机器也有情商?微软对话式人工智能

可以看到,很多从微软亚洲研究院走出去的人才都涌向人脸识别领域,而现在微软研究院似乎并没有沿着这个方向走,他们最为人熟知的是对话式人工智能。在微软看来,计算机在对话能力和情感理解能力方面仍然远远落后于人类,因此在2014年开始就研发微软小冰,是一款基于情感计算框架、以情商为主要方向的对话式人工智能。那么,目前微软的对话式人工智能到底进展到哪一步了呢?微软中国区首席技术顾问管震近日在一个人工智能论坛上做出精彩分享,表示机器开始学习人的情绪,来满足各种需求。微软小冰在全球范围内,与数亿人类进行了旨在建立情感连接的对话,总计对话量已超过300亿轮。

1

此外,基于人工智能的深度学习和大量数据,微软小冰还能胜任主持人,甚至是创作文学作品。目前小冰已经创作出200首诗,部分作品发表在诗集《阳光失了玻璃窗》中。这也是人类史上第一部完全由人工智能创作的诗集。

微软在对话式人工智能这方向深入研究,已经走了很远的距离。但是对于创业型的机器人公司而言,千万不要一上来就想研发另一个微软小冰。管震表示,小冰是面向消费者的对话式人工智能,微软花费了大量的人力财力,并与很多企业合作,灌输了大量的数据之后才有了目前的成绩。创业型机器人公司应该将有限的人力财力投入到特定情景的服务型机器人当中,训练对应情景的知识地图。例如在医院负责挂号导流的服务型机器人,其服务对象是病人,只需具备理解病人的病症并导流到指定科室的能力,查询天气、娱乐、生活百科式的问答是不必要的。

服务型对话机器人可以快速响应用户,提供24小时服务;标准化的话术减少了前台的服务培训时间。那么如何从零开启创建一个对话机器人呢?管震表示,对话机器人大致分为用户交互入口、用户意图理解、调用响应服务三个步骤。

其中用户意图理解涉及到到自然语言的理解,例如在复杂的上下文语境下,要连贯起来理解用户表达的意思。据说微软小冰最多能联系23句上下文的意思,但是水平还需大大提高。微软可提供Congnitive Services(LUIS)技术帮助开发者实现自然语言的理解。

管震指出,微软只是提供一个标准的对话式机器人框架,开发者需要训练特定情景的知识地图。尽管微软语言识别的错误率已经非常低了,2016年微软宣布英语的语音识别转录词错率仅 5.9%,达到了专业速录员水平超越了人类。但是在特定的情景下,如面向3-6岁儿童的陪伴型机器人,儿童的表述能力不强,语音识别错误率必然会升高。因此,开发者不能照搬微软的标准化平台,而是要训练儿童对话场景下的知识地图和认知能力。

骁龙845移动平台,主导终端侧人工智能

智能语音的应用也越来越多,过往移动设备的AI由于大数据的需要较多依赖云端,例如微软的对话式人工智能更多的是基于云端的大数据、大运算能力。但目前有一个趋势是云端的运算能力开始往端上迁移,以进一步提升效率,同时可靠性和用户隐私数据也得到更高保障。

高通是践行终端侧人工智能的先行者之一,近日推出最新的骁龙845移动平台,终端侧智能是高通反复强调的认知。高通在与华为的麒麟970芯片不同,骁龙845并没有内置单独的NPU(神经单元),而是综合部署,将AI处理功能分散在845平台的异构架构中。高通也在这方面强调,通过模块内之间的调用,可以达到更有针对性的AI操作。

高通产品市场总监Dennis Liu在“人工智能解决方案”的主题演讲中表示,终端侧的人工智能得以发展取决于三个关键的技术。一是高效硬件(处理器的运算能力);二是算法改进(在终端运算的资源有限的前提下,想要保证精度必须使算法更简洁);三个软件工具(嵌入式设备接口很多,如何在复杂的编程环境下快速部署算法,软件工具是关键)。

Dennis Liu透露,OPPO R11、VIVO 20、小米6、一加5等手机都用到了高通的人工智能功能。 骁龙神经处理引擎通过软件来加速终端侧执行的深度学习网络,支持智能手机实现流畅的解锁和面部识别体验,并支持在照片上增添人像模式或实现实时背景虚化。

2

据了解,骁龙神经处理引擎(SNPE)SDK除了已支持Google TensorFlow和Facebook Caffe / Caffe2框架之外,现在还支持Tensorflow Lite和新的ONNX,帮助开发者轻松使用他们所选择的框架,包括Caffe2、CNTK和MxNet。骁龙845还支持Google Android NN API。

除了高通最擅长的智能手机领域,骁龙845在VR/AR等产品也颇有建树。骁龙845是首款支持室内空间定位(room-scale)六自由度(6DoF)和即时定位与地图构建(SLAM)的移动平台。简单来说,在使用骁龙845处理器玩虚拟显示产品时通过摄像头可以检测到周边的环境,包括对手实时跟踪,并识别前方障碍物提醒用户,提升VR沉浸式用户体验。

3

你了解你的肤质吗?基于图像的肤质检测技术

皮肤是人的第二张脸,越来越多的人对自己的肤质情况密切关注。但目前的人工识别技术大多应用在安防、手机解锁、支付上面,主要任务是将人脸识别出来,没有将人脸上的肤质进行进一步的分析。和而泰的数据与人工智能实验室就在研究基于图像的肤质检测技术,是人脸识别技术相对是垂直的研究方向。和而泰副总裁王宏表示,目前可以提供丰富、精细的检测维度,包括脸型、眉型、肤色、黑头/毛孔、皱纹等等。

4

和而泰已经在京东众筹上发布了一款智能肤质检测仪,不过王宏表示,目前智能硬件的市场接受度比较低,因此主要通过手机摄像头这个超级传感器去开拓市场。

通过手机拍摄的人脸图片,手机APP可快速精准的检测出眼周、脸部、手部等区域的皮肤水分、油分等肌肤参数,并且针对数据进行智能分析,提供针对每个人肤质不一样的定制化改善方案,包括护肤建议、饮食建议、保养建议等。

5

肤质检测减技术的检测流程包括图像采集-图像预处理-图像模型(传统模型、深度模型)-识别结果。王宏表示,肤质检测技术目前还处于研究阶段,并分享了两个技术难点。

一是在图像采集阶段,如何得到一张高质量的图片,亮度和距离都要合适。为了保证图像的亮度,以及人脸可识别区域的面积,需要在图像采集时在前端做亮度和距离的检测,判断拍照姿势、角度、距离正不正确,指导用户拍照得到高质量的照片。此外在图像预处理阶段也要调节图像的亮度,从而捕捉到脸部更多的细节。

二是数据标注阶段,分为定义数据类别、数据标注、数据检测三个步骤。对于非专业人员可以轻易辨识的数据,采取抽样交叉标注的方式;对于毛孔、黑头等皮肤问题的数据,需要与专业人员(医生)合作,花费大量的时间去标注数据。此外,人脸肤质情况属于个人隐私,如何得到大量的肤质数据也是个难题。

其实,在深圳地铁站的面膜智能售卖机上,已经有免费肤质检测的功能。机器会检测并显示出用户的肤质情况,并建议用户买哪一款面膜。这种商业模式其实相当不错,但问题在于肤质检测的结果并不准确,多次检测的结果甚至大相径庭。当检测结果不精准没有权威性的时候,自然不会有太多消费者买单。希望能更多像和而泰这样的企业研究肤质检测技术,协同传感器、AI芯片、算法公司、方案商、终端企业等产业链上下游共同推进该技术的发展。

484