酷应用

专访思必驰初敏：离开微软、放弃阿里，一个语音交互的“实用主义者”

百家作者：AI100 2018-08-04 05:21:26

栏目简介：激荡六十年，人工智能已经起航。然而在未来面前，我们都还是孩子。究竟是“奇点临近”？还是泡沫行将破灭？为了解惑，《AI名人堂》将汇聚领航者智慧，和你一起探索前行的方向。

记者 | 杨丽

出品 | AI科技大本营

提起微软，初敏至今都觉得是人生学术生涯中最辉煌的时刻，没有之一，在那里她工作了近十年。“如果选择做研究，那么微软研究院仍然是我认为最好的地方。”再谈阿里，那离得很近的温热感似乎还在掌心，挥之不去。去年上半年，初敏仍是以阿里 iDST 语音负责人的身份出席活动。后来，她曾无意中提起“阿里先验证商业模式再逐步跟上技术的路子”令她获益匪浅，当AI科技大本营记者再问起初敏博士，这是否成为了她接下来工作的烙印时，她毫不犹豫地回答说：“是的。”

其实，初敏最早是中科院声学所的研究员，后来还在英特尔有过短暂的研究经历。相比起来，每一次的抉择无不透露出她内心一直所遵从着的态度，“我希望有真正的商业价值，而不是仅仅获得了些 paper 和专利。所以，我觉得商业化是必须的，而且我很重视这件事情，换句话说，这也是个人成绩的一种体现。”

去年 8 月，初敏在外界一片惊讶声中离开阿里加入思必驰，任北京研发院院长。她用一年时间，迅速将北京研发院团队扩充至 50 人，组建了一支从基础研究到应用落地的研发团队。

数天前，在京城瓢泼大雨的那个下午，一场小型的媒体沟通会上，初敏首次对外展示了她在思必驰的第一个作品“会话精灵”，一同亮相的还有思必驰 CMO 龙梦竹以及“会话精灵”产品团队。

不同于以往思必驰所专注的智能终端服务，此次由初敏团队推出的“会话精灵”是一款针对企业智慧服务的定制平台，可提供虚拟机器人的在线定制服务，并主打启发式交互技术。

那么，这是否意味着思必驰开始由消费级向企业级市场拓展的一次试水？

会上，媒体不约而同将目光聚焦到了“会话精灵”的产品形态、应用场景、商业模式、合作方式等方面，毕竟，一款仍处于孕育期的 Beta 版产品会存在诸多可能性，“坦率来讲，我今天还不能对目标行业给出清晰定义，因为当前阶段的主要精力不在这里。”面对这些疑问，初敏还是给出了自己的答案。

▌转折：源于交互式对话

不少人将 2017 年称为智能音箱的元年。确实，这场由巨头掀起的智能音箱补贴浪潮，到去年双十一之后的季度出货量基本维持在 100 万台，粗略估计下，2018 年中国智能音箱市场规模有望达到几百万甚至上千万台。

但从实际应用效果来看，智能音箱却未能形成消费者的强需求。目前，智能音箱能提供的服务内容仅限于音乐、天气查询、设置闹钟等简单操作，跟故事机没有本质差别，而且同类产品除了设计外观、功能稍许不同外，基本上同质化非常严重。

采访中，初敏表示，智能音箱的负载能力是有很大空间的，未来智能音箱的应用将更加垂直，这意味着一定要有更为细化的内容配合和良好的交互体验。

所以回到思必驰身上，尽管目前在智能终端上的语音交互上拥有不错的优势地位，但在具体的用户体验上，包括整个行业在内，仍未到一个特别“爽”的状态，“这也是我们选择做启发式对话系统的初衷。”不过，她也略带调侃道：“优势吃老本也就那么几年，如果没有更好的新的优势出来，还是会有风险的。”

正因如此，“会话精灵”似乎也是水到渠成，如官网介绍的那样，“它带来的是一种全新的信息交互方式。”

“常见的人机对话技术如任务型对话、基于问答对的对话、基于知识图谱的对话、生成式对话等都是一种被动式对话，而会话精灵则增加了复杂知识结构的管理和启发式引导技术，以加强人机交互的效率。”思必驰产品经理刘博解释道。

首先，企业需要通过话题目录树来管理知识和话题，以进行知识定制。如话题树，对知识所属的话题进行规划；知识卡片，将具有结构化特点的知识填入知识卡片中，当用户提问到卡片中的问题时，后台会自动提取答案并组织回答；知识问答，则是通过添加问答的方式录入用户有可能问到的知识点。

而启发式引导则是一种基于机器人主动应答的过程。如在微信端，通过企业公众号，机器在试图根据用户的提问给出相关解答后，还会从相关的话题中选择 1~3 个推荐问题，逐渐引导用户实现企业知识传播或商业目标的实现。

当然，除了微信公众号，会话精灵未来还可以在企业 App、交互式官网、智能终端上得到应用。在知识传播场景下，可以作为教学助手、企业信息管理助手、微信公众号助理等进行服务，而在目标引导场景下，最常见的是销售助手、客服助手等。

▌质疑：这是不是就是客服？

“教学助手”、“销售助手”、“客服助手”……这乍一听让外界难免会认为，“会话精灵”其实就是在做企业服务领域的云客服系统。实际上，早在 2014 年前后，这个领域就涌现出了大批创业公司，“在线客服”、“智能客服机器人”、“工单系统”均是该时期的新名词，发展到当前阶段，如环信、小能、容联七陌、快商通等几家厂商的模式与口碑已逐渐被客户认同。

初敏承认，在推出初期，就连公司内部也并不是所有人都理解会话精灵究竟在干什么，甚至大家更愿意理解成：“是不是就是智能客服啊？”

但她同样指出，思必驰选择切入企业端，并非跟市面上常见的客服系统是一样的，“我们对这个事情是做了很多思考和探讨，并不是拍了脑袋就决定做的。”

一直到今年年底之前，将“会话精灵”免费开放给用户体验，以衡量这款语音助手是否能真得为企业带来价值，甚至可能愿意付费。

在某些垂直场景里，在初敏看来，思必驰不会做很复杂的完整的解决方案，比如跟 CRM、呼叫中心连接的工作，“我们会跟行业里的垂直方案商沟通，将自己的能力集成在其方案中，让（方案商）的用户体验得到更好的人工智能能力。而思必驰定位是专注在语音交互的层面，这就决定了其不会在某一个行业深耕。”不过目前团队需要在知识图谱的搭建上做大量工作，如先在后台内置几十个场景，具体内容还需要企业本身来提供。

“做产品，我从来不去讲一个很大的故事，但我觉得，最有效的验证就是有没有真正的被很多用起来。所以，在未来的几个月里，我们会帮助公司内部的相关业务团队先用起来，同时也会在几个重点关注的场景中找到合作伙伴，引进外部客户使用起来。”

初敏坦言，思必驰目前无论是招揽人才方面，还是做事的过程上，都给了她很大的支持，这也让她可以有一个相对专注的空间做事情。但对她自己来讲仍需要结果为导向，“只不过，今年还处在产品打磨阶段，明年开始才真正大刀阔斧地拓展市场。”

可以预想的是，微信端、交互式网页只是“会话精灵”尝试的第一步，接下来在智能音箱等终端硬件上同样也有可能接入“会话精灵”这样的交互方式，这一方面也正是思必驰的原始积累所在。

对于这一构想，初敏觉得如果做企业级语音交互，有屏无屏的差别还是很大的，而有屏的效率会更高。“未来，有屏的可能性会越来越高，只不过不一定是音箱上装个屏，可能是跟投影仪、电视连接一下。从行业趋势看，大家都在想怎么获取屏，纯语音交互是有问题的，多模态交互成为必然。”

但她同样指出，如果不需要屏，那么就得思考如何在语音交互过程中调整，反过来对交互的能力要求会更高。

▌确信：语音交互的“后阿里时代”

2008 年，阿里因王坚博士的加入，让初敏开始注意到这家公司。那时，阿里还是一家以 B2B 电子商务为主营业务的公司，第一行“飞天”代码也未写下。

直到 2017 年，阿里云计算已经拿下中国公有云市场的半壁江山，此时的初敏则已是阿里 iDST智能语音交互方向的负责人，相继为支付宝、手机淘宝、钉钉等产品嵌入了语音交互能力。

但这远远不够，在此前媒体采访中，初敏谈到了选择加入思必驰的初衷，“思必驰是比较坚定的做语音交互的公司，他们真的认为语音交互很重要，目标就是要做好交互技术，再以平台的形式对外开放，让本身不是这个领域的公司也具备语音交互能力。”或许正是在思必驰，让初敏终于有了更多时间聚焦在语音交互的商业化探索上。

在谈及思必驰作为阿里天猫精灵背后的语音交互解决方案提供商，是否会与之在企业级市场产生竞争关系时，初敏表示，绝大多数时候应该不存在这样的问题，因为双方的市场、客户、规模可能都不一样。以钉钉为例，它做的是一个平台，智能客服并不作为自己的主要业务，所以无论是选择第三方还是自家的产品都不重要。“关键是，我们做的东西好不好，做的东西是不是真正有用户，能不能让用户体验到你设想到的那些好处。每个行业都有巨头，并不是有了巨头，别人就没有生存的空间。”

2017 年 9 月，在宣布初敏加入的同时，思必驰还发布了 DUI开放平台。作为一个全链路定制化开放式语音对话平台，开发者可从唤醒词、语音识别、语义理解到对话管理、输出以及 TTS 实行定制。基于这个平台向上，与思必驰的智能终端服务和企业智慧服务形成闭环。也就是说现阶段的“会话精灵”，只需要做好对接以最大化利用底层 DUI 赋予的语音交互能力。

“会话精灵是我到思必驰之后探索的一个新的业务方向。此外，我还会在自然语言理解、语音合成等方面进行深度学习上的探索。”采访中，初敏笑声爽朗，这从来都是她的选择，不为任何人所折服。

——【完】——

在线公开课知识图谱专场

◆

精彩继续

◆

时间：8月9日 20:00-21:00

添加微信csdnai，备注：公开课，加入课程交流群

参加公开课，向讲师提问，即有机会获得定制T恤或者技术书籍