出門問問攜手中科院自動化研究所，共建語言智慧與人機交互實驗室

機器之心原創

作者：高靜宜

3 月 29 日， 「語言智慧與人機交互聯合實驗室」在北京成立， 該實驗室由中國人工智慧公司出門問問與中科院自動化研究所模式識別國家重點實驗室自然語言處理與機器翻譯研究團隊聯合建立， 將專注于自然語言理解、多輪對話管理、問答系統、機器翻譯等人機語音交互核心技術研發領域。 出門問問成立於 2012 年 10 月， 是一家在語音辨識、語義分析、垂直探索等技術領域具備自主研發能力的人工智慧公司。 根據此前路透社報導， 於 2015 年 10月出門問問完成 C 輪融資後的累計融資金額達 7500 萬美元，

投資方包括 Google 、紅杉資本、真格基金、SIG 海納亞洲、圓美光電、及歌爾聲學。

「我們不能止步于產生需求時才進行研發， 或是僅僅滿足於照搬、挪用國外的新技術、開源演算法。 只有在探索前沿、核心演算法上進行投入， 我們才能夠在人工智慧領域實現突破。

」出門問問創始人李志飛說。 李志飛在美國約翰霍普斯金大學獲得博士學位後， 曾加入 Google 研究院從事機器翻譯的研發工作。

基於這樣的想法， 出門問問對技術研究合作在經費投入也沒有設置門檻和限制。 「只要能做出比較有意思的成果， 甚至對我們的技術不一定有直接的影響， 都沒有關係。 我們是有情懷的， 可能比較理想主義一點， 但我們是真正希望能夠做出一些創新的。 」李志飛說。

事實上， 能夠促成這次為期三年的合作基礎是， 雙方共同看好基於自然語言處理技術的人機交互趨勢， 且在研究資源方面能夠實現優勢互補。 中科院自動化所模式識別國家重點實驗室專注於機器翻譯， 而機器翻譯是 NLP 技術最集中、最核心的應用，

同時團隊在基本自然語言處理方面的技術有非常扎實的研究成果， 在國內甚至國際上都是十分領先的團隊。 而出門問問在成立之初就把眼光放在人工智慧自然語言處理領域， 並在兩年前開始發力人工智慧在智慧硬體領域的商業化， 先後發佈了 Ticwatch 智慧手錶、Ticmirror 車載智慧後視鏡等 AI 落地產品， 由此帶來的研究優勢是具備大量的使用者、資料， 可以構建端到端的系統， 能夠完成需要大量工程師、產品經理共同構建的工程方面的成果。

另一方面， 在李志飛看來， 企業做研究與科研機構有很大區別， 大多數企業很難全力做比較長線的研究， 作為創業公司要保證足夠的前沿技術敏感尋求實驗室共建是有效途徑之一。

他以深度學習的崛起作為案例說：「深度學習開山鼻祖 Geoffrey Hinton 曾在學界做了很多年相關研究， 在 2007 年， 當時我還在微軟研究院語音辨識組實習， 他們就開始與微軟進行合作， 探討把深度學習演算法部署在微軟系統裡。 直到 2012 年的時候， 他們在語音辨識領域做出了巨大的突破， 之後 Google 才開始跟進。 在美國， 對於技術最早的探索大多還是在科研界。 這也是國外很典型的一種模式。 」

這次合作目標計畫從搭建面向特定應用任務的自然語音處理系統開始， 逐漸延展到場景構建和演算法設計的創新， 再到第三年設計具備演化拓展能力的演算法和系統， 推動合作企業的業務反覆運算。 比如， 基於自然語言的人機對話系統中，

目前的瓶頸在於自然語言的理解以及上下文的對話機制， 在聽歌的場景下， 用戶說：「我想聽周傑倫的歌」、「他有沒有搖滾歌？」， 在車載場景下， 用戶說「我要導航到國貿」、「找目的地附近的停車場」， 這兩處場景就存在一個比較通用的上下文指代的問題。

「我們一直以來的目標就是把語音交互做到三個比較大的應用場景裡， 即可穿戴、智慧家居、智慧車載。 」李志飛介紹說， 「未來發展的整個趨勢就是無手無屏的語音交互， 換句話說， 就是在用手和用眼效率比較低的場景。 在技術層面上來說， 未來把物理世界的知識深度結合到自然語音交互也是一個趨勢。 和人類溝通一樣， 人機交互系統只有在擁有了知識的前提下， 才能進行快速、深度、有效地溝通， 這個過程涉及到知識表示、邏輯推理等問題。我們最核心的終極目標，就是打造一個無處不在的懂你的虛擬個人助理。」

研究目標之外，李志飛還希望可以在這次合作中摸索出一套產學有效合作對接的機制。過去有很多產學合作只實現了單方面的需求，比如企業支援學界進行研究，研究成果卻並沒有深度創新點進而作用於企業反覆運算，或者學界只為企業提供人力，實驗室無法得到本質上的收穫。只有構建一套既能夠幫助科研機構解決實際有用、有意思的問題，同時可以説明企業得到演算法技術本身的提升的機制，才能使合作雙方配合默契、有效，進而實現推動技術創新和產業發展的雙重目標。

「這不是一個短平快的過程，要實現預期成果是一個長期的過程，需要保持耐心。」李志飛說，「事實上，很多學界研究人員對實際產品系統並不夠瞭解，我們希望在這次合作中，他們可以花一些時間來瞭解我們的系統。這樣他們就無需自己從頭搭建一個系統，而是可以直接在我們基於工程人力、資料所快速完成的原型系統中，進行演算法驗證。我想，這也是研究裡面比較有意思的地方。在獨一無二的系統裡解決獨一無二的問題遠比拿出一個很多年前的問題來琢磨有趣，也比把某些演算法的準確率提高百分之五更能得到認同。我們的系統是基於自然語言的人機對話，是在移動場景下用戶直接去使用的，是一個非常新的系統。在這裡找新的方向，就好比開闢了一個新的城池，再在城池中去種菜，而非在老城裡發明更好的種子。這樣的研究不僅更容易出成果，也更能得到行業認可。」

這個過程涉及到知識表示、邏輯推理等問題。我們最核心的終極目標，就是打造一個無處不在的懂你的虛擬個人助理。」

研究目標之外，李志飛還希望可以在這次合作中摸索出一套產學有效合作對接的機制。過去有很多產學合作只實現了單方面的需求，比如企業支援學界進行研究，研究成果卻並沒有深度創新點進而作用於企業反覆運算，或者學界只為企業提供人力，實驗室無法得到本質上的收穫。只有構建一套既能夠幫助科研機構解決實際有用、有意思的問題，同時可以説明企業得到演算法技術本身的提升的機制，才能使合作雙方配合默契、有效，進而實現推動技術創新和產業發展的雙重目標。

「這不是一個短平快的過程，要實現預期成果是一個長期的過程，需要保持耐心。」李志飛說，「事實上，很多學界研究人員對實際產品系統並不夠瞭解，我們希望在這次合作中，他們可以花一些時間來瞭解我們的系統。這樣他們就無需自己從頭搭建一個系統，而是可以直接在我們基於工程人力、資料所快速完成的原型系統中，進行演算法驗證。我想，這也是研究裡面比較有意思的地方。在獨一無二的系統裡解決獨一無二的問題遠比拿出一個很多年前的問題來琢磨有趣，也比把某些演算法的準確率提高百分之五更能得到認同。我們的系統是基於自然語言的人機對話，是在移動場景下用戶直接去使用的，是一個非常新的系統。在這裡找新的方向，就好比開闢了一個新的城池，再在城池中去種菜，而非在老城裡發明更好的種子。這樣的研究不僅更容易出成果，也更能得到行業認可。」