Home亚博电竞君嘘小点儿声!我在跟汽车说话呢

嘘小点儿声!我在跟汽车说话呢

现在只要跨进一辆所谓的「互联网汽车」里,大家都会第一时间想试试看智能语音助手系统的表现如何。而不管是OEM自研的车机系统,亦或是借助CarPlay、Android Auto、Echo Auto等第三方应用实现的互联功能,语音识别基本都是标配应用。只不过有一个问题值得思考:对车内这样的关键应用场景,这些技术是否已经具备应用的实力了呢?

还记得在今年CES国际消费电子展的现场,媒体把高通展台围了个水泄不通,大家都想看看集成了亚马逊Alexa语音识别技术的高通智能语音平台(Qualcomm Smart Audio Platform)会有怎样的表现。一般来说,工作人员会给出问题,随后虚拟助手做出相应的回答。但没想到现场竟然闹了个乌龙,Alexa打断了高通某位高层的提问,回答道,「不!你说得不对。」

Baharav解释道,「上面这个案例出现的情况,对绝大多数高级定向麦克风都是无解的。因为孩子们坐在驾驶员的正后方。一般的技术是没办法把这种噪声消掉的,因为它不是静态声,所以没办法被模拟后抵消掉。」

“第三方面,数学家本身应该积极参与到人工智能发展的浪潮里。”孔德兴呼吁,AI的未来发展需要数学家深度参与。由于目前仍处于“弱人工智能”时代(可以说是数据智能时代),AI的实现主要是依赖计算机的巨大算力和巨大的存储能力,底层算法的问题或许并不突出,但在未来的发展,AI将可能融入逻辑、思维等智慧的内容,这些都需要数学科学的原始创新,有大量的基础问题亟待数学家攻克。

据Baharav估计,目前车载语音功能的市场规模在5亿美元左右,而且增速很快。他也谈到了从Nuance剥离,主要面向汽车业务的独立子公司Cerence,每年的盈收有近3亿美元。而另一家知名的公司SoundHound,市场份额也在逐年增加。值得一提的是,到2025年,通过语音助手实现的商务和广告收入预计将超过200亿美元。

“如果通过算法的开发,最终产品落地了,企业应该将算法开发时的数学学者纳入到成果分享中来。”孔德兴说,社会目前对于数学科学等“软实力”的认可程度不足,行业或法规层面应该做好数学研究成果的产权保护工作。

我国人工智能领域发展的现状如何?依靠开源代码和算法是否足够支撑人工智能产业发展?为什么要有自己的底层框架和核心算法?

「这种情景对高级定向麦克风同样无效。因为这个场景中的噪声来自多个方向,并非短时静态的噪声,所以很难被一般的降噪技术消除掉。」Baharav再次强调称。

只不过目前语音识别尚处于技术发展初期,即便是在移动端应用上的体验都没有那么好,更何况是在场景更复杂、功能安全要求更高的汽车上。而且很多时候,消费者还没有养成使用语音操作相应功能的习惯,喊一个「hey siri」都让人觉得尴尬。

数字化转型对传统主机厂而言是目前的重任之一,所以大家都不希望用户太过依赖CarPaly、Android Auto等等这些第三方的应用,而是能够高频使用原有的车载娱乐信息系统,直接获得更优质的数字化体验(当然对数据资源的考虑也是重要原因)。在这种需求导向下,Hi Auto,SoundHound这些技术供应商面临着谷歌、苹果、亚马逊这些大厂的挑战。

孔德兴解释,开源代码是可以拿过来使用,但专业性、针对性不够,效果往往不能满足具体任务的实际要求。以图像识别为例,用开源代码开发出的AI即使可以准确识别人脸,但在对医学影像的识别上却难以达到临床要求。“例如对肝脏病灶的识别,由于边界模糊、对比度低、器官黏连甚至重叠等困难,用开源代码很难做到精准识别。在三维重构、可视化等方面难以做到精准反应真实的解剖信息,甚至会出现误导等问题,这在医学应用上是‘致命’的。”

voicebot.ai最近发布的2019调研报告显示,约六成的用户在购车时考虑为智能语音助手功能付费。

再来看另外的一个例子:

voicebot.ai报告显现,购车时有意愿付费增加语音助手功能的人数在逐渐上涨

按照计划,2020年,海口、三亚、洋浦经济开发区作为首批试点地区全面启动海上环卫工作,岸滩和近海海洋垃圾治理实现全覆盖;2021年,试点地区海上环卫构建起完整的收集、打捞、运输、处理体系,其他沿海市(县)全面启动海上环卫工作。到2023年,全省海上环卫工作实现常态化、规范化管理。

“一方面是政策引导,其实国家已经在加大这方面的扶持,例如科研基金上的设置等。”针对如何解决“徐匡迪之问”反映出来的问题,孔德兴认为,第二方面是行业企业在进行科技创新时,应有意识将数学学者纳入进来。

既然代码是开源的,拿来用就好,为什么还有可能被“卡脖子”?

“碰到专业性高的研究任务,一旦被‘卡脖子’将会是非常被动的,所以一定要有自己的算法。”孔德兴说。换句话说,是否掌握核心代码将决定未来的AI“智力大比拼”中是否拥有胜算。用开源代码“调教”出的AI顶多是个“常人”,而要帮助AI成长为“细分领域专家”,需以数学为基础的原始核心模型、代码和框架创新。

一位女士开车行驶在上班途中,雷声隆隆,瓢泼大雨持续拍打着车窗。车里的空调已经开到最大,这个时候她想告诉同事她可能上班要迟到了。她虽然知道发短信很危险,但是她一遍遍地对着车载语音系统发出指令,对方回复的则是:对不起,请声音再大一点……

“如果缺少核心算法,当碰到关键性问题时,还是会被人‘卡脖子’。”浙江大学应用数学研究所所长孔德兴教授对科技日报记者表示,我国人工智能产业的创新能力并没有传说中的那样强,事实是,产业发展过度依赖开源代码和现有数学模型,真正属于中国自己的东西并不多。

“如果从底层算法做起,那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’,不仅可以协同优化,而且可以根据需求随时修改,从而真正解决实际问题。”孔德兴说,基础算法往往是指研究共性问题的算法,它涉及到基础数学理论、高性能数值计算等学科,可以应用到多种实际问题中;而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”,从而更好地解决实际应用问题。

呼吁三方协力,让数学不再置身事外

「我们的技术是内嵌式的,有着人性化的设计,能够为Spotify、Audible、Digital radio、Whatsapp这些主流的APP应用提供车机支持。」Baharav介绍说,「更重要的是,主机厂可以把我们的语音技术与其自有的地图、广播、电话/短信、车身控制、ADAS等功能进行集成,一些涉及到汽车硬件的高级集成应用也是没有问题的。」

一位父亲开着一辆SUV行驶在高速公路上,车里坐着女儿还有她们的朋友。他和孩子们在聊着刚刚结束的足球训练。突然,他注意到车快没油了,所以他不得不改变导航目的地。他不愿意花太多功夫在中控屏上划来划去找一家加油站,但车里太吵了(姑娘们正唧唧喳喳地聊着天)以致于语音系统根本听不到这位父亲发出的指令。

而为了减少噪声同时提升车内语音识别技术的可靠性,一家来自以色列的初创公司Hi Auto提出了「audio-visual」的解决方案。实现它只需要一枚朝向驾驶员的摄像头和一枚单声道麦克风。借助深度学习算法,该系统能够追踪用户唇部的运动轨迹,将图像与音频结合起来做识别,这样可以减少来自其他扬声器以及噪声源的干扰。

在实际作业方面,将充分发挥科技手段在“海上环卫”工作中的推动作用,充分运用好卫星遥感、无人机、视频监控等手段,及时发现、有效掌握海漂垃圾的动态和规律,尤其是对涌出的垃圾进行实时监控。逐步建立以机械为主、人工为辅的海上环卫作业模式,大力提高岸滩清扫保洁和海上作业机械化水平,配置机械化作业设备。海边沙滩保洁应采用专业机械设备,对沙滩进行深度清理。

在Baharav看来,基于语音的功能控制越来越普遍,即便是在汽车这样相对传统的领域。「豪华车型上已经有大规模应用了,这些功能正逐步下发至走量市场。」Haharav表示,而这个现象背后驱动的力量源自一系列基于语音的车机功能变得越来越受欢迎。

而语音上车,从品牌营销的角度而言,汽车制造商都希望抓住这项技术应用的红利期,进一步提升自身产品的竞争实力。「语音控制功能变得越来越重要(谷歌预计到2020年有超过50%的搜索请求是通过语音发起的),主机厂认为他们必须要支持这种新的交互方式。」Baharav解释道,「否则就是落后,很可能被其他竞争对手赶超。」

集成了亚马逊Alexa语音识别技术的高通智能语音平台|官方供图

「清晰的音频」是这套解决方案期待得到的结果。它能为进一步提升语音识别系统的准确率打下良好的基础。「我们计划只提供软件系统,不需要特殊的硬件匹配。」Hi Auto联合创始人兼CEO Roy Baharav强调说。

“基础算法和应用算法都很重要,拥有基础算法将更有助于应用算法的丰富与深入。”孔德兴说,AI要应对的现实生活是复杂、多变的,当能够“应对自如”时,才能够促成产业的“繁茂”。

目前,语音系统控制的基本都是些和车机相关的功能应用。用户可以通过语音接听拨打电话,接收发送短信,播放音乐/视频等流媒体,执行导航或商务会议等。

所以,现在的智能语音系统基本上识别率还都很低,特别是在嘈杂的环境中。

据TopMove了解,首笔融资将用于完成Hi Auto首款产品的研发,建立销售和商务拓展团队。Baharav透露称,几家顶级的汽车制造商计划2020年初对Hi Auto的技术进行考察。

海上环卫实施区域包括沿海岸低潮线向海一侧200米、河流入海口、沿海港口、码头水域的海面以及近岸滩涂(三沙市及其他海岛根据实际划定范围)。

缺少核心算法,会被“卡脖子”

那么,借助开源代码,“半路出家”的AI产业为什么会难以为继?

4个月零基础学会人工智能、16讲入门人工智能、算法线下大课……类似培训在网络上非常火爆,通过对于现有算法、模型的学习和训练,成长为人工智能工程师的“短平快”可见一斑。

可问题是,车内的使用场景不会保证是绝对安静的。想想看,后座的孩子们在扯着嗓子喊叫,救护车明鸣笛疾驰而过,大雨敲击车窗噼里啪啦的声音……这些可都是日常生活再普通不过的情况了。

demo演示的时候出现这种不尽如人意的情况,再正常不过了。绝大多数情况下只要耸耸肩,露出一个尴尬而不失礼貌的微笑就可以「蒙混过关」了。但问题是,你在量产车上也经常会遇到类似的bug。你想象中的智能语音助手可能是类似贾维斯的存在,但可能有些时候它会表现得像个弱智一样,让人哭笑不得。

按照预定的规划,2020年的CES国际消费电子展之后,Hi Auto会发布首个车载语音解决方案SDK,或通过简单的授权或基于SaaS模式的云端API形式供客户使用。

孔德兴解释说,在获得同样数据的前提下,以开源代码运行,AI深度学习之后或许能输出结果,但由于训练框架固定、算法限制,当用户进行具体的实际应用时,将很难达到所期望的结果,而且难以修改、完善、优化算法。

亚马逊开发的Echo Auto车载智能语音硬件|官方供图

知名咨询机构罗兰贝格近日联合地平线发布的《智能座舱发展趋势白皮书》中曾对汽车座舱未来的形态进行了预测。罗兰贝格指出,「触摸屏不会是交互的终点,未来座舱会朝着多模交互的方向发展」。而不论在哪个阶段,语音都扮演着至关重要的角色。

从Nuance中剥离出,集中发力车载语音技术的Cerence每年盈收有近3亿美金|官方供图

Baharav介绍了一些可能的应用场景。比如共享出行或者家庭用车,高质量的车载语音技术就变得十分必要了。因为不同的车机系统必须要能够同时处理不同乘客发出的语音指令。「随着ADAS高级驾驶辅助功能逐渐成为量产车型的标配,今后我们甚至完全可以用语音向汽车发出变道、超车或者泊车的指令。因此,语音控车技术的可靠性,包括它的抗噪能力就显得十分关键了。」Baharav指出。

Baharav坚信车内的智能语音助手绝不只是供人消遣的娱乐工具。「它们未来会成为执行某项任务的关键功能」他同时指出。车内的大屏化正成为现在各大汽车厂商追逐的「潮流」,可问题是,视觉交互很容易让驾驶员分心,这跟目前汽车工业逐渐严苛的安全监管趋势背道而驰。而从消费者的角度而言,现在智能音箱几乎都是「白菜价」,大家已经习惯于「动嘴不动手」,这种体验亟需复制到汽车上,形成无缝的互联生活。

海上环卫制度实行巡回保洁制度,根据垃圾量合理配置作业时间,遇到强风暴雨等特殊天气应停止作业并避险。作业区域内不得有明显的漂浮垃圾,收集到的垃圾应进行分类装袋,做到日产日清,密闭收集转运至垃圾中转站或垃圾终端处理设施,不得就地焚烧和掩埋,严禁裸露堆放码头、岸边。

有算法之“根”才能撑起产业“繁茂”

「你的车载语音功能至少应该有能够和Google Assistant,Siri相抗衡的实力才行。」Baharav强调称。在他看来,汽车变得越来越智能,车企必须要认真打磨自己的语音助手功能体验。

那你还能想到哪些和汽车「叨叨」几句的理由呢?

更新iOS 13系统后的CarPlay,Siri的运行界面挪到了屏幕底下|现场拍摄

Hi Auto是带着清晰的目标进入车载语音市场的,这家公司希望提升扬声器的拾音和语音识别的能力。在问及普通智能手机或智能音箱在哪些场景的降噪表现较差时,Baharav举了一个例子来说明:

算法的进阶一定是来源于“原创者”,而不是“跟随者”。孔德兴说:“实际上深度学习的应用已遇到了天花板,我们需要新的数学技术(如部分依赖逻辑、部分依赖数据的‘聪明算法’),让计算机变得聪明起来。这些工作都需要数学家的参与。”

遗憾的是,目前一些独立的解决方案,就语音助手的表现质量而言,还有很多不足。特别是在嘈杂的环境,经常会出现「傻掉」的情形。Hi Auto希望通过解决与车内环境相关的难题(短暂的噪声持续存在,乘客们可能会互相交谈等),来进一步凸显自己的竞争优势。「我们必须保证机器听得清用户发出的指令。」Baharav指出。

所谓“树大根深”,人工智能的发展也是同样道理,越在底层深深扎下根基,越能够发展出强大的产业。

“我国人工智能领域真正搞算法的科学家凤毛麟角。”在4月28日召开的“超声大数据与人工智能应用与推广大会”上,东南大学生物科学与医学工程学院教授万遂人表示,“徐匡迪之问”直击我国人工智能发展的核心关键问题,“如果这种情况不改变,我国人工智能应用很难走向深入、也很难获得重大成果”。