武漢小區垃圾桶，小區垃圾桶價格

　　其他名字：1、可回收垃圾箱；2、廚余垃圾箱；3、有害垃圾箱；4、其他垃圾箱。

　　編者按：本文來自“"，審校：**。。據外媒報道，對于澳大利亞人馬克·塞拉斯（MarkSerrels）來說，親身駕駛特斯拉ModelX四天，并非是為了對這款“未來之車"進行性能測試，而是一次生死攸關的體驗。對于從未駕駛過ModelX的塞拉斯來說，駕駛它就像在操作一部巨大的、可移動充電的iPhone。下面就是塞拉斯的親身經歷：我不是個善于開車的人。我考試五次不及格。當我20歲的時候，我在爆胎的情況下繼續開出了5公里，卻沒有注意到任何問題。有一次，我試圖給汽車加油，卻忘了把蓋子蓋好，引發了一系列壯觀的事件：在一個炎熱的周日下午，我的汽車引擎在墨爾本市中心發生爆炸。所以，當我決定利用ModelX進行為期四天的試駕時，我感到非常緊張。之所以決定親身體驗這款車型，是因為我們知道，從技術角度來看，特斯拉制造出了很棒的汽車，但是在現實的家庭生活中會發生什么呢？作為“未來之車"，ModelX本質上就是個巨大的、可移動的、可充電的iPhone。特斯拉的服務人員把鑰匙遞給我，然后把我帶到我要開的那輛ModelX所在的地方。她禮貌地叫我開門，不過我停了下來。這輛車看起來很時髦，流線光滑，沒有明顯的邊緣和縫隙。我就像是個拿著棍子的**，而ModelX就像我要對付的巨石。我笨拙地拖著腳，因為我不知道如何開車門。準豪華車型我不做有關汽車方面的評論，也從來沒有開過“豪華車"。我目前擁有一輛2006年的豐田Rav4，但它更像是成SUV的垃圾桶。這不是開玩笑，坐在司機的座位上，我經常能聞到垃圾的氣味，但畢竟生活要繼續下去，我逐漸習慣于將其當成是正常的事情。當你有一輛被設計用來將孩子從A點運送到B點的汽車時，你的車就是一個有輪子的、經過美化的垃圾箱。座位之間有餅干，地板上散落著香蕉皮，還有尿布、各種奇怪的棍子，甚至還有破了的小傘。在這種背景下，時尚、具有未來范兒的特斯拉ModelX不禁讓人感覺超凡脫俗。踩下加速器，我的突觸就像被強迫喂過冰鎮果汁的穴居人那樣酸爽。我坐在一輛從未來被送回到現代的汽車里，我身上的每一根纖維，從器官到骨骼上的肌肉，都因恐懼和興奮而震動。在ModelX的有個巨大的平板電腦，它對我的動作有所回應。我不需要和方向盤較勁。我加速，車子就會按照指令行事，并以“是的，主人"回應。此外，ModelX聞起來沒有垃圾的味道。顯然，這是一款豪華SUV。我無法將它與其他在這一領域爭奪的豪華SUV進行比較。我只知道，這輛車感覺比我開過的任何車都更具未來感，我被這個從未來送來的奇怪東西弄糊涂了，它想要把我們從化石燃料和“"手中拯救出來，讓我們重新回到石器時代。特斯拉的服務人員問我，是否還有其他問題。我回答說：“只有一個。"而且這是個很重要的問題。大約六個月前，我在高速公路上開車時，我兩歲的兒子想出了如何打開乘客車門的辦法。當時我正以96公里的時速開車。我想問的是：“如何才能啟動兒童鎖？"接下來就是我大腦中的每一根纖維遭受轟炸的時刻。使用特斯拉的平板電腦，我們在一套極其嚴格的設置中艱難地尋找“兒童鎖"。這讓我想起了從iOS切換到安卓系統時的場景，并試圖弄清楚如何關閉Facebook通知。你知道這是顯而易見的(至少在事后看來如此)，但當時你正在的信息海洋中滾動，這讓人有些喘不過氣來的感覺。你可以調整懸掛，可以調整方向盤，可以讓你的座位變得暖和，可以在巨大的平板電腦上玩雅達利游戲。但現在我只想確保，我的孩子們不會因意外而。這是我們的車嗎？在那一整天，我始終期待著接長子放學的瞬間，我等不及要看他對特斯拉新車的反應了。我的小兒子沒啥反應，他才2歲，除了毀掉房子里所有值錢的東西外，他無法真的給出有意義的見解。當我把他從托兒所接走的時候，他悄悄地爬上了自己的汽車座椅，就像什么都沒改變一樣，就像我們的垃圾桶Rav4并沒有突然被來自未來的汽車所取代那樣。在特斯拉ModelX上安裝法定的兒童座椅相對容易，但有一種奇怪的不和諧之處。在價值8.62萬美元)的豪華汽車上無縫安裝上可供兒童吃喝拉撒的座椅，怎么看都有點兒怪異。就像是在看一幅荷蘭錯覺藝術大師埃舍爾（MCEscher）的畫，我茫然地盯著坐在特斯拉里的兒子，等待著這幅圖像開始變得更有意義。接到五歲的兒子時，事情終于有了變化。這是我所希望的，他帶著“驚嘆"向它走去。他氣喘吁吁地問：“這是我們的車嗎？"我們繞道去了高速公路。此前，在特斯拉服務人員的指導下，我被告知如何讓汽車進入無人駕駛狀態。他們的建議是“只在高速公路上用它"，而我打算接受這個建議。這是我**次使用它，有特斯拉代表坐在旁邊，我感覺相當舒服。舒舒服服地把自己的生活交到這款智能組件的手中。我和后面的孩子們會有什么感覺？當這種場景在以后的生活中成為常態時，我會有什么感覺？至少在現在看來，我覺得一切都很不錯。我開車上了高速公路，并按了加速鍵。我的孩子們在后面沒完沒了地要求“走得更快些"，“去麥當勞吃晚飯"，還為了一個空水瓶打架，于是我拉了兩次“自動駕駛儀"開關，進入無人駕駛狀態，以便把雙手從方向盤上拿開，默默地祈禱死亡的甜蜜釋放。孩子們錯了嗎？有時候，我們很難擺脫一種感覺，那就是我們在浪費子孫后代能夠享用的資源。在我體驗自動駕駛儀的那天，當我的孩子們在后座上爭吵不休時，1000多名兒童在悉尼參加，這是全國范圍內的“第四次罷工氣候行動"(Strike4ClimateAction)的一部分。全國各地（如墨爾本、巴拉拉特、凱恩斯、紐卡斯爾、珀斯）的孩子們離開教室，**在氣候變化問題上無所作為。這很鼓舞人心。這些孩子不能投票，他們沒有辦法選舉或罷免做出可能會毀掉他們未來的決定的人，但他們共同找到了一種讓人們聽到他們聲音的方法。澳大利亞**斯科特·莫里森(ScottMorrison)批評了活動。他曾把煤塊帶到議會，并說“我們不支持我們的學校變成議會"，希望學校里“少些積極主義"。事實上，孩子們是對的。當我回到家，把特斯拉ModelX倒進車庫時，附近的孩子們從自行車上跳了下來。他們聚在一起，驚掉了的下巴。一個孩子說：“一看到它，我就給媽媽發了短信。"另一個人開始喋喋不休地說出特斯拉的型號，就像他自己就是埃隆·馬斯克(ElonMusk)一樣。一個住在馬路對面的小孩而告訴我，他是個特斯拉的超級粉絲。這些孩子不再把保時捷的海報貼在墻上，而是掛上了特斯拉跑車Roadster的海報。當ModelX的鷹翼門打開時，孩子們甚至尖叫起來。在他們父母的允許下，我把他們都帶去兜風。在整個過程中，他們就像一群的鬣狗那樣高聲吠叫著。這不是我的車街對面的那個中年人隨后走了過來，并毫不客氣地指出，這種電動汽車沒用。的確，我一周吃六次肉，我們正在毀滅所生活的世界。冰蓋正在融化，加州野火肆虐，只有在像特斯拉ModelX這樣的車里才能呼吸到干凈的空氣。我的中年鄰居確信，一輛車不起作用，普通人買不起它。當我打開ModelX的鷹翼門時，我對所有盯著它的人說了相同的話：“這不是我的車，我只是借用幾天而已。"同時，提醒大家我很正常，這里沒什么可看的。2018年，埃隆·馬斯克(ElonMusk)被處以2000萬美元的罰款，并被迫辭去特斯拉董事長一職，此前他被指控在Twitter上誤導投資者。他目前正被一名英國潛水員，這名潛水員英勇地營救了被困在水下洞穴中的泰國兒童，但卻被馬斯克稱為“戀童癖者"。馬斯克還在喬·羅根(JoeRogan)的播客上吸**，然后在Twitter上漫不經心地表示，他堅信每周應該工作80小時，可能需要多達100小時來“改變世界"，他似乎沒有意識到自己公司在員工待遇方面的聲譽不佳。簡而言之，2018年是埃隆·馬斯克(ElonMusk)從“鋼鐵俠"變成“問題人士"的一年。所以當我說“不是我的車"時，既有不愿被看作是“在學校里炫耀漂亮新車的大人物"的意思，也有不愿惹麻煩的意思，因為很多人現在似乎不喜歡馬斯克。周六，我從悉尼開車到堪培拉，這基本上是一條長達320公里的直線，單調乏味。但在特斯拉ModelX車中，時間似乎過得更快。我感覺很舒服。我已經調整了我的座位，設定了自己的特殊規格，并保存為檔案。使用了氣候控制功能意味著，悉尼夏季太陽的熾熱不會穿透到車中。汽車被設置為智能型巡航控制。我在看平板電腦，它記錄了我的電池使用情況，估計在目前的情況下，我能以這個速度行駛多少公里。數字顯示，我可以很舒適地到達堪培拉。在車的后座上，孩子們在爭論聽哪首音樂。我們終滿足于《忍者》的主題曲，并重復播放?！拔覀儽徽婵辗庠谝粋€奇怪的夢里，外面的世界一片混亂"，我當時就是這么想的。如果澳大利亞的灌木叢突然變成燃燒的地獄，如果有人終投下了，如果海洋上升并吞噬了我們所有人，在這輛車里，在這一刻，我們將是后的人之一。

　　兩用垃圾桶，是指一種兼具垃圾桶與簸箕兩種功能的新型垃圾桶，該垃圾桶大致具有一概呈Ｌ型的容器本體，本體上方設有一垃圾投入口及一自動復歸的蓋板，使用者輕壓蓋板將垃圾投入垃圾桶內時，蓋板可自動將投入口封閉，以達到整潔衛生的要求，容器本體下方一側向前延伸成一斜面袋口，該袋口設有一可向內掀起的活動蓋，可掃入垃圾而又不使垃圾掉出，活動蓋一側另設一缺口，可在連動桿向上拉起后，連動桿前端的鉤柄移位至缺口處，使活動蓋可向內或向外掀動，以利垃圾桶內的垃圾倒出，可當直接掃入垃圾的簸箕以及可倒垃圾的兩用垃圾桶。這款垃圾桶仿佛一個被鋒利的**沿對角線削成兩半的中空長方體。而因為空洞并未處于長方體的正中間，所以，只要將其90度放倒，即可讓垃圾桶變身簸箕，方便了垃圾的清掃和收納。

　　編者按：本文來自微信公眾號“S先生"（ID：TheMisterS），作者Mingke，。原題目《人工智障2:你看到的AI與智能無關》前言大家好，我又出來懟人了。兩年前，寫了一篇文章《為什么現在的人工智能助理都像人工智障》，當時主要是懟“智能助理們"。這次呢則是表達“我不是針對誰，只是現在所有的深度學習都搞不定對話AI"，以及“你看都這樣了，那該怎么做AI產品"。-閱讀門檻-時間：這篇真的太長了（近3萬字）根據預覽同學們的反饋，通常**次閱讀到Part3時，會消耗很多精力，但讀完Part3才發現是精華（同時也是燒腦的部分）。請大家酌情安排閱讀時間?？勺x性：我會在內容里邀請你一起思考（無需知識），所以可能不適合通勤時間閱讀。你的閱讀收益取決于在過程中思考的參與程度。適合人群：對話智能行業從業者、AIPM、關注AI的投資人、對AI有強烈興趣的朋友、關心自己的工作會不會被AI代替的朋友；關于鏈接：閱讀本文時，無需閱讀每個鏈接里的內容，這并不會影響對本文的理解。-關于“人工智障"四個字-上一片文章發出后，有朋友跟我說，標題里的“人工智障"這個詞貌似有點offensive。作為學語言出身的，我來解釋一下這個原因：開始呢，我是在跟一位企業咨詢顧問聊人工智能這個賽道的現狀。因為對話是用英語展開的，當時為了表達我的看法“現在的智能助理行業正處在一種難以逾越的困境當中"，我就跟她說“CurrentlyallthedigitalassistantsareArtificial-Intelligentlychallenged"。她聽了之后哈哈一笑。“intelligentlychallenged"同時也是英文中對智障的委婉表達。假設不了解這個常識，她就可能忽略掉這個梗，盡管能明白核心意思，只是不會覺得有什么好笑的。那么信息在傳遞中就有損失。寫文章時，我把這個信息翻譯成中文，就成了“人工智障"。但是因為中文語法的特性，有些信息就lostintranslation了。比如實際表達的是“一種困境的狀態"而不是“一件事"。（順便說一下，中文的智障，實際上是政治正確的稱呼，詳見特殊會的用詞方法。）為什么要寫那么多字來解釋這個措辭？因為不同的人，看見相同的字，也會得到不同的理解。這也是我們要討論的重點之一。那么，我們開始吧。Part1對話智能的表現：智障:ITU2017年10月，上圖這個叫Sophia的機器人，被沙特阿拉伯授予了正式的公民身份。公民身份，這個評價比圖靈測試還要牛。何況還是在沙特，他們才剛剛允許女性開車不久（2017年9月頒布的法令）。Sophia經常參加各種會、“發表演講"、“接受采訪"，比如去對話，表現出來非常類似人類的言談；去和WillSmith拍MV；接受GoodmorningBritain之類的主流媒體的采訪；甚至公司創始人參加JimFallon的訪談時一本正經的說Sophia是“basicallyalive"。Basicallyalive.要知道，西方的吃瓜群眾都是看著《》長大的，前段時間還看了《西部世界》。在他們的世界模型里，“機器智能會覺醒"這個設定是遲早都會發生的。普通大眾開始嚇得瑟瑟發抖。不僅開始擔心自己的工作是不是會被替代，還有很多人開始擔心AI會不會統治人類，這樣的話題展開?！拔磥硪褋?，很多人都以為真正的人工智能已經近在咫尺了。只是，有些人可能會注意到有些不合理的地方：“等等，人工智能都要威脅人類了，為啥我的Siri還那么蠢？"Source:DumbAndDumber:ComparingAlexa,Siri,CortanaAndTheGoogleAssistant,Forbes,May2018我們來看看到2018年末在對話智能領域，各方面究竟發展的如何了?！安灰毡静?我在2016年底做過一個測試，對幾個智能助理提一個看似簡單的需求：“推薦餐廳，不要日本菜"。只是各家的AI助理都會給出一堆餐廳推薦，全是日本菜。2年過去了，在這個問題的處理上有進展么？我們又做了一次測試：結果是依然沒有解決?！安灰?兩個字被所有助理一致忽略了。為什么要關注“不要"兩個字？之前我去到一家某非常有名的智能語音創業公司，聊到這個問題時，他家的PM顯出疑惑：“這個邏輯處理有什么用？我們后臺上看到用戶很少提出這類表達啊。"聽到這樣的評論，基本可以確定：這家公司還沒有深入到服務對話領域。場景方面，一旦深入進服務領域里的多輪對話，很容易會遇到類似這樣的表達：“我不要這個，有更便宜的么？"。后臺沒有遇到，只能說用戶還沒開始服務就結束了。場景方面與AI公司的domain選擇有關。但是在技術方面，則是非常重要的。因為這正是真正智能的核心特點。我們將在part2&3詳細聊聊這個問題。現在先拋個結論：這個問題解決不了，智能助理會一直智障下去的?！癟oC團隊轉ToB"自從2015年幾個重要的深度學習在當中火了起來，大小公司都想做“Her"這樣面對個人消費者的通用型智能助理（ToC類產品的目標）。一波熱錢投給有希望的種子隊伍（擁有Fancy背景）之后，全滅。目前為止，在2C這方面的所有商用產品，無論是還是創業公司，全部達不到用戶預期。在人們的直覺里，會認為“智能助理"，處理的是一些日常任務，不涉及的需求，應該比“智能專家"好做。這是延續“人"的思路。推薦餐廳、安排行程是人人都會做的事情；卻只有少數受過訓練的人能夠處理金融、醫療問診這類問題。而對于現在的AI，情況正好相反。現在能造出在圍棋上打敗柯潔的AI，但是卻造不出來能給柯潔管理日常生活的AI。隨著toC助理賽道的崩盤，ToBornottoB已經不再是問題，因為已經沒得選了，只能ToB。這不是商業模式上的選擇，而是技術的限制。目前ToB，特別是限定領域的產品，相對ToC類產品更可行：一個原因是領域比較封閉，用戶從思想到語言，不容易發揮跑題；另一方面則是數據充分。只是ToB的公司都很容易被當成是做“外包"的。因為客戶是一個個談下來的，項目是一個個交付的，這意味著增長慢，靠人堆，沒有復利帶來的指數級增長。大家紛紛表示不開心。這個“幫人造機器人"的業務有點像“在網頁時代幫人建站"。轉成ToB的團隊經常受到資本的質疑：“你這個屬于做項目，怎么規?；?？"要知道，國內的很多投資機構和里面的投資經理入行的時間，是在國內的移動互聯起來的那一波?！癝calability"或者“高速增長"是體系里重要的指標，沒有之一。而做項目這件事，就是Casebycase，要增長就要堆人，也就很難出現指數級增長。這就有點尷尬了?！澳惴判?，我有SaaS！哦不，是AIaaS。我可以打造一個平臺，上面有一系列工具，可以讓客戶們自己組裝機器人。"然而，這些想做技能平臺的創業公司，也沒有一個成功的。短期也不可能成功。YannLeCun對AIaas的看法主要的邏輯是這樣的：你給客戶提供工具，但他需要的是雕像——這中間還差了一個雕塑家。佐證就是那些各家試圖開放“對話框架"給更小的，甚至是服務提供者，幫助他們“3分鐘開發出自己的AI機器人"，具體就不點名了。自己都開發不出來一個讓人滿意的產品，還想抽象一個范式出來讓別人沿用你的（不work的）框架？不過，我認為MLaaS在長期的成功是有可能的，但還需要行業發展更為成熟的時候，現在為時尚早。具體分析我們在后面Part5會談到?！耙粝涞某晒椭悄艿氖?對話這個領域，另一個比較火的賽道是智能音箱。各大主要科技公司都出了自己的智能音箱，騰訊叮當、阿里的天貓精靈、小米音箱、國外的Alexa、Google的音箱等等。作為一個硬件品類，這其實是個還不錯的生意，基本屬于制造業。不僅出貨不差，還被寄予期望，能夠成為一個生態的生意——核心邏輯看上去也是充滿想象力的：超級終端：在后移動時代，每家都想像iphone一樣搶用戶的入口。只要用戶習慣使用語音來獲得咨詢或者服務，甚至可以像Xbox/ps一樣，硬件賠錢賣，軟件來掙錢；用語音做OS：打造各類語音的技能，然后通過大量“離不開的技能"反哺這個OS的市場占有；提供平臺：像Xcode一樣，給提供應用開發的工具和分發平臺、提供使用服務的流量。可是，這些技能使用的實際情況是這樣的：Source:Statista萬眾期待的killerapp并沒有出現；基本沒有商業服務型的應用；技能都沒賺到錢，也不知道怎么；大部分高頻使用的技能都沒有商業價值——用戶用的多的就是“查天氣"沒有差異性：智能的差異嘛基本都沒有的事兒?！盎实鄣男氯斯ぶ悄?回過頭來，我們再來看剛剛那位沙特阿拉伯的公民，Sophia。既然剛剛提到的那么多公司投入了那么多錢和科學家，都搞成這樣，憑什么這個Sophia能一鳴驚人？因為Sophia的“智能"是個**?？梢灾苯右肶annLeCun對此的評價，“這是鬼扯"。簡單來說，Sophia是一個帶喇叭的木偶——在各種大會上的發言和采訪的內容都是人工撰寫，然后用人人都有的語音合成做輸出。卻被宣傳成為是其“人工智能"的自主意識言論。這還能拿“公民身份"，可能是人類公民被黑的慘的一次。這感覺，好像是我家的橘貓被一所985大學授予了土木工程學士學位。其實對話系統里，用人工來撰寫內容，或者使用模版回復，這本來就是現在技術的現狀（在后面我們會展開）。但刻意把“非智能"的產物說成是“智能"的表現，這就不對了?？紤]到大部分吃瓜群眾是通過媒體渠道來了解當前技術發展的，跟著炒作的媒體（比如被點名的TechInsider）都是這場**的共犯。這些不知道是無知還是無良的文科生，真的沒有做好新聞工作者份內的調查工作。近這股妖風也吹到了國內的韭菜園里。Sophia出現在了王力宏的一首講AI的MV里；然后又2018年11月跑去給大企業站臺。真的，行業內認真做事兒的小伙伴，都應該站出來，讓大家更清晰的知道現在AI——或者說機器學習的邊界在哪兒。不然甲方爸爸們信以為真了，突然指著sophia跟你說，“別人都能這么自然，你也給我整一個。"你怕不得裝個真人進去？對了，說到這兒，確實現在也有：用人——來成人工智能——來模擬人，為用戶服務。Source:TheGuardian國內的案例典型的就是銀行用的大堂機器人，其實是真人在遠程語音（所謂Telepresence）。美國有X.ai，做基于的日程管理的。只是這個AI到了下午5點就要下班。當然，假如我是這些**背后，被質疑的時候，我還可以強行拉回人工智能上：“這么做是為了積累真正的對話數據，以后用來做真的AI對話系統識別的訓練。"這么說對外行可能是毫無破綻的。但是真正行業內干正經事的人，都應該像傅盛那樣站出來，指明這些做法是**：“沒有一家能做出來......做不到，一定做不到"。人家沙特是把AI當成人，這些套路是把人當成AI。然后大眾就開始分不清楚究竟什么是AI了?！叭斯ぶ悄芫烤梗╰md）指的是什么？"另一方面，既然AI現在的那么蠢，為什么馬一龍(ElonMusk)卻說“AI很有可能毀滅人類"；霍金甚至直接說“AI可能是人類文明里糟糕的事件"。而在另一邊，Facebook和Google的**科學家卻在說，現在的AI都是渣渣，根本不需要擔心，甚至應該重做。大家該相信誰的？一邊是要去火星的男人，和說不定已經去了火星的男人；另一邊是當前兩家科技的人物。其實他們說的都對，因為這里說到的“人工智能"是兩碼事。馬一龍和霍金擔心的人工智能，是由人造出來的真正的智能，即通用人工智能（AGI,ArtificialGeneralIntelligence）甚至是超級智能（SuperIntelligence）。而YannLeCun和Hinton指的人工智能則是指的當前用來實現“人工智能效果"的技術（基于統計的機器學習）。這兩位的觀點是“用這種方式來實現人工智能是行不通的"。兩者本質是不同的，一個指的是結果，一個指的是（現在的）過程。那么當我們在討論人工智能的時候，究竟在說什么？JohnMcCathyJohnMcCathy在1956年和MarvinMinsky，NathanielRochester以及ClaudeShannon在達特貌似研討會上打造了AI這個詞，但是到目前為止，學界工業界并沒有一個統一的理解。根本的問題是目前人類對“智能"的定義還不夠清楚。何況人類本身是否是智能的**體現，還不一定呢。想想每天打交道的一些人：）一方面，在大眾眼中，人工智能是“人造出來的，像人的智能"，比如Siri。同時，一個AI的水平高低，則取決于它有多像人。所以當Sophia出現在公眾眼中的時候，普通人會很容易被蒙蔽（甚至能通過圖靈測試）。Oracle對AI的定義也是“只要是能讓計算機可以模擬人類行為的技術，都算！"而另一方面，從字面上來看“ArtificialIntelligence"，只要是人造的智能產品，理論上都算作人工智能。也就是說，一個手持計算器，盡管不像人，也應算是人工智能產品。但我相信大多數人都不會把計算器當成是他們所理解的人工智能。這些在認識上不同的解讀，導致當前大家對AI應用的期望和評估都有很多差異。再加上還有“深度學習、神經網絡、機器學習"這些概念紛紛跟著人工智能一起出現。但是各自意味著什么，之間是什么關系，普通大眾都不甚了解?！皼]關系，韭菜不用懂。"但是想要割韭菜的人，**能搞清楚吧。連有些投資人自己也分不清，你說怎么做判斷，如何投項目？當然是投胸大的。以上，就是到2018年末，在對話領域的人工智能的現狀：智能助理依然智障；大部分ToB的給人造機器人的都無法規?；粚υ挿矫鏇]有像AlphaZero在圍棋領域那樣的讓人震驚的產品；沒有商業上大規模崛起的跡象；有的是一團渾水，和渾水摸魚的人。為什么會這樣？為什么人工智能在圖像識別，人臉識別，下圍棋這些方面都那么快的進展，而在對話智能這個領域卻是如此混亂？既然你都看到這里了，我相信你是一個愿意探究本質的好同志。那么我們來了解，對話的本質是什么；以及現在的對話系統的本質又是什么。Part2當前對話系統的本質：填表“AIthinks,manlaughs"Source:TheGlobeandMail有一群小雞出生在一個農場，無憂無慮安心地生活。雞群中出現了一位科學家，它注意到了一個現象：每天早上，食槽里會自動出現糧食。作為一名優秀的歸納法信徒(Inductivist)，這只科學雞并不急于給出結論。它開始全面觀察并做好記錄，試圖發現這個現象是否在不同的條件下都成立?！靶瞧谝皇沁@樣，星期二是這樣；樹葉變綠時是這樣，樹葉變黃也是這樣；天氣冷是這樣，天氣熱也是這樣；下雨是這樣，出太陽也是這樣！"每天的觀察，讓它越來越興奮，在心中，它離真相越來越接近。直到有一天，這只科學雞再也沒有觀察到新的環境變化，而到了當天早上，雞舍的門一打開，它跑到食槽那里一看，依然有吃的！科學雞，對他的小伙伴，志在必得地宣布：“我預測，每天早上，槽里會自動出現食物。明天早上也會有！以后都會有！我們不用擔心餓死了！"經過好幾天，小伙伴們都驗證了這個預言，科學雞驕傲的并興奮的把它歸納成“早起的小雞有食吃定理"。正好，農場的農夫路過，看到一只興奮的雞不停的咯咯叫，他笑了：“這只雞很可愛哦，不如把它做成叫花雞好了"?？茖W雞，卒于午飯時間。在這個例子里，這只羅素雞（BertrandRussell’schicken）只對現象進行統計和歸納，不對原因進行推理。而主流的基于統計的機器學習特別是深度學習，也是通過大量的案例，靠對文本的特征進行歸類，來實現對識別語義的效果。這個做法，就是羅素雞。目前，這是對話式人工智能的主流技術基礎。其主要應用方向，就是對話系統，或稱為Agent。之前提到的智能助理Siri，Cortana，GoogleAssistant以及行業里面的智能客服這些都算是對話智能的應用?！皩υ捴悄艿暮谙?這些產品的交互方式，是人類的自然語言，而不是圖像化界面。圖形化界面（GUI）的產品，比如網頁或者APP的產品設計，是所見即所得、界面即功能。對話智能的交互（CUI,ConversationalUI）是個黑箱：終端用戶能感知到自己說出的話（輸入）和機器人的回答（輸出）——但是這個處理的過程是感覺不到的。就好像跟人說話，你并不知道他是怎么想的。每一個對話系統的黑箱里，都是自由發揮的天地。雖說每家的黑箱里面都不同，但是**層的思路，都萬變不離其宗，核心就是兩點：聽人話（識別）講人話（對話管理）。如果你是從業人員，那么請回答一個問題：你們家的對話管理是不是填槽？若是，你可以跳過這一節（主要科普填槽是怎么回事），請直接到本章的第五節“當前對話系統的局限"。“AI如何聽懂人話？"對話系統這個事情在2015年開始突然火起來了，主要是因為一個技術的普及：機器學習特別是深度學習帶來的語音識別和NLU(自然語言理解)——主要解決的是識別人講的話。這個技術的普及讓很多團隊都掌握了一組關鍵技能：意圖識別和實體提取。這意味著什么？我們來看一個例子。在生活中，如果想要訂，人們會有很多種自然的表達：“訂"；“有去上海的航班么？"；“看看航班，下周二出發去紐約的"；“要出差，幫我查下"；等等等等可以說“自然的表達"有無窮多的組合（自然語言）都是在代表“訂"這個意圖的。而聽到這些表達的人，可以準確理解這些表達指的是“訂"這件事。而要理解這么多種不同的表達，對機器是個挑戰。在過去，機器只能處理“結構化的數據"（比如關鍵詞），也就是說如果要聽懂人在講什么，必須要用戶輸入的指令。所以，無論你說“我要出差"還是“幫我看看去北京的航班"，只要這些字里面沒有包含提前設定好的關鍵詞“訂"，系統都無法處理。而且，只要出現了關鍵詞，比如“我要退訂"里也有這三個字，也會被處理成用戶想要訂。自然語言理解這個技能出現后，可以讓機器從各種自然語言的表達中，區分出來，哪些話歸屬于這個意圖；而那些表達不是歸于這一類的，而不再依賴那么死板的關鍵詞。比如經過訓練后，機器能夠識別“幫我推薦一家附近的餐廳"，就不屬于“訂"這個意圖的表達。并且，通過訓練，機器還能夠在句子當中自動提取出來“上海"，這兩個字指的是目的地這個概念（即實體）；“下周二"指的是出發時間。這樣一來，看上去“機器就能聽懂人話啦！"。這個技術為啥會普及？主要是因為機器學習領域的學術氛圍，導致重要的論文基本都是公開的。不同團隊要做的是考慮具體工程實施的成本。后的效果，就是在識別自然語言這個領域里，每家的基礎工具都差不多。在意圖識別和實體提取的準確率，都是百分點的差異。既然這個工具本身不是核心競爭力，甚至你可以用別家的，大把可以選，但是關鍵是你能用它來干什么？“DuetotheacademicculturethatMLcomesfrom,prettymuchalloftheprimaryscienceispublishedassoonasit’screated-almosteverythingnewisapaperthatyoucanreadandbuildwith.Butwhatdoyoubuild?"——BenedictEvans（A16Z合伙人）在這方面，顯而易見的價值，就是解放雙手。語音控制類的產品，只需要聽懂用戶的自然語言，就去執行這個操作：在家里要開燈，可以直接說“開燈"，而不用去按開關；在車上，說要“開天窗"，天窗就打開了，而不用去找對應的按鈕在哪里。這類系統的重點在于，清楚聽清哪個用戶在講是什么。所以麥克風陣列、近場遠場的抗噪、聲紋識別講話的人的身份、ASR（語音轉文字），等等硬件軟件的技術就相應出現，向著前面這個目標不斷優化?！爸v人話"在這類應用當中，并不那么重要。通常任務的執行，以結果進行反饋，比如燈應聲就亮了。而語言上的反饋，只是一個**作用，可有可無。但是任務類的對話智能，往往不止是語音控制這樣一輪交互。如果一個用戶說，“看看明天的"——這表達正常，但無法直接去執行。因為缺少執行的必要信息：1）從哪里出發？和2）去哪里？如果我們希望AIAgent來執行這個任務，一定要獲得這兩個信息。對于人來完成這個業務的話，要獲得信息，就得靠問這個用戶問題，來獲得信息。很多時候，這樣的問題，還不止一個，也就意味著，要發起多輪對話。對于AI而言，也是一樣的。要知道“去哪里"=Agent問用戶“你要去哪里？"要知道“從哪里出發"=Agent問用戶“你要從哪里出發呢？"這就涉及到了對話語言的生成。“AI如何講人話？"決定“該說什么話"，才是對話系統的核心——無論是硅基的還是碳基的智能。但是深度學習在這個版塊，并沒有起到什么作用。在當前，處理“該說什么"這個問題，主流的做法是由所謂“對話管理"系統決定的。盡管每一個對話系統背后的“對話管理"機制都不同，每家都有各種理解、各種設計，但是萬變不離其宗——目前所有任務類對話系統，無論是前段時間的Googleduplex，還是智能客服，或者智能助理，核心的對話管理方法，有且僅有一個：“填槽"，即Slotfilling。如果你并不懂技術，但是又要迅速知道一家做對話AI的水平如何，到底有沒有黑科技(比如剛剛開始看AI領域的做投資的朋友)，你只需要問他一個問題：“是不是填槽？"如果他們（誠實地）回答“是"，那你就可以放下心來，黑科技尚未出現。接下來，能討論的范圍，無非都是產品設計、工程實現、如何解決體驗和規?；睦Ь常@類的問題。基本上該智障的，還是會智障。要是他們回答“不是填槽"，而且產品的效果還很好，那么就有意思了，值得研究，或者請速速聯系我：）那么這個“填槽"究竟是個什么鬼？嗯，不搞開發的大家可以簡單的把它理解為“填表"：好比你要去銀行辦個業務，先要填一張表。如果這張表上的空沒有填完，柜臺**姐就不給你辦。她會紅筆給你圈出來：“必須要填的空是這些，別的你都可以不管。"你全部填好了，再遞給**姐，她就去給你辦理業務了。還記得剛剛那個的例子么？用戶說“看看明天的"，要想執行“查"，就得做以下的步奏，還要按順序來：1.ASR：把用戶的語音，轉化成文字。2.NLU語義識別：識別上面的文字，屬于（之前設定好的）哪一個意圖，在這里就是“訂"；然后，提取文字里面的實體，“明天"作為訂票日期，被提取出來啦。3.填表：這個意圖是訂，那么就選“訂"這張表來填；這表里有三個空，時間那個空里，就放進“明天"。（這個時候，表里的3個必填項，還差兩個：“出發地"和“到達地"）4.開始跑之前編好的程序：如果差“出發地"，就回“從哪里走?。?；如果差“目的地"，就回“你要去哪里？"（NLG上打引號，是因為并不是真正意義上的自然語言生成，而是套用的對話模版）5.TTS：把回復文本，合成為語音，播放出去在上面這個過程當中，1和2步奏都是用深度學習來做識別。如果這個環節出現問題，后面就會連續出錯。循環1-5這個過程，只要表里還有空要填，就不斷問用戶，直到所有的必填項都被填完。于是，表就可以提交**姐（后端處理）了。后端看了要查的條件，返回滿足這些條件的情況。Agent再把查詢結果用之前設計好的回復模板發回給用戶。順便說一下，我們經常聽到有些人說“我們的多輪對話可以支持xx輪，多的時候有用戶能說xx輪"?，F在大家知道，在任務類對話系統里，“輪數的產生"是由填表的次數決定的，那么這種用“輪數多少"來衡量產品水平的方法，在這個任務類對話里里無意義。一定要有意義，也應該是：在達到目的、且不影響體驗的前提下，輪數越少越好。在當前，只要做任務類的多輪對話，基本跑不掉填表。5月的時候，GoogleI/O發布了Duplex的錄音Demo，場景是GoogleAssistant代替用戶打電話去訂餐廳，和店員溝通，幫助用戶預定位子。值得注意，這并不是Livedemo。Google'sAssistant.CREDIT:GOOGLE那Google的智能助理（后稱IPA）又怎么知道用戶的具體需求呢？跑不掉的是，用戶還得給GoogleAssistant填一張表，用對話來交代自己的具體需求，比如下面這樣：圖中左邊是一個使用GoogleAssistant訂餐廳的真實案例，來自TheVerge?！爱斍皩υ捪到y的局限"我剛剛花了兩千來個字來說明對話系統的通用思路。接下來，要指出這個做法的問題還記得之前提到的“不要日本菜"測試么？我們把這個測試套用在“訂"這個場景上，試試看：“看看明天去北京的航班，東航以外的都可以"，還是按步奏來：1.ASR語音轉文字，沒啥問題；2.語義識別，貌似有點問題-意圖：是訂，沒錯；-實體提?。焊暗挠柧殎恚?時間：明天-目的地：北京-出發地：這個用戶沒說，一會得問問他...等等，他說的這個“東航以外的都可以"，指的是啥？之前沒有訓練過與航空公司相關的表達啊。沒關系，咱們可以把這個表達的訓練加上去：東航=航司。多找些表達，只要用戶說了各個航空公司的名字的，都訓練成航司這個實體好啦。另外，咱們還可以在填表的框里，添加一個航司選擇，就像這樣（黃色部分）：（嗯，好多做TOB的團隊，都是掉在這個“在后面可以加上去"的坑里。）但是，這么理所當然的訓練之后，實體提取出來的航司卻是“東航"——而用戶說的是“東航以外的"，這又指的哪個（些）航司呢？“要不，咱們做點Trick把‘以外’這樣的邏輯單獨拿出來手工處理掉？"——如果這個問題可以這么容易處理掉，你覺得Siri等一干貨色還會是現在這個樣子？難度不在于“以外"提取不出來，而是在處理“這個以外，是指哪個實體以外？當前基于深度學習的NLU在“實體提取"這個技術上，就只能提取“實體"。而人能夠理解，在這個情況下，用戶是指的“排除掉東航以外的其他選擇"，這是因為人除了做“實體提取"以外，還根據所處語境，做了一個對邏輯的識別：“xx以外"。然后，自動執行了這個邏輯的處理，即推理，去進一步理解，對方真正指的是什么（即指代）。而這個邏輯推理的過程，并不存在于之前設計好的步奏（從1到5）里。更麻煩的是，邏輯的出現，不僅僅影響“實體"，還影響“意圖"：“hiSiri，別推薦餐廳"——它還是會給你推薦餐廳；“hiSiri，除了推薦餐廳，你還能推薦什么？"——它還是會給你推薦餐廳。中文英文都是一樣的；Googleassistant也是一樣的。想要處理這個問題，不僅僅是要識別出“邏輯"；還要正確判斷出，這個邏輯是套用在哪個實體，或者是不是直接套用在某一個意圖上。這個判斷如何做？用什么做？都不在當前SLU的范圍內。對這些問題的處理，如果是集中在一些比較封閉的場景下，還可以解決個七七八八。但是，如果想要從根本上、泛化的處理，希望一次處理就解決所有場景的問題，到目前都無解。在這方面，Siri是這樣，GoogleAssistant也是這樣，任意一家，都是這樣。為啥說無解？我們來看看測試。“用圖靈測試來測對話系統沒用"一說到對人工智能進行測試，大部分人的**反應是圖靈測試。5月GoogleI/O大會的那段時間，我們團隊正在服務一家企業，為他們規劃基于AIAgent的服務。在發布會的第二天，我收到這家客戶的TechOffice的好心提醒：Google這個像真人一樣的黑科技，會不會現有的技術方案？我的回答是并不會。話說GoogleDuplex在發布會上的demo確實讓人印象深刻，而且大部分看了Demo的人，都分辨不出打電話去做預定的是不是真人?！斑@個效果在某種意義上，算是通過了圖靈測試。"Google母公司的Chairman說googleduplex可以算過了圖靈測試了由于圖靈測試的本質是“欺騙"(Agameofdeception，詳見TobyWalsh的論文)，所以很多人批評它，這只能用來測試人有多好騙，而不是用來測智能的。在這一點上，我們在后文Part4對話的本質中會有更多解釋。人們被這個Demo騙到的主要原因，是因為合成的語音非常像真人。這確實是Duplex牛的地方：語音合成。不得不承認，包括語氣、音調等等模擬人聲的效果，確實是讓人嘆為觀止。只是，單就在語音合成方面，就算是做到，在本質上就是一只**——多可以騙騙Alexa（所以你看活體識別有多么重要）。只是，Google演示的這個對話系統，一樣處理不了邏輯推理、指代這類的問題。這意味著，就它算能過圖靈測試，也過不了WinogradSchemaChallenge測試。相比圖靈測試，這個測試是直擊深度學習的要害。當人類對句子進行語法分析時，會用真實世界的知識來理解指代的對象。這個測試的目標，就是測試目前深度學習欠缺的常識推理能力。如果我們用WinogradSchemaChallenge的方法，來測試AI在“餐廳推薦"這個場景里的水平，題目會是類似這樣的：A.“四川火鍋比日料更好，因為它很辣"B.“四川火鍋比日料更好，因為它不辣"AI需要能準確指出：在A句里，“它"指的是四川火鍋；而在B句里，“它"指的則是日料。還記得在本文Part1里提到的那個“不要日本菜測試"么？我真的不是在強調“回字有四種寫法"——這個測試的本質，是測試對話系統能不能使用簡單邏輯來做推理（指代的是什么）。而在WinogradSchemaChallenge中，則是用世界知識（包括常識）來做推理：如果系統不知道相應的常識（四川火鍋是辣的；日料是不辣的），就沒有推理的基礎。更不用說推理還需要被準確地執行。有人說，我們可以通過上下文處理來解決這個問題。不好意思，上面這個常識根本就沒有出現在整個對話當中。不在“上文"里面，又如何處理？對于這個部分的詳細解釋，請看下一章（Part3對話的本質）。盡管指代問題和邏輯問題，看上去，在應用方面已經足夠致命了；但這些也只是深度學習表現出來的諸多局限性中的一部分。哪怕更進一步，再過一段時間，有一家AI在WinogradSchemaChallenge拿了的正確率，我們也不能期望它在自然語言處理中的表現如同人一樣，因為還有更嚴重和更本質的問題在后面等著?！皩υ捪到y更大的挑戰不是NLU"我們來看問題表現在什么地方。現在我們知道了，當人跟現在的AI對話的時候，AI能識別你說的話，是靠深度學習對你說出的自然語言進行分類，歸于設定好的意圖，并找出來文本中有哪些實體。而AI什么時候回答你，什么時候反問你，基本都取決于背后的“對話管理"系統里面的各種表上還有啥必填項沒有填完。而問你的話，則是由產品經理和代碼小哥一起手動完成的。那么，這張表是誰做的？或者說，是誰決定，對于“訂"這件事，要考慮哪些方面？要獲得哪些信息？需要問哪些問題？機器又是怎么知道的？是人。是產品經理，準確點說。就像剛才的“訂"的案例，當用戶問到“航司"的時候，之前的表里并沒有設計這個概念，AI就無法處理了。要讓AI能處理這樣的新條件，得在“訂"這張表上，新增加“航空公司"一欄（黃色部分）。而這個過程，都得人為手動完成：產品經理設計好后，工程師編程完成這張表的編程。所以AI并不是真的，通過案例學習就自動理解了“訂"這件事情，包含了哪些因素。只要這個表還是由人來設計和編程實現的，在產品層面，一旦用戶稍微談及到表以外的內容，智障的情況就自然出現了。因此，當Googleduplex出現的時候，我并不那么關心Googleduplex發音和停頓有多像一個人——實際上，當我觀察任意一個對話系統的時候，我都只關心1個問題：“是誰設計的那張表：人，還是AI？"只是，深度學習在對話系統里面，能做的只是識別用戶講出的那句話那部分——嚴格依照被人為訓練的那樣（監督學習）。至于其他方面，比如該講什么話？該在什么時候講話？它都無能為力。但是真正人們在對話時的過程，卻不是上面提到的對話系統這么設計的，而且相差十萬八千里。人的對話，又是怎么開展的？這個差異究竟在哪里？為什么差異那么大？所謂深度學習很難搞定的地方，是人怎么搞定的呢？畢竟在這個星球上，我們自身就是70億個的自然語言處理系統呢。我們需要了解要解決的問題，才可能開展解決問題的工作。在對話領域，我們需要知道人們對話的本質是什么。下一章比較燒腦，我們將討論“思維"這件事情，是如何主導人們的對話的。Part3人類對話的本質：思維“對話的終目的是為了同步思維"你是一位30出頭的職場人士，每天上午9點半，都要過辦公樓的旋轉門，進大堂的，然后刷工牌進電梯，去到28樓，你的辦公室。今天是1月6日，平淡無奇的一天。你剛進電梯，電梯里只有你一個人，正要關門的時候，有一個人匆忙擠進來。進來的快遞小哥，他進電梯時看到只有你們兩人，就說了一聲“你好"，然后又低頭找樓層按鈕了。你很自然的回復：“你好"，然后目光轉向一邊。兩邊都沒什么話好講——實際上，是對話雙方認為彼此沒有什么情況需要同步的。人們用語言來對話，其終的目的是為了讓雙方對當前場景模型（Situationmodel）保持同步。（大家先了解到這個概念就夠了。更感興趣的，詳情請見Towardaneuralbasisofinteractivealignmentinconversation）。Theinteractive-alignmentmodel(basedonPickeringandGarrod,2004)上圖中，A和B兩人之間發展出來所有對話，都是為了讓紅框中的兩個“Situationmodel"保持同步。Situationmodel在這里可以簡單理解為對事件的各方面的理解，包括Context。不少做對話系統的朋友會認為Context是僅指“對話中的上下文"，我想要指出的是，除此以外，Context還應該包含了對話發生時人們所處的場景。這個場景模型涵蓋了對話那一刻，除了明文以外的所有已被感知的信息。比如對話發生時的天氣情況，只要被人感知到了，也會被放入Context中，并影響對話內容的發展。A:“你對這個事情怎么看？"B:“這天看著要下雨了，咱們進去說吧"——盡管本來對話內容并沒有涉及到天氣。對同一件事情，不同的人在腦海里構建的場景模型是不一樣的。(想要了解更多，可以看Situationmodelsinlanguagecomprehensionandmemory.Zwaan,R.A.,&Radvansky,G.A.(1998).)所以，如果匆忙進電梯來的是你的項目老板，而且假設他和你（多半都是他啦）都很關注近的新項目進展，那么你們要開展的對話就很多了。在電梯里，你跟他打招呼：“張總，早！"，他會回你“早啊，對了昨天那個…"不待他問完，優秀如你就能猜到“張總"大概后面要聊的內容是關于新項目的，這是因為你認為張總對這個“新項目"的理解和你不同，有同步的必要。甚至，你可以通過昨天他不在辦公室，大概漏掉了這個項目的哪些部分，來推理你這個時候應該回復他關于這個項目的具體什么方面的問題?！白蛱炷悴辉冢瑒e擔心，客戶那邊都處理好了。打款的事情也溝通好了，30天之內搞定。"——你看，不待張總問完，你都能很棒的回答上。這多虧了你對他的模型的判斷是正確的。一旦你對對方的情景模型判斷失誤，那么可能“沒打中點上"?！拔抑溃蛱焱砩衔一亓颂斯?，小李跟我說過了。我是要說昨天晚上我回來辦公室的時候，你怎么沒有在加班呀？小王，你這樣下去可不行啊…"所以，人們在進行對話的過程中，并不是僅靠對方上一句話說了什么（對話中明文所包含的信息）就來決定回復什么。而這和當前的對話系統的回復機制非常不同?！皩υ捠撬枷霃母呔S度向低維的投影"我們假設，在另一個平行宇宙里，還是你到了辦公樓。今天還是1月6日，但2年前的今天，你與交往了5年的女友分手了，之后一直對她念念不忘，也沒有交往新人。你和往日一樣，進電梯的，剛要關門的時候，匆忙進來的一個人，要關的門又打開了。就是你2年前分手的那位前女友。她進門時看到只有你們兩，她抬頭看了一下你，然后又低頭找樓層電梯了，這時她說：“你好"。請問你這時腦袋里是不是有很多信息洶涌而過？這時該回答什么？是不是類似“一時不知道該如何開口"的感覺？這個感覺來自（你認為）你和她之間的情景模型有太多的不同（分手2年了），甚至你都無法判斷缺少哪些信息。有太多的信息想要同步了，卻被貧瘠的語言困住了。在信息豐富的程度上，語言是貧瘠的，而思想則要豐富很多“Languageissketchy,thoughtisrich"(Newperspectivesonlanguageandthought，LilaGleitman,TheOxfordHandbookofThinkingandReasoning；更多相關討論請看,Fisher&Gleitman,2002;Papafragou,2007)有人做了一個比喻：語言和思維的豐富程度相比，是冰山的一角。我認為遠遠不止如此：對話是思想在低維的投影。如果是冰山，你還可以從水面上露出來的部分反推水下大概還有多大。屬于維度相同，但是量不同。但是語言的問題在，只用聽到文字信息，來反推講話的人的思想，失真的情況會非常嚴重。為了方便理解這個維度差異，在這兒用3D和2D來舉例：思維是高維度（立體3D的形狀），對話是低維度（2D的平面上的陰影）。如果咱們要從平面上的陰影的形狀，來反推，上面懸著的是什么物體，就很困難了。兩個陰影的形狀一模一樣，但是上面的3D物體，可能不同。對于語言而言，陰影就像是兩個“你好"在字面上是一模一樣的，但是思想里的內容卻不同。在見面的那一瞬間，這個差異是非常大的：你在想（圓柱）：一年多不見了，她還好么？前女友在想（球）：這個人好眼熟，好像認識…“挑戰：用低維表達高維"要用語言來描述思維有多困難？這就好比，當你試圖給另一位不在現場的朋友，解釋一件剛剛發生過的事情的時候，你可以做到哪種程度的還原呢？試試用語言來描述你今天的早晨是怎么過的。當你用文字完整描述后，我一定能找到一個事物或者某個具體的細節，它在你文字描述以外，但是卻確實存在在你今天早晨那個時空里。Source:TheChallenger比如，你可能會跟朋友提到，早飯吃了一碗面；但你一定不會具體去描述面里一共有哪些調料。傳遞信息時，缺少了這些細節(信息)，會讓聽眾聽到那碗面時，在腦海里呈現的一定不是你早上吃的“那碗面"的樣子。這就好比讓你用平面上（2D）陰影的樣子，來反推3D的形狀。你能做的，只是盡可能的增加描述的視角，盡可能給聽眾提供不同的2D的素材，來盡量還原3D的效果。為了解釋腦中“語言"和“思想"之間的關系（與讀者的情景模型進行同步），我畫了上面那張對比圖，來幫助傳遞信息。如果要直接用文字來描述，還要盡量保全信息不丟失，那么我不得不用多得多的文字來描述細節。（比如上面的描述中，尚未提及陰影的面積的具體大小、顏色等等細節）。這還只是對客觀事物的描述。當人在試圖描述更情緒化的主觀感受時，則更難用具體的文字來表達。比如，當你看到AngelinaJordan這樣的小女生，卻能唱出Iputaspellonyou這樣的歌的時候，請嘗試用語言描述你的主觀感受。是不是很難？能講出來話，都是類似“鵝嚶"這類的？這些文字能代表你腦中的感受的多少部分？1%？希望此時，你能更理解所謂“語言是貧瘠的，而思維則要豐富很多"。那么，既然語言在傳遞信息時丟失了那么多信息，人們為什么理解起來，好像沒有遇到太大的問題？“為什么人們的對話是輕松的？"假設有一種方式，可以把此刻你腦中的感受，以不失真的效果傳遞給另一個人。這種信息的傳遞和上面用文字進行描述相比，豐富程度會有多大差異？可惜，我們沒有這種工具。我們主要的交流工具，就是語言，靠著對話，來試圖讓對方了解自己的處境。那么，既然語言這么不，又充滿邏輯上的漏洞，信息量又不夠，那么人怎么能理解，還以此為基礎，建立起來了整個文明？比如，在一個餐廳里，當服務員說“火腿三明治要買單了"，我們都能知道這和“20號桌要買單了"指代的是同樣的事情(Nuberg,1978)。是什么讓字面上那么大差異的表達，也能有效傳遞信息？人能通過對話，有效理解語言，靠的是解讀能力——更具體的點，靠的是對話雙方的共識和基于共識的推理能力。當人接收到低維的語言之后，會結合引用常識、自身的世界模型（后詳），來重新構建一個思維中的模型，對應這個語言所代表的含義。這并不是什么新觀點，大家熟悉的開復老師，在1991年在蘋果搞語音識別的時候，就在采訪里科普，“人類利用常識來幫助理解語音"。當對話的雙方認為對一件事情的理解是一樣的，或者非常接近的時候，他們就不用再講。需要溝通的，是那些（彼此認為）不一樣的部分。當你聽到“蘋果"兩個字的時候，你過去建立過的蘋果這個模型的各個維度，就被引用出來，包括可能是綠或紅色的、味道的甜、大概拳頭大小等等。如果你聽到對方說“藍色的蘋果"時，這和你過去建立的關于蘋果的模型不同（顏色）。思維就會產生一個提醒，促使你想要去同步或者更新這個模型，“蘋果為什么是藍色的？"還記得，在Part2里我們提到的那個測試指代關系的WinogradSchemaChallenge么？這個測試的名字是根據TerryWinograd的一個例子而來的?！白h員們拒絕給者頒發許可證，因為他們[害怕/提倡]暴力。"當[害怕]出現在句子當中的時候，“他們"指的應該是議員們；當[提倡]出現在句子當中的時候，“他們"則指的是“者"。1.人們能夠根據具體情況，作出判斷，是因為根據常識做出了推理，“議員害怕暴力；者提倡暴力。"2.說這句話的人，認為這個常識對于聽眾應該是共識，就直接把它省略掉了。同理，之前（Part2）我們舉例時提到的那個常識（“四川火鍋是辣的；日料不是辣的"），也在表達中被省略掉了。常識（往往也是大多數人的共識）的總量是不計其數，而且總體上還會隨著人類社會發展的演進而不斷新增。例子1，如果你的世界模型里已經包含了“華農兄弟"（你看過并了解他們的故事），你會發現我在Part2開始的例子，藏了一個梗（做成叫花雞）。但因為“華農兄弟"并不是大多數人都知道的常識，而是我與特定人群的共識，所以你看到這句話時，獲得的信息就比其人多。而不了解這個梗的人，看到那里時就不會接收到這個額外的信息，反而會覺得這個表達好像有點點奇怪。例子2，創投圈的朋友應該都有聽說過Elevatorpitch，就是30秒，把你要做什么事情講清楚。通常的案例諸如：“我們是餐飲界的Uber"，或者說“我們是辦公室版的Airbnb"。這個典型結構是“XX版的YY"，要讓這句話起到效果，前提條件是XX和YY兩個概念在發生對話之前，已經納入到聽眾的模型里面去了。如果我給別人說，我是“對話智能行業的麥肯錫"，要能讓對方理解，對方就得既了解對話智能是什么，又了解麥肯錫是什么。“基于世界模型的推理"場景模型是基于某一次對話的，對話不同，場景模型也不同；而世界模型則是基于一個人的，相對而言長期不變。對世界的感知，包括聲音、視覺、嗅覺、觸覺等感官反饋，有助于人們對世界建立起一個物理上的認識。對常識的理解，包括各種現象和規律的感知，在幫助人們生成一個更完整的模型：世界模型。無論、或者對錯，每一個人的世界模型都不一樣，有可能是觀察到的信息不同，也有可能是推理能力不一樣。世界模型影響的是人的思維本身，繼而影響思維在低維的投影：對話。讓我們從一個例子開始：假設現在咱們一起來做一個不那么智障的助理。我們希望這個助理能夠推薦餐廳酒吧什么的，來應付下面這樣的需求：當用戶說：“我想喝點東西"的時候，系統該怎么回答這句話？經過Part2，我相信大家都了解，我們可以把它訓練成為一個意圖“找喝東西的店"，然后把周圍的店檢索出來，然后回復這句話給他：“在你附近找到這些選擇"。恭喜，咱們已經達到Siri的水平啦！但是，剛剛我們開頭就說了，要做不那么智障的助理。這個“喝東西的店"是奶茶點還是咖啡店？還是全部都給他？嗯，這就涉及到了推理。我們來手動模擬一個。假設我們有用戶的Profile數據，把這個用上：如果他的偏好中愛的飲品是咖啡，就給他推薦咖啡店。這樣一來，我們就可以更“個性化"的給他回復了：“在你附近找到這些咖啡店"。這個時候，咱們的AI已經達到了不少“智能系統"喜歡鼓吹的個性化概念——“千人千面"啦！然后我們來看這個概念有多蠢。一個人喜歡喝咖啡，那么他一輩子的任意時候就都要喝咖啡么？人是怎么處理這個問題的呢？如果用戶是在下午1點這么問，這么回他還好；如果是在晚上11點呢？我們還要給他推薦咖啡店么？還是應該給他推薦一個酒吧？或者，除此之外，如果今天是他的生日，那么我們是不是該給他點不同的東西？或者，今天是圣誕節，該不該給他推薦熱巧克力？你看，時間是一個維度，在這個維度上的不同值都在影響給用戶回復什么不同的話。時間和用戶的Profile不同的是：1.時間這個維度上的值有無限多；2.每個刻度還都不一樣。比如雖然生日是同一個日期，但是過生日的次數卻不重復；除了時間這個維度以外，還有空間。于是我們把空間這個維度疊加（到時間）上去。你會發現，如果用戶在周末的家里問這個問題（可能想叫奶茶外賣到家？），和他在上班時間的辦公室里問這個問題（可能想出去走走換換思路），咱們給他的回復也應該不同。光是時空這兩個維度，就有無窮多的組合，用"ifthen"的邏輯也沒法全部手動寫完。我們造機器人的工具，到這個需求，就開始捉襟見肘了。何況時間和空間，只是世界模型當中顯而易見的兩個維度。還有更多的，更抽象的維度存在，并且直接影響與用戶的對話。比如，人物之間的關系；人物的經歷；天氣的變化；人和地理位置的關系（是經常來出差、是當地土著、是**次來旅游）等等等等。咱們聊到這里，感覺還在聊對話系統么？是不是感覺有點像在聊推薦系統？要想效果更好，這些維度的因素都要疊加在一起進行因果推理，然后把結果給用戶。至此，影響人們對話的，光是信息（還不含推理）至少就有這三部分：明文（含上下文）場景模型（Context）世界模型。普通人都能毫不費力地完成這個工作。但是深度學習只能處理基于明文的信息。對于場景模型和世界模型的感知、生成、基于模型的推理，深度學習統統無能為力。這就是為什么現在炙手可熱的深度學習無法實現真正的智能（AGI）的本質原因：不能進行因果推理。根據世界模型進行推理的效果，不僅僅體現上在對話上，還能應用在所有現在成為AI的項目上，比如自動駕駛。經過大量訓練的自動駕駛汽車，在遇到偶發狀況時，就沒有足夠的訓練素材了。比如，突然出現在路上的嬰兒車和突然滾到路上的垃圾桶，都會被視為障礙物，但是剎不住車的情況下，一定要撞一個的時候，撞哪一個？又比如，對侯世達(DouglasHofstardler)而言，“駕駛"意味著當要趕著去一個地方的時候，要選擇超速還是不超速；要從堵車的高速下來，還是在高速上慢慢跟著車流走...這些決策都是駕駛的一部分。他說：“世界上各方面的事情都在影響著“駕駛"這件事的本質"。“人腦有兩套系統：系統1和系統2"關于“系統1和系統2"的詳情，請閱讀Thinking,FastandSlow,byDanielKahneman，一本非常好的書，對人的認知工作是如何展開的進行了深入的分析。在這兒，我給還不了解的朋友介紹一下，以**本文前后的觀點。心理學家認為，人思考和認知工作分成了兩個系統來處理：系統1是快思考：無意識、快速、不怎么費腦力、無需推理系統2是慢思考：需要調動注意力、過程更慢、費腦力、需要推理系統1先上，遇到搞不定的事情，系統2會出面解決。系統1做的事情包括:判斷兩個物體的遠近、追溯聲音的來源、完形填空("我愛北京天安")等等。順帶一提，下象棋的時候，一眼看出這是一步好棋，這個行為也是系統1實現的——前提是你是一位優秀的玩家。對于中國學生而言，你突然問他：“7乘以7"，他會不假思索的說：“49！"這是系統1在工作，因為我們在小學都會背99乘法表。這個49并非來自計算結果，而是背下來的（反復重復）。相應的，如果你問：“3287x2234等于多少？"，這個時候人就需要調用世界模型中的乘法規則，加以應用（計算）。這就是系統2的工作。另外，在系統1所設定的世界里，貓不會像狗一樣汪汪叫。若事物違反了系統1所設定的世界模型，系統2也會被激活。在語言方面，YoshuaBengio認為系統1不做與語言有關的工作；系統2才負責語言工作。對于深度學習而言，它更適合去完成系統1的工作，實際上它根本沒有系統2的功能。關于這兩個系統，值得一提的是，人是可以通過訓練，把部分系統2才能做的事情，變成系統1來完成的。比如中國學生得經過“痛苦的記憶過程"才能熟練掌握99乘法表，而不是隨著出生到長大的自然經驗，慢慢學會的。但是這里有2個有意思的特征：1.變成系統1來處理問題的時候，可以節約能量。人們偏向相信自己的經驗，是因為腦力對能量的消耗很大，這是一個節能的做法。2.變成系統1的時候，會犧牲辯證能力，因為系統1對于邏輯相關的問題一無所知。“我做這個事情已經幾十年了"這種經驗主義思維就是典型案例。想想自己長期積累的案例是如何在影響自己做判斷的？“單靠深度學習搞不定語言，現在不行，將來也不行"在人工智能行業里，你經常會聽到有人這么說“盡管當前技術還實現不了理想中的人工智能，但是技術是會不斷演進的，隨著數據積累的越來越多，終將會實現讓人滿意的人工智能。"如果這個說法，是指寄希望于僅靠深度學習，不斷積累數據量，就能翻盤——那就大錯特錯了。無論你怎么優化“馬車"的核心技術（比如更壯、更多的馬），都無法以此造出汽車(下圖右)。對于大眾而言，技術的可演進性，是以宏觀的視角看人類和技術的關系。但是發動機的演化和馬車的關鍵技術沒有半點關系。深度學習領域的3大牛，都認為單靠深度學習這條路（不能終通向AGI）。感興趣的朋友可以沿著這個方向去研究:GeoffreyHinton的懷疑：“我的觀點是都扔掉重來吧"YoshuaBengio的觀點：“如果你對于這個每天都在接觸的世界，有一個好的因果模型，你甚至可以對不熟悉的情況進行抽象。這很關鍵......機器不能，因為機器沒有這些因果模型。我們可以手工制作這些模型，但是這遠不足夠。我們需要能發現因果模型的機器。"YannLeCun的觀點：“Alearningpredictiveworldmodeliswhatwe’remissingtoday,andinmyopinionisthebiggestobstacletosignificantprogressinAI."至于深度學習在將來真正的智能上扮演的角色，在這兒我引用GaryMarcus的說法：“Idon’tthinkthatdeeplearningwon’tplayaroleinnaturalunderstanding,onlythatdeeplearningcan’tsucceedonitsown."“解釋人工智障產品"現在，我們了解了人們對話的本質是思維的交換，而遠不只是明文上的識別和基于識別的回復。而當前的人工智能產品則無法實現這個效果。那么當用戶帶著人類的世界模型和推理能力來跟機器，用自然語言交互時，就很容易看到破綻。Sophia是一個技術上的**（凡是鼓吹Sophia是真AI的，要么是不懂，要么是忽悠）；現在的AI，都不會有真正的智能（推理能力什么的不存在的，包括Alphago在內）；只要是深度學習還是主流，就不用擔心AI統治人類；對話產品感覺用起來智障，都是因為想跳過思維，直接模擬對話（而現在也只能這樣）；“用的越多，數據越多，智能會越強，產品就會越好，使用就會越多"——對于任務類對話產品，這是一個看上去很酷，實際上不靠譜的觀點；一個AIagent，能對話多少輪，毫無意義；toC的助理產品做不好，是因為解決不了“如何獲得用戶的世界模型數據，并加以利用"這個問題；toB的對話智能公司為何很難規?；?？（因為場景模型是手動生成的）先有智能，后有語言：要做到真正意義上的自然語言對話，至少要實現基于常識和世界模型的推理能力。而這一點如果能實現，那么我們作為人類，就可能真的需要開始擔心前文提到的智能了。不要用NLP評價一個對話智能產品：年底了，有些媒體開始出各種AI公司榜單，其中有不少把做對話的公司分在NLP下面。這就好比，不要用觸摸屏來衡量一款智能手機。在這兒我不是說觸摸屏或者NLP不重要(Essential)，反而因為太重要了，這個環節成為了每一家的標配，以至于在這方面基本已經做到頭了，差異不過1%。對于一個對話類產品而言，NLU盡管重要，但只應占個整體配件的5-10%左右。更進一步來說，甚至意圖識別和實體提取的部分用大廠的，產品間差異也遠小于對話管理部分的差距。真正決定產品的是剩下的90%的系統。到此，是不是有一種絕望的感覺？這些學界和行業的大牛都沒有解決方案，或者說連有把握的思路都沒有。是不是做對話智能這類的產品就沒戲了？上限就是這樣了么？不是。對于一項技術而言，可能確實觸底了；但是對于應用和產品設計而言，并不是由一個技術決定的，而是很多技術的結合，這里還有很大的空間。作為產品經理，讓我來換一個角度。我們來研究一下，既然手中的工具是這些，我們能用他們來做點什么？Part4AI產品的潛力在于設計“AI的歸AI，產品的歸產品"《ThePrestige》2006，劇照有一部我很喜歡的電影，ThePrestige，里面講了一個關于“瞬間移動"的魔術。對于觀眾而言，就是從一個地方消失，然后瞬間又從另一個地方出現。**個魔術師，成功的在舞臺上實現了這個效果。他打開舞臺上的右邊的門，剛一進去的一瞬間，就從舞臺左邊的門出來了。對觀眾而言，這符合他們的期望。第二個魔術師在觀眾席里，看到效果后驚呆了，他感覺這根本毫無破綻。但是他是魔術師——作為一個產品經理——他就想研究這個產品是怎么實現的。但是魔術行業里，不受人待見的，就是魔術揭秘。影片后，他得到了答案（劇透預警）：所有的工程機關、升降機、等等，都如他所料的藏在了舞臺下面。但真正的核心是，**個魔術師一直隱藏著自己的另一個雙胞胎兄弟。當他打開一個門，從洞口跳下舞臺的那一刻，雙胞胎的另一位就馬上從另一邊升上舞臺?？吹竭@里，大家可能就恍然大悟：“原來是這樣，雙胞胎?。?這感覺是不是有點似曾相識？在本文Part2，我們聊到把對話系統的黑箱打開，里面就是填一張表的時候，是不是有類似的感覺？對話式人工智能的產品（對話系統）就像魔術，是一個黑箱，用戶是以感知來判斷價值的。“我還以為有什么黑科技呢，我是雙胞胎我也可以啊。"其實這并不容易。我們先不說魔術的舞臺里面的工程設計，這個魔術難的地方是如何能在魔術師的生活中，讓另一個雙胞胎在大眾視野里消失掉。如果觀眾們都知道魔術師是雙胞胎，就很可能猜到舞臺上的魔術是兩個人一起表演的。所以這個雙胞胎，一定不能出現在大眾的“世界模型"里。為了讓雙胞胎的另一個消失在大眾視野里，這兩兄弟付出了很多代價，身心磨，絕非一般人能接受的，比如共享同一個老婆。這也是我的建議：技術不夠的時候，設計來補。做AI產品的同學，不要期待給你智能。要是真的有智能了，還需要你干什么？人工智能產品經理需要設計一套龐大的系統，其中包括了填表、也當然包括深度學習帶來的意圖識別和實體提取等等標準做法、也包括了各種可能的對話管理、上下文的處理、邏輯指代等等。這些部分，都是產品設計和工程力量發揮的空間?！霸O計思路的基礎"我需要強調一下，在這里，咱們講的是AI產品思路，不是AI的實現思路。對于對話類產品的設計，以現在深度學習的基礎，語義理解應該只占整個產品的5%-10%；而其他的，都是想盡一切辦法來模擬“傳送"這個效果——畢竟我們都知道，這是個魔術。如果只是識別就占了你家產品的大量心血，其他的不去拉開差異，基本出來就是智障無疑。在產品研發方面上，如果研發團隊能提供多種技術混用的工具，肯定會增加開發團隊和設計的發揮空間。這個做法也就是DL(DeepLearning)GOFAI(GoodOldFashionedAI)的結合。GOFAI是JohnHaugeland首先提出的，也就是深度學習火起來之前的symbolicAI，也就是專家系統，也就是大多數在AI領域的人都看不起的“ifthen…"DLGOFAI這個前提，是當前一切后續產品設計思路的基礎?！癉esignPrinciple：存在即為被感知"“存在即為被感知"是18世紀的哲學家GeorgeBerkeley的名言。加州大學伯克利分校的命名來源也是為了紀念這位唯心主義大師。這個意思呢，就是如果你不能被感知到，你就是不存在的！我認為“存在即為被感知"是對話類AI產品的Designprinciple。對話產品背后的智能，是被用戶感知到而存在的。直到有一天AI可以代替產品經理，在那之前，所有的設計都應該圍繞著，如何可以讓用戶感覺和自己對話的AI是有價值的，然后才是聰明的。要非常明確自己的目的，設計的是AI的產品，而不是AGI本身。就像魔術的設計者，給你有限的基礎技術條件，你能組裝出一個產品，體驗是人們難以想到。同時，也要深刻的認識到產品的局限性。魔術就是魔術，并不是現實。這意味著，在舞臺上的魔術，如果改變一些重要的條件，它就不成立了。比如，如果讓觀眾跑到舞臺的頂上，從上往下看這個魔術，就會發現舞臺上有洞?；蛘摺八查g移動"的不是這對雙胞胎中的一個，而是一個觀眾跑上去說，“讓我來瞬間移動試試"，就穿幫了。NarrowAI的產品，也是一樣的。如果你設計好了一個Domain，無論其中體驗如何，只要用戶跑到Domain的邊界以外了，就崩潰了。先設定好產品邊界，設計好“越界時給用戶的反饋"，然后在領域里面，盡可能的模擬這個魔術的效果。假設Domain的邊界已經設定清晰了，哪些方面可以通過設計和工程的力量，來大幅增加效果呢？其實，在“Part3對話的本質"里談到的與思維相關的部分，在限定Domain的前提下，都可以作為設計的出發點：你可以用GOFAI來模擬世界模型、也可以模擬場景模型、你可以Fake邏輯推理、可以Fake上下文指代——只要他們都限定在Domain里?！斑x擇合適的Domain"成本（工程和設計的量）和給用戶的價值并不是永遠成正比，也根據不同的Domain的不同。比如，我認為現在所有的**機器人都沒有什么價值。開放Domain，沒有目標、沒有限定和邊界，對用戶而言，會認為什么都可以聊。但是其自身“場景模型"一片空白，對用戶所知的常識也一無所知。導致用戶稍微試一下，就碰壁了。我把這種用戶體驗稱為“每次嘗試都容易遇到挫折"?？赡?，有些Domain對回復的內容并不那么看重。也就并不需要那么強壯的場景模型和推理機制來生成回復內容。我們假設做一個“樹洞機器人"，可以把產品定義是為，扮演一個好的聽眾，讓用戶把心中的壓力煩惱傾訴出來。:BradleyUniversityOnline這個產品的邊界，需要非常明確的，在用戶剛剛接觸到的時候，強化到用戶的場景模型中。主要是系統通過一些語言的反饋，鼓勵用戶繼續說。而不要鼓勵用戶來期望對話系統能輸出很多正確且有價值的話。當用戶做出一些陳述之后，可以跟上一些對“場景模型"依賴較小，泛泛的話。“我從來沒有這么考慮過這個問題，你為什么會這么想呢？"“關于這個人，你還有哪些了解？"“你覺得他為什么會這樣？"……這樣一來，產品在需求上，就大幅減輕了對“自然語言生成"的依賴。因為這個產品的價值，不在回復的具體內容是否，是否有價值上。這就同時降低了對話背后的“場景模型"、“世界模型"、以及“常識推理"這些高維度模塊的需求。訓練的素材嘛，也就是某個特定分支領域（比如職場、家庭等）的心理咨詢師的對話案例。產品定義上，這得是一個Companion型的產品，不能真正起到理療的作用。當然，以上并不是真正的產品設計，僅僅是用一個例子來說明，不同的Domain對背后的語言交互的能力要求不同，進而對更后面的“思維能力"要求不同。選擇產品的Domain時，盡量遠離那些嚴重依賴世界模型和常識推理，才能進行對話的場景。有人可能說，你這不就是Sophia的做法么？不是。這里需要強調的是Sophia的核心問題是欺騙。產品是想忽悠大眾，他們真的做出了智能。在這里，我提倡的是明確告訴用戶，這就是對話系統，而不是真的造出了智能。這也是為什么，在我自己的產品設計中，如果遇到真人和AI同時為用戶服務的時候（產品上稱為HybridModel），我們總是會偏向明確讓用戶知道，什么時候是真人在服務，什么時候是機器人在服務。這么做的好處是，控制用戶的預期，以避免用戶跑到設計的Domain以外去了；不好的地方是，你可能“聽上去"沒有那么酷。所以，當我說“存在即為被感知"的時候，強調的是對價值的感知；而不是對“像人一樣"的感知?！皩υ捴悄艿暮诵膬r值：在內容，不在交互"多年前，還在英國讀書的時候，我曾經在一個非常有名歷史悠久的秘密結社里工作。我對當時的那位照顧會員需求的大管家印象深刻。你可以想象她好像是“美國運通黑卡服務"的超級禮賓，她有兩個超能力：1.Resourceful，會員的奇葩需求都能想盡辦法的實現：一個身在法蘭克福的會員半夜里遇到急事，臨時想盡快回倫敦，半夜沒有航班了，打電話找到大管家求助。后大管家找到另一個會員的朋友借了私人飛機，送他一程，凌晨回到了倫敦。2.Mind-reading，會員想要什么，無需多言：“Oliver，我想喝點東西…"“當然沒問題，我待會給你送過來。"她也不需要問喝什么，或者送到哪里。人人都想要一個這樣的管家。**俠需要Alfred；鋼鐵俠需要Javis；西奧多需要Her（盡管這哥們后來走偏了）；iPhone需要Siri；這又回到了我們在Part1里提到的，AI的toC產品是智能助理。但是，人們需要這個助理的根本原因，是因為人們需要它的對話能力么？這個世界上已經有70億個自然語言對話系統了（就是人），為什么我們還需要制造更多的對話系統？我們需要的是對話系統后面的思考能力，解決問題的能力。而對話，只是這個思考能力的交互方式（ConversationalUserInterface）。如果真能足夠聰明的把問題提前解決了，用戶甚至連話都不想說。我們來看個例子。我知道很多產品經理已經把這個iPhone初代發布的東西講爛了。但是，在這兒確實是一個非常好的例子：我們來探討一下iPhone用虛擬鍵盤代替實體鍵盤的原因。普通用戶，從直觀的視角，能得出結論：這樣屏幕更大！需要鍵盤的時候就出現，不需要的時候就消失。而且還把看上去挺復雜的產品設計給簡化了，更好看了。甚至很多產品經理也是這么想的。實際上，這根本不是硬件設計的問題。原因見下圖。其實喬布斯在當時也講的很清楚：物理鍵盤的核心問題是，（作為交互UI）你不能改變它。物理交互方式（鍵盤）不會根據不同的軟件發生改變。如果要在手機上加載各種各樣的內容，如果要創造各種各樣的軟件生態，這些不同的軟件都會有自己不同的UI，但是交互方式都得依賴同一種（物理鍵盤無法改變），這就行不通了。所以，實際代替這些物理鍵盤的，不是虛擬鍵盤，而是整個觸摸屏。因為iPhone（當時的）將來會搭載豐富的生態軟件內容，就必須要有能與這些還沒出現的想法兼容的交互方式。在我看來，上述一切都是為了豐富的內容服務。再一次的，交互本身不是核心，它背后搭載的內容才是。但是在當初看這個發布會的時候，我是真的沒有get到這個點。那個時候真的難以想象，整個移動互聯時代會誕生的那么多APP，都有各自不同的UI，來搭載各式各樣的服務。你想想，如果以上面這些實體鍵盤，讓你來操作大眾點評、打開地圖、Instagram或者其他你熟悉的APP，是一種怎樣的體驗？更有可能的是，只要是這樣的交互方式，根本設計不出剛才提到的那些APP。與之同時，這也引申出一個問題：如果設備上，并沒有多樣的軟件和內容生態，那還應該把實體鍵設計成觸摸和虛擬的方式么？比如，一個挖掘機的交互方式，應該使用觸屏么？甚至對話界面？“對話智能解決重復思考"同樣的，對話智能的產品的核心價值，應該在解決問題的能力上，而不是停留在交互這個表面。這個“內容"或者“解決問題的能力"是怎么體現的呢？工業革命給人類帶來的巨大價值在于解決“重復體力勞動"這件事。經濟學家TylerCowen認為，“什么行業的就業人越多，這個工種就會創造更大的商業價值。"他在AverageIsOver這本書里描述到：“20世紀初，美國就業人口多的是農民；二戰后的工業化、第三產業的發展，再加上婦女解放運動，就業人工多的工種變成**商業的文字工作者比如秘書助理呼叫中心（文員，信息輸入）。1980/90年代的個人計算機，以及Office的普及，大量秘書，助理類工作消失。"這里提及的工作，都是需要大量重復的工作。而且不停的演變，從重復的體力，逐步到重復的腦力。從這個角度出發，對一個場景背后的“思考能力"沒有把控的AI產品，會很快被代替掉。的，就是典型意義上的智能客服。在市場上，有很多這樣的智能客服的團隊，他們能夠做對話系統（詳見Part2），但是對這各領域的思考，卻不甚了解。我把“智能客服"稱為“前臺**姐"——無意冒犯，但是前臺**姐的主要工作和技能并沒有關系。他們重要的技能就是對話，準確點說是用對話來“路由"——了解用戶什么需求，把不合適的需求過濾掉，再把需求轉給專家去解決。但是對于一個企業而言，客服是只嘴和耳，而專家才是腦，才是內容，才是價值?？头卸嗖缓诵?？想想大量被外包出去的呼叫中心，就知道了。與這類客服機器人產品對應的，就是專家機器人。一個專家，必定有識別用戶需求的能力，反之不亦然。你可以想象一個企業支付給一個客服多少薪資，又支付給一個專家多少薪資？一個專家需要多少時間培訓和準備才能上崗，客服**姐呢？于此同時，能力是這個機構的核心，而客服不是。正因為如此，很多人認為，人工的呼叫中心，以后會被AI呼叫中心代替掉；而我認為，用AI做呼叫中心的工作，是一個非常短暫的過渡型方案。很快代替人工呼叫中心的，甚至代替AI呼叫中心，是具備交互能力的專家AI中心。在這兒，“專家"的意義大于“呼叫"。在經歷過工具化帶來的產能爬坡和規模效應之后，他們成本差不多，但是卻很多。比如他直接鏈接后端的供給系統的同時，還具備領域的推理能力，也能與用戶直接交互。NLP在對話系統里解決的是交互的問題。在人工智能產品領域里，給與一定時間，掌握技能的團隊一定能對話系統；而掌握對話系統的團隊則很難掌握技能。試想一下在幾年前，移動互聯剛剛出現的時候，會做app的，去幫銀行做app；而幾年之后銀行都會自己開發app，而干不了銀行的事。在這個例子里，做AI產品定義的朋友，你的產品**是要代替（或者**）某個領域專家；而不要瞄準那些過渡性崗位，比如客服。從這個角度出發，對話智能類的產品核心的價值，是進一步的代替用戶的重復思考。Workonthemindnotthemouth.哪怕已經是在解決腦袋的問題，也盡量去代替用戶系統2的工作，而不只是系統1的工作。在你的產品中，加入級的推理；幫助用戶進行抽象概念與具象細節之間的轉化；幫助用戶去判斷那些出現在他的模型中，但是他口頭還沒有提及的問題；考慮他當前的環境模型、發起對話時所處的物理時空、過去的經歷；推測他的心態，他的世界模型。先解決思考的問題，再盡可能的轉化成語言。Part5AIPM“缺了什么？"2018年10月底，我在慕尼黑為企業客戶做onsitesupport。期間與客戶的各個BU、市場老板們以及自身的研發團隊交流對話AI的應用。作為的汽車品牌之一，他們也在積極尋求AI在自身產品和服務上的應用。不缺技術人才。盡管作為傳統行業的大象，可能會被外界視為不擅長AI，其實他們自身并不缺少NLP的研發。當我跟他們的NLP團隊交流時，發現基本都有世界名校的PHD。而且，在閉門的供應商大會上，基本所有的科技大廠和咨詢公司都在場了。就算實在搞不了，也大有人排著隊的想幫他們搞。創新的意愿強烈。在我接觸過的大企業當中，特別是傳統世界當中中，這個企業是非常重視創新的。經過移動互聯時代，丟掉的陣地，他們是真心想一點點搶回來，并試圖所在的行業，而不是follow別人的做法。不僅僅是像“傳統的大企業創新"那樣做一些不痛不癢的POC，來完成創新部門的KPI。他們則真的很積極地推進AI的商業化，而且勇于嘗試改變過去和Techprovider之間的關系。這點讓我印象深刻，限于保密條款，在此略過細節。（關于國際巨型企業借新技術的初創團隊之手來做式創新，也是一個很有意思的話題，以后新開一個Topic。）數據更多。那么傳統的優勢就在于，真正擁有業務場景和實際的數據。賣出去的每一臺產品都是他們的終端，而且開始全面聯網和智能化。再加上，各種線下的渠道、海量的客服，其實他們有能力和空間來搜集更完整的用戶生命周期數據。當然，作為硬幣的另一面，百年品牌也自然會有嚴重的歷史牽絆。機構內部的合規、采購流程、數據的管控、BU之間的數據和行政壁壘也是跑不掉的。這些環節的Tradeoff確實大大的影響了對上述優勢的利用。但是缺少的還是產品定義能力。如果對話智能的產品定義失敗，后面的執行就算是的，出來的效果也是智障。有些銀行的AI機器人就是例子：立項用半年，競標用半年，開發用一年，然后上線跑一個月就因為太蠢下線了。但這其實并不是傳統行業的特點，而是目前所有玩家的問題——互聯網或科技公司的對話AI產品也逃不掉?？赡芑ヂ摼W企業還自我感覺良好，在這產品設計部分，人才不缺了——畢竟“人人都是產品經理"嘛。但在目前，咱們看到的互聯網公司出來的產品也都是差不多的效果，具體情況咱們在Part2里已經介紹足夠多了。我們來看看難點在哪里。AI產品該怎么做定義呢？也就是，需要怎樣的產品才能實現商業需求。技術部門往往主要關注技術實現，而不背商業結果KPI；而業務部門的同事對AI的理解又很有限，也就容易提出不合適的需求。關鍵是，在做產品定義時，你想要描述“我想要一個這樣的AI，它可以說…"的時候你會發現，因為是對話界面，你根本無法窮盡這個產品的可能性。其中一個具體細節就是，產品文檔該怎么寫，這就足夠挑戰了?！皩υ扐I產品的管理方法"先給結論：如果還想沿用管理GUI產品的方來管理對話智能產品，這是不可能的。從行業角度來看，沒有大量成功案例，就不會有流水線；沒有流水線，就沒有基于流水線的項目管理。也就是說，從1886年開始**輛現代汽車出現，到1913年才出現**條流水線——中間有27年的跨度。再到后來豐田提出TheToyotaWay，以精益管理(LeanManagement)來快速迭代（類似敏捷開發）以盡量避免浪費，即Kaizen(改善)，這已經是2001年的事情了。這兩天和其他也在給大企業做對話的同行交流的時候，聽到很多不太成功的產品案例，歸結起來幾乎都是因為“產品Scope定義不明"，導致項目開展到后面根本收不了尾。而且因為功能之間的耦合緊密，連線都上不了（遇到上下文對話依賴的任務時，中間環節一但有缺失，根本走不通流程）。這些都是行業早期不成熟的標志?！皩υ扐I產品的DesignPrinciple尚未出現"對話智能領域相對視覺類的產品，有幾個特性上的差異：1）是產品化遠不如視覺類AI成熟；2）深度學習在整個系統里扮演的角色雖然重要，但是還是很少，遠不夠撐起來有價值的對話系統；3）產品都是黑箱，目前在行業中尚無比較共同認可的設計標準。APP發展到后面，隨著用戶的使用習慣的形成，和業界內成功案例的“互相交流"，逐步形成了一些設計上的共識，比如下面這一排，右邊紅圈里的“我"：但是，從2007年iPhone發布，到這些移動產品的設計規范逐步形成，也花了近6、7年時間，且不提這是圖形化界面。到如今，這類移動設備上的產品設計標準已經成熟到，如果在設計師不遵循一些設計思路，反而會引起用戶的不習慣。只是對話系統的設計規范，現在談還為時尚早。到這里，結合上述兩個點（對話AI產品的管理方法、設計規范都不成熟），也就可以解釋為什么智能音箱都不智能。因為智能音箱的背后都是一套“技能打造框架"，給，希望能用這套框架來制作各種“技能"。而“對話技能類平臺"在目前根本走不通。任何場景一旦涉及到明文識別以外的，需要對特定的任務和功能進行建模，然后再融合進多輪對話管理里的場景，以現在的產品成熟程度，都無法抽象成有效的設計規范?，F在能抽象出來的，都是非常簡單的上下文管理（還記得Part2里的“填表"么？）。我就舉一個例子，絕大部分的技能平臺，根本就沒有“用戶生命周期管理"的概念。這和服務流程是兩碼事，也是很多機器人智障的諸多原因之一。因為涉及到太細節和的部分，咱們暫且不展開。也有例外的情況：技能全部是語音控制型，比如“關燈開燈"“開空調25度"。這類主要依賴明文識別的技能，也確實能用框架實現比較好的效果。但這樣的問題在于，開放給沒有意義：這類技能既不需要多樣的產品化；從這類開發中也根本賺不到錢——幾乎沒有商業價值。另一個例外是大廠做MLaaS類平臺，這還是很有價值的。能解決對深度學習的需求，比如意圖識別、分詞、實體提取等**層的需求。但整個識別部分，就如我在Part3&4里提到的，只應占到任務對話系統的10%，也而已。剩下的90%的工作，也是真正決定產品價值的工作，都得自己搞。他們會經歷些什么？我隨便舉幾個簡單的例子（行業外的朋友可以忽略）：如果你需要訓練一個意圖，要生成1000句話來做素材，那么“找100個人，每人寫10句"的訓練效果要遠好于“找10個人，每人寫100句"；是用場景來分意圖、用語義來分意圖和用謂語來拆分意圖，怎么選？這不僅影響機器人是否能高效支持“任務"之間的跳轉，還影響訓練效率、開發成本；有時候意圖的訓練出錯，是訓練者把自己腦補的內容放進去了；話術的重要性，不僅影響用戶看著舒不舒服，更決定了他的回復的可能性——以及回復的回復的可能性——畢竟他說的每一句后面的話，都需要被識別后，再回復；如果你要給一個電影院做產品，**用圖形化界面，而不要用語言來選座位：“現在空著的座位有，**排的1，2，3，4…."這些方面的經驗和技巧數都數不完，而且還是淺顯、皮毛的部分。你可以想象，對話智能的設計規范還有多少路要走——記得，每個產品還是黑箱，就算出了好效果，也看不到里面是怎么設計的?！耙粋€合適的AIPM"當真正的人工智能實現之后，所有產品經理所需要做的思考，都會被AI代替。所以，真正的人工智能也許是人類后的一個發明。在那一天之前，對話智能產品經理的工作，是使用各種力量來創造智能給人的感覺。AIPM一定要在心中非常明確“AI的歸AI，產品的歸產品"。做工具的和用工具的，出發點是不同。應該是帶著做產品的目的，來使用AI；千萬不要出現“AIPM是來實現AI的"這樣的幻覺。我們都熟悉，PM需要站在“人文和技術的十字路口"來設計產品。那么對話智能的AIPM可能在這方面可能人格分裂的情況更，以至于甚至需要2個人來做配合成緊密的產品小組——我認為一個優秀的對話智能產品經理，需要在這三個表現優秀：1.懂商業：就是理解價值對話產品的價值一定不在對話上，而是通過對話這種交互方式（CUI）來完成背后的任務或者解決具體問題。一個本來就很強的APP，就不要想著去用對話重新做一遍。反而是一些APP/WEB還沒有能很好解決的問題，可以多花點時間研究看看。這方面在Part4里的對話智能的核心價值部分，當中有詳細闡述，在這里就不重復了。2.懂技術：理解手中的工具（深度學習GOFAI）一個大廚，應該熟悉食材的特性；一個音樂家，應該熟悉樂器的特征；一個雕塑家，應該熟悉手中的鑿子。大家工具都差不多，成果如何，取決于藝術家?，F在，AIPM手中有深度學習，那么就應該了解它擅長什么和不擅長什么。以避免提出太過于荒謬的需求，導致開發的同學向你發起攻擊。了解深度學習的特性，會直接幫助我們判斷哪些產品方向更容易出效果。比如，做一個推薦餐廳的AI，就比做一個下圍棋的AI難太多了。下圍棋的產品成功，并不需要人類理解這個過程，接受這個結果就行。而推薦一個餐廳給用戶，則必須要去模擬人的思維后，再投其所好。人們在想要推薦餐廳的時候，通過對話，了解他的需求（不能問太多，特別是顯而易見的問題，比如他在5點的時候，你問他要定幾點的餐廳）對于圍棋而言，每次（單次）輸入的可能性只有不超過棋盤上19x19=361種可能性；一局棋的過程盡管千變萬化，我們可以交給深度學習的黑箱；后決定所需要的信息，全部呈現在棋盤上的落子上，盡管量大，但與落子以外的信息毫無關系，全在黑箱里，只是這個黑箱很大。后，輸出的結果的可能性只有兩種：輸或者贏。對于推薦餐廳。每次輸入的信息，實際并不包含決策所需要的全部信息（無法用語言表達所有相關的影響因素，參考Part3里世界模型部分）；而且輸出的結果是開放的，因為推薦的餐廳，既不可被量化，更不存在的對錯。了解CUI的特性后，不該用對話的就不要強上對話交互；有些使用對話成本非常高，又很不Robustic的環節，同時用戶價值和使用頻次又很低的，就要考慮規避——咱們是做產品的，不是實現真正的AI的，要分清楚。3.懂人：心理和語言這可能是當前對話類產品重要的地方，也是拉開和其他產品設計的核心部分。也可能是中年人做產品的第二春。對心理的理解，指的是當用戶在說話的時候，對他腦中的模型的理解。英文中“Readtheroom"就是指講話之前，先觀察一下了解周圍聽眾的情況，揣摩一下他們的心理，再恰當的說話。比如，講話的時候，是否聽眾開始反復的看表？這會讓直接影響對話的進程。你有遇到過和某人對話起來感覺很舒服的么？這個人，不僅僅是語言組織能力強，更重要的則是他對你腦中的對話進程的把握，以及場景模型，甚至對你的世界模型有把握。他還知道怎么措辭，會更容易讓你接受，甚至引導（Manipulate）你對一些話題的放棄，或者是加強。對話系統的設計也是一樣的。哪些要點在上文中說過？哪些類型的指代可以去模擬？如果是文字界面，用戶會不會拉回去看之前的內容？如果是語音界面，用戶腦中還記不記得??？如果記得住，還強調，會感覺重復；如果記不住，又不重復，會感覺困惑。對語言的理解，則是指對口語特性的理解。我知道FrederickJelinek說的“每當我開除一個語言學家，Speech識別的準確率就會增高"。只是，現在根本沒有真正意義上的自然語言生成（NLG），因為沒有真正的思維生成。所以，任務類的對話的內容，系統不會自然產生，也無法用深度學習生成。對于AIPM而言，要考慮的還是有很多語言上的具體問題。一個回復里，內容會不會太長？要點該有幾個？謂語是否明確，用戶是否清晰被告知要做什么？條件又是什么？這樣的回復，能引發多少種可能的問詢？內容措辭是否容易引起誤解（比如因為聽眾的背景不同，可能會有不同的解讀）？從這個角度而言，一個好的對話系統，必定出自一個很能溝通的人或者團隊之手。能為他人考慮，心思細膩，使用語言的能力高效，深諳人們的心理變化。對業務熟悉，能洞察到用戶的Context的變化，而其格調又幫助用戶控制對話的節奏，以終解決具體問題。Part6可見的未來是現狀的延續“過渡技術"在幾周前，我與行業里另一家做對話的CEO討論行業的將來。當我聊到“深度學習做對話還遠達不到效果"的態度時，他問我：“如果是悲觀的，那么怎么給團隊希望繼續往前進呢？"其實我并不是悲觀的，可能只是更客觀一點。既然深度學習在本質上搞不定對話，那么現在做對話AI的實現方式，是不是個過渡技術？這是一個好問題。我認為，用現在的技術用來制作AI的產品，還會持續很長時間，直到真正智能的到來。如果是個即將被替代或者的技術，那就不應該加碼投入。如果可以預見未來，沒人想在數碼相機崛起的前期，加入柯達；或者在LED電視普及之前，重金投入在背投電視的研發上。而且難以預測的不僅僅是技術，還有市場的發展趨勢。比如在中國，作為無現金支付方式，還沒來得及覆蓋足夠多的支付場景，就被移動支付斷了后路。而現在的對話智能所使用的技術，還遠沒到這個階段。ClaytonM.Christensen在《創新者的窘境》里描述了每個技術的三個階段：**個階段，緩步爬坡；第二個階段開始迅猛發展，但是到接近發展的高地（進步減速）的時候，另一個式技術可能已經悄悄萌芽，并重復著**個技術的發展歷程；第三個階段，則進入發展瓶頸，并終被新技術下圖黑色部分，為書中原圖：而當前對話AI的技術，還在**階段（藍色旗幟位置）稱不上是高速發展，還處于探索的早期。黑箱的情況，會使得這個周期（**階段）可能比移動時代更長。以當前的技術發展方向，結合學術界與工業界的進展來看，第二個技術還沒有出現的影子。但是同樣因為深度學習在對話系統中，只扮演的一小部分角色，所以大部分的空間，也是留給大家探索和成長的空間。換句話來講，還有很多發展的潛力。前提是，我們在討論對話類的產品，而不是實現AI本身。只是，這個階段的對話AI，還不會達到人們在電影里看到的那樣，能自如的用人類語言溝通。2）服務提供者崛起的機會因為上述的技術發展特點，在短期的將來，數據和設計是對話智能類產品的壁壘，技術不是。只是這里說的數據，不是指的用來訓練的數據。而是供給端能完成服務的數據；能夠照顧用戶整個生命周期的數據；是當對話發生的時候，用戶的明文以外的數據這些數據；影響用戶腦中的環境模型、影響對任務執行相關的常識推理數據，等等。而隨著IOT的發展，服務提供者，作為與用戶在線下直接打交道的一方，是有可能掌握這些數據。他們能在各個Touchpoint去部署這些IOT設備，來搜集環境數據。并且，由他們決定要不要提供這些數據給平臺方。但是，往往這些行業里的玩家都是歷史悠久、行動緩慢。其組織機構龐大，而且是組織結構并不是為了創新而設計，而是圍繞著如何能讓龐大的軀干不用思考，高速執行。而這也正是互聯網企業和創業企業的機會。3）超級終端與入口之爭對話智能類的產品必須搭載在硬件終端上。很多相關的硬件嘗試，都是在賭哪個設備能夠成為繼手機之后的下一個超級終端。就好像智能手機作為計算設備，代替了PC的地位一樣。畢竟，在移動時代，搶到了超級終端，就搶到了用戶獲取服務的入口。在入口的基礎之上，才是各個應用。如果對話智能發展到足夠好的體驗，并能覆蓋更多的服務領域時，哪一個終端更有可能成為下一個超級終端呢？智能音箱、帶屏幕的音箱、車載設備甚至車機、穿戴設備等等都可以搭載對話智能。在5G的時代，更多的計算交給云端，在本地設備上留下能耗較低的OS和基礎設施，I/O交給麥克風和音頻播放就完成了。credit:Pixabay因此任意一個聯網設備，都可能具備交互和傳遞服務的能力，進一步削弱超級終端的存在。也就是說，作為個人用戶，在任意一個聯網設備上，只要具備語音交互和聯網能力，都可能獲得服務。特別是一些場景依賴的商業服務，如酒店、**、辦公室等等。隨著這些入口的出現，在移動時代的以流量為中心的商業模式，可能將不再成立。而新的模式可能誕生，想象一下，每一個企業，每一個品牌都會有自己的AI。一個或是多個，根據不同的業務而產生；對內部員工服務或者協助其工作，同時也接待外部的客服，管理整個生命周期從注冊成這家企業的用戶開始，到后（不幸地）中斷服務為止。只是這個發展順序是，先有服務，再有對話系統——就好像人，是有腦袋里的想法，再用對話來表達。結語在本文中，所有與技術和產品相關的討論，都是在強調一個觀點：一個產品是由很多技術組合而成。我不希望傳達錯誤的想法，類似“深度學習不重要"之類的；相反，我是希望每一類技術都得到正確的認識，畢竟我們離真正的人工智能還有距離，能用上的都有價值。作為AI從業者，心中也會留有非理性的希望，能早日見證到人造的智能的到來。畢竟，如果真正的智能出現了，可能產品經理（以及其他很多崗位）就解放了（或者被摧毀了）。這或許就是人類的后一個發明。本文開始于慕尼黑，終成稿于北京，斷斷續續耗時接近3個月。期間與很多大企業，行業內的創業者，還有一些資本的同學溝通交流。在此表示感謝，就不一一點名啦。