成千上万的样本，在用户中长大的语音助手

12 月 7-8 日在北京举办的 ArchSummit 全球架构师峰会上，微软 Principal Software Manager 李想老师分享了微软小冰实时感官系统与未来发展趋势。以下为演讲内容，部分有删减。李想老师首先介绍了什么是微软小冰，然后从全双工语音感官和实时视觉感官这两个方面，来展望了微软小冰的未来发展趋势。

什么是微软小冰？

目前，微软小冰已经上线四年了，存在于五个国家、数十款产品之中，有着上亿用户。小冰产品大致可以分为三类：

ChatBot，即聊天机器人 / 智能语音助手。

Content Provider，即内容提供商。小冰逐渐有了它自己的社会化角色，不仅可以用非常接近人类的声音唱歌，还可以写诗，甚至还可以讲儿童故事。

Solutions，即解决方案。比如，小冰不仅可以在一些新闻客户端给新闻做一些评价，带动新闻的整体流量，增加整体活跃性，还可以帮一些商业机构发布商业简报等等。

2

小冰的情商

下面主要讨论的是小冰的 Chat Bot（聊天机器人）。

四年中，小冰研发团队在和同行业者朝着相似的目标以截然相反的路线前进。对于智能机器人，传统想法是要让人类更加接受它们，就必须让它们变得很有用，能够帮助人们去完成一个任务、十个任务，甚至更多。但是，小冰团队认为，在变得有用的更底端，其实还有一层“情商”，以此为基础再去一层一层完成任务就会变得更自然。

下面以狼和哈士奇为例来说明一下这个问题。狼其实是一种非常强的生物，但是在以人为本位的群体中，有些种族却濒临灭绝。而哈士奇却可以整天什么活都不干，就能够很好地融入人类中去。为什么呢？因为人其实是一种以情感为基础的生物，我们尝试赋予与之能够进行情感交流的对方，予以平等的权利。我们把生物能够运用的这种权利称之为情商。以情商为基础再去完成任务就会变得更加自然。比如哈士奇可以帮你开灯关灯了，你一定会把它捧到天上去。

对于小冰来说，情商高意味着什么呢？意味着它在聊天过程中很有趣吗？其实不止如此。情商高，在交互中主要体现为控制全程对话的能力。

传统的智能语音助手不会去过度关注对话的全程，而更加关注对话中的每一个细节。它会把每一句话都优化得特别好，甚至把对话形式分为：面向任务型的对话、面向知识型对话、无意义的闲聊。

那么这真的是无意义的闲聊吗？也不尽然。

我们知道，小冰背后是大数据，有着 Bing 搜索。从大数据的分析来看，其实人与人的对话 / 人与人工智能的对话，就如同河流一般奔涌向前，任何一句看似无意义的闲聊，都可能在十几轮甚至几十轮的迭代之后产生一个非常重要的结果。小冰可以不停地去迭代，去改变对话的走向，去改变对话的长度。它关注的是整个对话的全局，而不是一城一地的得失，正如古人所言，“不谋全局，则不足以谋一隅”，这就是所谓的控制整个对话全程的能力。

12 月 7-8 日在北京举办的 ArchSummit 全球架构师峰会上，微软 Principal Software Manager 李想老师分享了微软小冰实时感官系统与未来发展趋势。以下为演讲内容，部分有删减。李想老师首先介绍了什么是微软小冰，然后从全双工语音感官和实时视觉感官这两个方面，来展望了微软小冰的未来发展趋势。