别被忽悠了，市面上“呆笨”的智能音箱大都不是真正的AI

最近有媒体人提到，腾讯叮当、讯飞阿尔法蛋、小度音箱、好未来未来盒子，再加上各种中小厂商赠送的语音机器人、智能音箱等等，几乎家里已经被这种“时髦”的智能小机器人包围。

图片来自网络

但是，这些上去高大上的机器人、智能音箱真的智能吗？他们为什么用着用着突然就断片了？不理你了？让你彻底将他们封存？最近有朋友表示，刚从华为售后门店出来，试用了一下华为的AI智能音箱，感觉反应还是有些慢。试着让华为AI音箱放一首古琴曲《秋风词》，搜索了二十秒才有反应，真是好尴尬。包括笔者之前试用过喜马拉雅FM出品的小雅音箱，频繁的掉链子，最后也是扔到角落里等候发落。

为什么这些机器人是“呆笨”的假AI？

为什么宣传的那么好的产品，关键时刻不灵了？在专业的AI从业者来，这些机器人都挺“笨”的。目前可以回答的内容都是根据知识词条记忆，和用户的语音交互都是临时去搜的、去合作的API调用，但凡用户随机问到相对复杂的、没有词条的问题，这些机器人没法回答。

造成市面上机器人并不智能的根源在于：

1、词条型知识库和SQL询语句没有本质区别，但是，这不能代表AI。

2、语音识别（ASR）似是讯飞的专长，也是很多公司的专长，实际使用起来，通用性太强、行业性太弱，严格来说阿里和百度的实际使用效果是好于讯飞的。

所以，这将引申出另一个重要问题，通用性太强的平台，怎么进入行业垂直领域？毕竟术业有专攻，机器学习不仅要有广度，还要有深度。

这位朋友表示，为了研究市面上的这些机器人，团队花了几百万买了主流的服务机器人、智能音箱回来研究。基本上从后台操作来，包括猎豹、讯飞、百度、小米都是采用词条知识库搜索，这严格来说不算AI。以猎豹为例，后台要自己分词输入答案，除了少量的天气问询这种技能，别的几乎没啥用。而很多知识性的内容，就是百科词条。

从硬件来，服务机器人的硬件也没有特别的创新，大家趋于雷同，基本上就是：主板+传感器+舵机+屏幕+麦克风阵列+音箱的一个组合体。严格来说，这只是一个会发生的“玩具”。现在市面上主要机器人都是代工的，互联网公司没有生产能力，都是采用ODM+OEM，以深圳、苏州地区为主，现阶段硬件层面很难有什么大的突破。

从产业价值来，市面上的智能音箱目前主要是做了一件事，就是让语音识别（ASR）技术落地，变得更加实用，对人工智能的推广和普及有一定的作用。至于里面的功能，还不如你的手机智能。语音识别理流程：“输入——编码——解码——输出”。

NLP+语音的处理过程：语音=>字=>NLP=>字=>TTS（如果预先字变成了录音，就不用TTS）。

TTS是字合成语音，目前有两种：一种是全合成，另一种是半合成。全合成就听起来比较假，很生硬的机器人，有些语音读报就采用这种字合成语音，一听就知道是机器人，舌头根很硬。半合成就需要声优帮忙录很多词很多语调，然后合成，比如，我们听到高德导航中林志玲的声音就是合成的。这个朋友打趣到：如果半合成做的好，可以做到自己老妈都听不出来对方是机器人。这个技术关键就是语音=>字=>NLP=>字=>TTS。

什么是真正的AI？

NLP处理的过程中，现在100%几乎都是词条处理。但是真正的AI，应该是NLP采用知识图谱处理。不过谁去建设这么大的知识图谱呢？肯定是垂直行业的人才懂啊。现在这些所谓大公司，他们的NLP基本都是用词条模式。所以，外表光鲜无法掩盖一个事实，产品不智能。

要想实现这些机器人的智能功能并不难，从淘宝上买个实体机器人，主板连接WIFI到服务器上，由服务器控制机器人，然后就可以智能了。包括对话问答，所以，现在市面上到的所谓智能，未来都不是主流。未来新一代机器人上线了，就很容易PK掉现在这些伪机器人产品。

总结来，硬件根本不是问题，随便从淘宝买个机器人，改造下就能达到所谓的智能，关键还是软件系统。所谓智能，目前只是ASR和TTS着还行，但是论思考力，都没有，都是词条而已。来，要想实现真正的AI，还有很长的路要走，这个生态还需要不断完善，要有企业耐下心来做事情，加入更多的技术和创新。