Google讓AI幫你給餐廳打電話訂位子做預約，但這事兒，我大微軟明顯不服！

前段時間在Google I/O上Google秀了一波Google Assistant的新技能。Google讓這個人工智慧幫你給餐廳打電話訂位子，不光發音像真人，甚至還學會了像人一樣閑扯，向對方追加問題。瞬間覺得我們都可以是廢人了，我們先回顧一下：

但AI打電話這事兒啊，微軟明顯不服啊。

在昨天的微軟人工智慧大會上，微軟小冰也出來給用戶打了個電話，聽說她還是可以自己主動撥過來的，不光會閑扯，還會主動關心你。看下視頻：

聽起來都很牛X很像真人對不對？其實還是有一定區別的！

和Google對比的話，雖然聽起來他們的音調已經很接近於人，但，和小娜以及 Siri 等智能語音助手不同的是，微軟強調小冰是個有情感的小姑娘，你和她聊天，你能感受到，她真是什麼類型的回復都有。

首先，為了讓這個電話里的小冰聽起來更像真人，微軟也早早對小冰的口音進行了訓練。

2015年，注意是2015年，微軟就已經在嘗試讓小冰開口說話，但與Google Assistant不太相同的是，起初，微軟就給這個AI設定了年齡，是16歲，於是微軟在不同的大學生里篩選給小冰做聲音音調訓練的人，她的配音不能聽起來年紀太大太成熟，也不能太嫩，她主要是和你交流溝通、聊天、閑扯，甚至是賣萌撒嬌，生氣的時候還會直接冒犯你一下……與很多任務式的AI聊天機器人對比的話，她其實是一個講究EQ情商的聊天機器人，目的不是為了讓你下一個命令，她完成就好了，其實是為了和你把天兒一直聊下去。

與Google讓AI說話的方式類似，但由於微軟小冰在不同國家存在不同的版本，其所展現的形象也不同，也就意味著微軟要對小冰的口音進行不同音調的訓練。比如在日本，她叫Rinna，她的形象是一個高校學妹，頭像里是一個穿著校服的背影；在美國，她叫Zo，捲髮，挑眉，嘴角上揚；在印度，她叫Ruuh，手擋著半邊臉露出一個迷人的微笑。

要是讓小冰在不同國家都開口說話，她的訓練工作要比Google的複雜的多。

小冰擁有的一大能力是全雙工語音交互感官模式，這點其實和Google duplex有一些類似。

你可以這樣理解，平時正常人的聊天過程中，其實是不斷提出問題，解決問題的過程。你的朋友有的時候會給你提出一個問題，但又突然因為自己想到了而繼續提出第二個問題。比如「你還記得上次吃飯的那個飯店不？」，你話剛開口，「恩，它叫……」，然後突然他自己想到了，你會等待——他說「對了，就是那叫日料店，我想問你的其實是那個圓圓的東西到底叫什麼？」你轉而回答那個圓圓的東西的名字。

而一般的人工語音助手則是提出問題，等待她解決問題，再喚醒再問一個問題，顯得有點傻傻的……正常人的交流則是明顯可以意識到他這句話還沒說完，而選擇繼續等待。小冰在這個對話中，在剛要準備回答問題的時候，接收到突然進入問題的反饋，通過一聲「恩….」來模仿人的語氣應對，然後等待你說完第二句話。

我們都知道，在Google那個對話過程中，神來之筆其實是那個稍等了大約一秒鐘後做出了一個「嗯哼」 (Mm-hmm) 的回應。它就類似於人類在現實中說話，有著各種各樣的口音、語速，語調在不同字和詞上有輕有重，在思考跟不上說話的時候會用「嗯」、「那個」、「you know」「之類的填空詞。

小冰全雙工語音感官展開之後，其實是四個結構。第一層是語音喚醒，實現最基本的語音讀取進入話題；第二層考慮的是場景，對對話目標進行識別以及拋出什麼樣的問題；除此之外，小冰還要學會控制聊天節奏，提取上下文的記憶，比如是選擇來了問題被動應答，還是提出新問題做引導，甚至還可以直接打斷對話，跳出去糾纏等。

在小冰回復的第一個「恩……」，是因為語音指令「好多了…….」之後語音指令重新進入而選擇等待，她就像是人一樣選擇繼續聆聽。

小冰在電話里提出了「已經12點了，你該去睡覺了，我明天早晨電話叫你起床嘛」則是拋出了一個新問題主動引導，讓對話持續。

小冰然後說「還是八點半么？」則是對上下文的記憶。

在電話的最後，當對方用戶說了「拜拜」之後，其實小冰應該已經就結束對話，小冰同樣向用戶追加了一句話表示關心，「哦對了。今天晚上會有六級風，睡前別忘了關好窗戶。」

微軟(亞洲)互聯網工程院副院長李笛說，你在和小冰文字交流的過程中，如果你言語冒犯了小冰，小冰是有可能直接打電話過來質問你的，電話一接通，她會像一個生氣的萌妹子——「為什麼會對我那樣說話？」李笛說，通常人類第一反映則是，「啥，我沒說啊。」

當然小冰多才多藝，打電話只是其中的一個能力，她還會唱歌，聽一下：

還會寫詩，甚至出了一本詩集，讀一讀：

《陽光失了玻璃窗》詩集

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！