對話3位元語音交互專家：人機交互能否給人類一個更好的未來？
伴隨著去年三月AlphaGo與李世石人機大戰的開始與落幕，人工智慧受到了前所未有的關注與追捧。各類演算法的研發與資料的積累，加之資本的不斷投入以及用戶需求的持續推動，
技術發展的關鍵在於落地，“語音”作為目前人工智慧領域落地最為成熟的技術，以準確率可達95%以上的識別水準，已經逐漸步入商業化階段。而語音交互的實現主要取決於兩點：語音辨識及語義理解。
語音辨識是指人與機器以語音對話方式，將人類的語音中的詞彙內容轉換為電腦可讀輸入。語音辨識只是語音交互的初始階段，語義的理解才是關鍵所在。
近日，IT耳朵採訪到了目前專注於語音交互領域的三家創業企業人物：三角獸CTO亓超、思必馳NLP技術負責人樊帥、以及驀然認知CEO戴帥湘（排名不分先後），瞭解國內目前的語音交互領域發展現狀，以及這一行業未來發展的看法。
（從左至右依次為：三角獸CTO亓超、思必馳NLP技術負責人樊帥、驀然認知CEO戴帥湘）
尚未出現絕對的領航者
技術上的突破無疑是分占市場的最佳切入點。“隨著技術上的逐漸突破，語音辨識已經發展的足夠成熟，它只是人機交互過程中的最初階段，因此不再具備一定的行業壁壘及競爭優勢，
語義的理解將人機交互推到一個新的發展階段，大多企業都明白，語音的識別、大資料的整合以及演算法模型的構建，是能夠讓機器“聽得懂”的關鍵所在。甚至在人機交互過程中所面臨的環境噪音、發音不准、語言歧義等問題，也都相應催生了新的技術演算法。
如此看來，雖然語義理解領域的技術門檻較高，但目前仍未出現絕對領航者。
資料的積累都是從0到1的過程
在這三次的專訪中，我都問過他們關於“冬天能穿多少穿多少，夏天能穿多少穿多少”的玩笑問題。在與機器的交互過程中，我們所希望看到的，不僅局限於任務型的對輪對話，
而資料始終沒有盡頭，就像從0不斷趨近於1的這個過程。從最初資料的匱乏、資料標注、建模的困難都是這個從0到1的過程裡的技術難點所在，針對性的去做建模、分析、資料完善，只能達到可用狀態，若要機器變的“聰明”，則需要一個從1到N的不斷學習和優化的過程，計算能力的提升以及新演算法的實現，才能使資料模型得到更好的釋放。
正如亓超所說，機器是喜歡資料的，用機器喜歡的方式去解決問題，似乎更加高效、公平。不論是哪個領域的人機交互，機器並非都要被動地去回答問題，而是能夠主動的、有針對性的提出意見或建議，才是人機交互最自然的狀態。
關於未來市場的爭奪
和一些國外大公司有能力收購語音交互的整個生態鏈不同，國內的大多數企業在自主研發的同時，兼顧市場的爭奪，看起來似乎曲折很多。目前，國內很多企業都十分統一的選擇在車載、家居、可穿戴設備領域佈局， 這場同行業之間的爭相效仿與激烈競爭的結果，無非是將最初的創新格局徹底打破，抓住用戶的使用痛點，尋找新的出路才是一個企業得以存活下去的資本。
智慧時代的重點之一是人機交互，而語音交互憑藉自然的交互體驗、較為集中的學習成本成為發展的首選方向。目前，國內有越來越多的語音交互創業公司正在慢慢崛起，這也意味著將會有更多的人在這片領域站穩腳跟。即便這種全新的對話模式還有很長的路要走，但在這浮躁的市場中多一份務實，語音交互產業所形成的趨勢，也是值得我們期待和關注的。
計算能力的提升以及新演算法的實現，才能使資料模型得到更好的釋放。正如亓超所說，機器是喜歡資料的，用機器喜歡的方式去解決問題，似乎更加高效、公平。不論是哪個領域的人機交互，機器並非都要被動地去回答問題，而是能夠主動的、有針對性的提出意見或建議，才是人機交互最自然的狀態。
關於未來市場的爭奪
和一些國外大公司有能力收購語音交互的整個生態鏈不同，國內的大多數企業在自主研發的同時，兼顧市場的爭奪，看起來似乎曲折很多。目前，國內很多企業都十分統一的選擇在車載、家居、可穿戴設備領域佈局， 這場同行業之間的爭相效仿與激烈競爭的結果，無非是將最初的創新格局徹底打破，抓住用戶的使用痛點，尋找新的出路才是一個企業得以存活下去的資本。
智慧時代的重點之一是人機交互，而語音交互憑藉自然的交互體驗、較為集中的學習成本成為發展的首選方向。目前，國內有越來越多的語音交互創業公司正在慢慢崛起，這也意味著將會有更多的人在這片領域站穩腳跟。即便這種全新的對話模式還有很長的路要走，但在這浮躁的市場中多一份務實，語音交互產業所形成的趨勢，也是值得我們期待和關注的。