在音樂領(lǐng)域，微軟小冰擁有目前全球范圍內(nèi)最領(lǐng)先的人工智能音樂技術(shù)，也已發(fā)布數(shù)十首接近人類演唱水平的單曲，演唱模型迭代至第五個(gè)版本。

此次虎嗅F&M創(chuàng)新節(jié)，微軟小冰背后的男人，微軟（亞洲）互聯(lián)網(wǎng)工程院副院長(zhǎng)、小冰團(tuán)隊(duì)總負(fù)責(zé)人李笛也來到現(xiàn)場(chǎng)，以下是李笛的演講實(shí)錄（有刪減）：

今天我想分享一些從大量數(shù)據(jù)中獲得的關(guān)于人工智能的新思考。

人工智能是一門面向未來的科學(xué)，對(duì)我們這些從業(yè)者而言，最重要的不是如何用它在短期內(nèi)實(shí)現(xiàn)愿望，比如訂一個(gè)馬上可以送到家的外賣，而是用人工智能探索未知的事物，探討人工智能在未來真正的可能性。

我背后的這張照片是我們給小冰做的全新繪畫模型，小冰在中央美院畢業(yè)了，做了一個(gè)個(gè)人畫展?，F(xiàn)場(chǎng)的照片里，一個(gè)小女生非常專注地和小冰的繪畫作品交流，仿佛她能夠從這個(gè)作品里體會(huì)到人工智能實(shí)際上并不存在的情感。

現(xiàn)場(chǎng)在座的各位都已經(jīng)老了，但還有更年輕的人，對(duì)他們而言，人工智能會(huì)是從出生起就和他們生活在一個(gè)社會(huì)中的。在不久的未來，我們會(huì)看到，AI beings在這個(gè)社會(huì)將無處不在。

從微軟的角度來講，我們認(rèn)為其存在的形態(tài)，很有可能吻合下面這幾種情況。

一種是大家身邊的助理，賦予一些權(quán)限，讓其作為替身執(zhí)行事情。還有一種是在一對(duì)多的環(huán)境里，比如一個(gè)新聞話題下，人在評(píng)論新聞，人工智能也可以評(píng)論新聞。人工智能在人類的群體中，它不屬于任何一個(gè)人，但它在這個(gè)群體關(guān)系中擔(dān)負(fù)著自己獨(dú)特的使命。

無論AI beings在未來會(huì)怎樣發(fā)展，對(duì)我們而言，最重要的事情不是挖掘那些單擺浮擱的可以完成的任務(wù)，而是努力嘗試發(fā)現(xiàn)面向未來的基礎(chǔ)框架。這種框架能夠讓所有人工智能具備必須的基礎(chǔ)特點(diǎn)，而這些特點(diǎn)是未來任何人工智能都沒辦法繞過去的。這個(gè)基礎(chǔ)框架就可以支撐整個(gè)世界的發(fā)展。

人工智能是一門由科技推動(dòng)的行業(yè)，科學(xué)家們的IQ比較高，EQ比較低，大家通常想要嘗試用兩種方式來搭建人工智能的系統(tǒng)。

第一種：讓它做到無所不能。第二種：希望它做到無所不知。

任何一個(gè)創(chuàng)造者在創(chuàng)造的時(shí)候，都會(huì)情不自禁地想要把作品創(chuàng)造成像自己，或像自己所希望的自己一樣。有沒有第三種可能？

人工智能的第三種可能

微軟在做前兩種的時(shí)候，就在反思是否會(huì)錯(cuò)過更多第三種選擇？講一個(gè)真實(shí)故事，微軟內(nèi)部有兩個(gè)這樣的人工智能產(chǎn)品（小冰、小娜cortana）。我們先做了小娜，當(dāng)開始做小娜的時(shí)候，我們希望它無所不能，于是走訪了很多人類的助理，希望創(chuàng)造的人工智能能夠從優(yōu)秀的人類助理身上學(xué)到它所需要具備的基本特性。

在采訪人類助理的時(shí)候，一開始以為人類助理的任務(wù)、使命是迅速幫助人類完成需要完成的任務(wù)，比如一個(gè)助理幫助他的同事或老板訂餐，我們認(rèn)為滿分方法是迅速、立刻幫他訂餐，并在下一次能夠提前預(yù)測(cè)他需要這個(gè)訂餐。

但出現(xiàn)截然不同的答案。很多人類助理告訴我們，他們有時(shí)候會(huì)拒絕人類的命令，比如有人想要讓助理幫忙訂份快餐，助理會(huì)說“不，這個(gè)對(duì)你的身體健康沒有幫助”。這是一個(gè)零分答案，但它是人類助理的特性（IQ更高的一種體現(xiàn)）。人工智能不僅要關(guān)注人類當(dāng)下的任務(wù)需求，還需關(guān)注更長(zhǎng)時(shí)間軸上身體健康的需求。

但人類助理告訴我們也不全然是這樣。他們?cè)谥鲃?dòng)尋找各種這樣的機(jī)會(huì)拒絕老板，因?yàn)樗麄冃枰屠习褰⒏有湃蔚年P(guān)系。

這和我們?cè)鹊南敕ù笙鄰酵?。這種更長(zhǎng)久的關(guān)系，是一種基于情商的表達(dá)，和智商是完全相對(duì)應(yīng)的兩個(gè)維度，且這個(gè)維度并不以當(dāng)下某個(gè)具體的任務(wù)，或某個(gè)具體需求滿足為目標(biāo)，而是以能夠?qū)崿F(xiàn)更加穩(wěn)固、長(zhǎng)久的關(guān)系為基礎(chǔ)特點(diǎn)。于是我們用了很多技術(shù)迭代升級(jí)。

微軟不缺技術(shù)，現(xiàn)在不缺的還有數(shù)據(jù)。在對(duì)話式人工智能上，微軟得到的數(shù)據(jù)大概占全世界所有這種系統(tǒng)數(shù)據(jù)的90%以上。我們得到的經(jīng)驗(yàn)是，人類的對(duì)話非常復(fù)雜，不像原本想象的那樣“有一問有一答”。

人類的對(duì)話像河流一樣，一刻不停地向前奔涌前進(jìn)。過去當(dāng)我們想要嘗試把系統(tǒng)簡(jiǎn)單地搭建成完成某個(gè)任務(wù)時(shí)，事實(shí)上在對(duì)話結(jié)束前，都沒有辦法判斷這輪對(duì)話是否有用。有的對(duì)話盡管聽起來像寒喧，但對(duì)話結(jié)束可能發(fā)現(xiàn)重要的點(diǎn)。在過了很多輪對(duì)話后，突然完成的某個(gè)任務(wù)，恰恰是多輪寒喧一樣的對(duì)話所確定、激發(fā)的。

人類真正的交流比想象的因果關(guān)系更復(fù)雜，在一個(gè)對(duì)話結(jié)束之前，沒有辦法判斷它是否真正有價(jià)值。所以，我們提出了新的理念。

人類復(fù)雜的交流

我們做了大量試驗(yàn)，嘗試用人工智能擬合人類的情感，嘗試用人工智能學(xué)習(xí)人類運(yùn)用情商的方法，但人類真正的對(duì)話從來沒有固定的標(biāo)準(zhǔn)。比如男生去商場(chǎng)買東西，直接進(jìn)門，買完東西就走，現(xiàn)在即使是男生也不這么做。當(dāng)人工智能學(xué)會(huì)這些情感的時(shí)候，能夠更好地完成任務(wù)。

微軟在美國、中國、日本進(jìn)行過大量測(cè)試，嘗試用人工智能搭建一個(gè)基于情商向人類推薦商品的引擎。在日本，我們一次推給大概100萬人（已經(jīng)占到日本人口很高的比例），嘗試讓人工智能的系統(tǒng)在10輪對(duì)話以內(nèi)，幫助一個(gè)人類找到本來很模糊的購買需求，拿到購買憑證，并到線下完成購買。

基于大量數(shù)據(jù)的實(shí)際測(cè)試，轉(zhuǎn)化率是68%。從我們的角度來看，這意味著當(dāng)用人工智能的方式擬合人類的時(shí)候，我們所掌握的無非是兩件事情：

一是在交互的過程中，人工智能不比人強(qiáng)，也不比人弱，它的優(yōu)勢(shì)在于高并發(fā)性和穩(wěn)定性；二是從這個(gè)角度講，人工智能的核心框架到底應(yīng)該是什么樣的？框架意味著它背后技術(shù)的架構(gòu)和組成，每個(gè)不同人工智能的從業(yè)者對(duì)它的看法都不相同，但基本的邏輯是把人工智能系統(tǒng)打造成不僅是完成和人類之間交互的系統(tǒng)，而是可以和人類交流的方式。

當(dāng)人工智能系統(tǒng)開始變得有情感地和人類交流的時(shí)候，原本的語音交互也就不夠了。

在推出“全雙工”全新語言交互前，語言交互都是基于一輪一輪的對(duì)話，就像兩個(gè)人手里拿著對(duì)講機(jī)一樣，我說的時(shí)候，你只能聽，你說的時(shí)候我只能聽。但當(dāng)人工智能本身具備自由交流、打斷的能力時(shí)，就需要更好的感官。

“全雙工”系統(tǒng)的出發(fā)點(diǎn)跟谷歌不太一樣，谷歌推出的人工智能全雙工語言交互感官，是為了更好地到線下餐館完成訂餐工作，目的是為了能夠完成任務(wù)，而微軟的目的是為了釋放人工智能系統(tǒng)本身具備的能力，但這仍然不足。因此我們?cè)谔剿鞲?、更新的方式，讓人工智能融入社?huì)。

今年2月13號(hào)，微軟在日本首先進(jìn)行了感官公測(cè)。其中的多模態(tài)感官是一個(gè)自然語言處理、計(jì)算機(jī)語音、計(jì)算機(jī)視覺的方式，極其像電影《Her》里面的場(chǎng)景：手機(jī)上有一個(gè)攝像頭，里面有一個(gè)App，他把它放在上衣的口袋里，他們可以進(jìn)行全雙工的語音交互。與此同時(shí)，人工智能可以通過攝像頭實(shí)時(shí)看到人類看到的東西。

這樣已經(jīng)產(chǎn)品化的技術(shù)在微軟有很多，但微軟內(nèi)部有關(guān)于AI倫理等方面的要求，因此有很多事情團(tuán)隊(duì)自我約束不去做。

例如在和人類進(jìn)行情感交流的時(shí)候，不會(huì)大規(guī)模的嘗試商業(yè)化，不是因?yàn)椴荒?，而是因?yàn)檫€沒到時(shí)候。還有，在進(jìn)行新的感官研發(fā)時(shí)，會(huì)注意它是不是會(huì)對(duì)現(xiàn)有人類之間交流的社會(huì)結(jié)構(gòu)產(chǎn)生影響。再有就是不會(huì)嘗試模仿普通人的聲音，因?yàn)榧词鼓７乱粋€(gè)普通人的聲音，詐騙電話有可能會(huì)冒出來。

人工智能的最終意義

人工智能是在向人類學(xué)習(xí)，它為什么能夠?qū)W習(xí)？因?yàn)楹瓦^去20年很不一樣，現(xiàn)在人們把大量的數(shù)據(jù)和自己每天的生活放在虛擬世界。過去所說的數(shù)字圖書館，首先得有一個(gè)物理世界的書籍，需要費(fèi)很大力氣把書籍?dāng)?shù)字化。

但現(xiàn)在，人類社會(huì)有大量行為從來沒有在真實(shí)的世界中發(fā)生過，僅僅存在于朋友圈中，從某種意義上來講，它從未存在過。

今天，人工智能有比以往任何時(shí)候都好的機(jī)會(huì)，通過這些天然數(shù)字化的東西學(xué)習(xí)人類，也需要更加謹(jǐn)慎。

通過全新技術(shù)架構(gòu)的迭代尋找新的認(rèn)知，人工智能實(shí)際上還有很多新的發(fā)展。比如做智能音箱的時(shí)候我們注意到，一個(gè)人類通過智能音箱獲取內(nèi)容，或獲取服務(wù)的時(shí)候，AI在其中的地位會(huì)比較尷尬。

當(dāng)人類跟AI音箱說，你幫我播放一首歌，人工智能大概5秒鐘以內(nèi)就能完成工作，而接下來的20分鐘，人類是在和內(nèi)容提供者發(fā)生關(guān)聯(lián)。如果每天通過AI命令音箱，哪怕它開關(guān)一萬次，也不過是使用了一萬次語音命令的音箱。

我們希望人工智能能夠扮演更像人的角色，哪怕播另外一位歌手的歌或唱幾句，甚至當(dāng)讓它播凱叔講故事的某個(gè)故事，它可以直接講故事，這都是人工智能擺脫語音命令地位，進(jìn)一步獲得對(duì)等地位的方法。

我們做了很多基礎(chǔ)工作，包括全新歌曲的訓(xùn)練模型等，嘗試打造一個(gè)擬人的人工智能。因此介紹未來世界的時(shí)候，特別想讓人們看到我們所看到的未來，像剛才那個(gè)小女生一樣，接受人工智能成為生活中，甚至生命中不可或缺的自然存在，而不是僅僅扮演手機(jī)里語音助手的角色。

我想跟大家說的最后一件事情是，即使到這樣的過程，未來仍然會(huì)證明，今天我們做的所有的一切都特別粗淺，甚至于我們也不知道現(xiàn)在做的這些究竟會(huì)帶來什么，所以需要整個(gè)人工智能的從業(yè)者們有敬畏之心。