴帅湘曾任百度主任架构师，拥有 9 年自然语言处理的行业积累，2016 年 5 月他创办蓦然认知，延续其既往的研究方向，专注为企业提供完整的语义理解方案，目前产品落地主要集中于家居和车载两大场景。雷锋网整理了其今天的演讲内容，并做了不改变原意的调整。

对话即应用，过去仍在，未来已来

开头的背景铺垫，戴帅湘先就贯穿互联网发展过程中人机交互的阶段做了划分：

第一个阶段，20年前，即互联网刚刚普及时，用户通过键盘、鼠标实现与机器的交互。

第二个阶段是在触摸屏手机出现以后，用户摒弃了之前的键盘操作。这种变化也带来了应用形态的转化，行业从 Web 程序开发迅速转入 APP 程序开发，也是在这一背景下，此后的10年间，互联网几大巨头迅速经历洗牌。

到了今天，我们开始面对第三个阶段，即语音交互的阶段，眼下，各大公司纷纷推出自己的智能音箱品牌，硬件连接，行业称之为“万物互联”时代。

“今天的设备要想和人类进行大规模合作，对话式语音交互必不可少，并且必定成为主流。未来的IoT时代，语音交互将跨越软件和硬件的边界，在不同场景下，呈现不同的应用和服务，对话即应用。”

蓦然认知：以语义理解为核心的决策引擎

蓦然认知的业务集中于语义理解为核心的决策引擎。在产品落地和市场化方面，则主要聚焦于家居和车载场景。

家居场景：以电视为交互切入口

和很多人一样，戴帅湘也认为家居场景下必然会有一个家居控制中心，“连接接听设备，需要集中式的交互入口，让它做集中式控制、使用、命令。”不久前，蓦然认知还与暴风 TV 合作，以自己的语义理解技术为其提供语音交互的完整解决方案。

车载场景：最适合对话的语音交互场景

车载是最适合对话的语音交互场景，这是目前业界的一个基本共识。戴帅湘表示，除了行车过程中的路线考察，路线规划，行车导航等，蓦然更关注的是行车目的地，因为后者直接连接服务，对交互的影响更大。

“这两种场景是生活中非常重要的两大场景，它们可以通过一个整体系统，融合成更大场景。而要融合如此多功能的场景，并达成各场景之间的自由切换，必须要有非常复杂的语音交互。”

“对话式语音交互是多种技术融合的必然结果。”

语音交互的 5 个层面

VUI + GUI 融合

GUI 本身是一种确定的、简单的、没有后效性的操作。VUI 是发散的、跳跃的，相对模糊，但是可以完成复杂任务的操作。GUI 是让我们适应机器，VUI 是让机器适应我们。

多场景融合

把垂直场景做深并不是根本的。高频的场景可以快速覆盖，但是真正有效的是长尾场景。对话过程中只满足高频没有意义，只有长尾融合在一起，让用户感受到服务的意图在各种地方得到满足，才有可能成为很有效的交互方式。

设备之间的融合

按照现在的很多框架，实现这种方式会非常复杂，需要给用户制造不同设备之间迁移、无缝连接、包裹式的经验。

知识+服务融合

真正有用的对话是双向的。系统理解以后做适当的动作，不理解的话做推荐动作、反问动作和澄清动作，这样才能形成完整的、任务式的、有目的、优化的对话，而不是随意的。

技术的融合

AI 本质上是技术的集合体，是多项关键技术的融合，不是单一的模型，也不是单一的方法。

对话及应用的时代特征

• 自然对话主导交互，交互的方式、过程、结果都将以对话方式呈现；

• 应用无需安装，完全服务化，轻量级，用户的获取和使用成本大大降低；

• 不同场景下的应用自动融合，用户不需要使用那么多 APP，不需要打开那么多网页，使用效率大大提升；

• 服务变得有偿化，和人的服务一样，高质量的虚拟服务本质上也是商品，应该获得高价格的回报。

所有这些如果实现的话，企业的开发成本会降到很低，使用效率会提高很多，此时，机器和设备的智能将极大地体现出来。

“这个时代是机器逐步模仿、学习人，并最终超越人的时代。”

。