“人机自然交互技术”的趋势与挑战

2019-06-14 01:38

另外一点就是人机自然交互可能会改变人类学习知识的过程，我们已经习惯了在学校里集中学习知识的系统过程，但是随着智能手机的普及，现在碎片化学习的倾向已经愈发明显了。而远场语音交互把这个倾向还扩展到了老人和儿童群体，特别是在中国，老人和儿童是文字知识储备最少的两个群体，他们对于远场智能交互的需求更为迫切，这也是智能音箱能在国内快速爆发的重要原因之一。智能音箱甚至让刚学会说话的儿童都开始了碎片化学习，大量的儿童故事和科学故事，让现在的小孩很早就懂得了比我们当初更为丰富的知识。随着他们长大，以及我们当前的知识获取习惯，长期集中系统的学习是否需要变革？或许长期集中在一起的学习更为重要的是要满足人类社交的需求，而不是更好的学习知识。所以，当我们总是批评国人不好好看书的时候，也需要小小反思一下，知识的载体并非只有书籍一种，而书籍的知识更新速度确实太慢了，无法解决我们对于知识爆炸的焦虑。所以，什么样的学习方式才是最好的呢？学习方式本身是不是也应该进化呢？至少，我们知道，当前人类学习知识的方式已经比一百年前迭代进化很多了，下一步是不是机器应该参与到这种人类进化过程呢？

这样来看这个故事很性感，但是同样挑战也是极大。任何一件事情都会有两面性，我们需要从不同角度来审视。人机交互的核心是语言，其最大的挑战其实也是语言。语言是洞悉人类天性的窗口，天然承载了人类的思想和情感，那么怎么才能让机器来承担这种能力呢？这还在探索，至少从现在来看，深度学习好像很难解决这个问题，当前的实践只是证明了深度学习更适合模式识别这个领域，对于语言理解的效果不是那么显著，而脑机接口更是挑战了人类极限，短期内也很难看到实质性成效。

“人机自然交互技术”的趋势与挑战

语言更令研究者头疼的是个体的差异性，族群的差异性还好，至少还有一定的规律，但是个体的自由语言却能让其他个体理解，人类甚至还可以“只可意会不可言传”。但是机器不行，机器只能基于数据分析寻找规律，其特殊能力在于能够从海量数据中发现人类难以理解的数据关联，但是人类的能力更强大，只用简单的小样本就可以逻辑推理，这是当前机器学习严重缺失的能力，当前机器学习领域火热的对抗网络、迁移学习等无法解决这个问题。

“人机自然交互技术”的趋势与挑战

所以，当前还只是人机自然交互的萌芽状态，即便第4代交互也还任重而道远，幸运的是这项技术已经规模商业化落地，至少突破了可用的及格门槛。若要让这项技术能够持续推进并做好商业化，最为重要的还是基础教育问题，我们从百度指数的分析来看，年轻人对于AI的关注显然还不如30岁以上的人群，所以我们还需要加强这个领域的教育普及，吸引更多的年轻人投身声学语音和语言理解这个行业，也期待更多学术机构能够联合起来，打破学科之间的壁垒，携手培养更多跨学科的年轻人。

<上一页 1 2 3