（文章來源：新浪財經）

當前技術和市場環境下，人工智能還做不到真正自如的對話，尤其是機器人還沒有自己的思考和觀點。我們目前在落地智能語音服務場景的時候會遇到很多掣肘的問題，現在我們來看看當前的技術到底發展到什么程度。首先我們明確機器人的概念，機器人不一定有硬件本體，它可能也是虛擬的形象。例如它可能是手機的智能助理，它的載體也可能是一個音箱。

機器人智能語音服務不是機器人硬件終端，其智能是由背后的“大腦”產生的。而這個“大腦”通常是在服務端。目前NLP技術需要依賴大量的數據和算法，知識圖譜和深度學習訓練的數據都非常大，開放域通用NLP的數據量和計算模型數量更加龐大，所以一般無法在算力較小的終端芯片中運行，也正因為如此，“大腦”也常被人們稱為“云腦”。不過，在特殊行業應用中，我們可以把云端的能力固化到本地局域網的服務器或者是PC上，這是離線本地化交付。

機器人不是無所不能的?，F在的企業用戶越來越務實的認識到機器人擅長：重復性的工作和人無法做的工作，比如一些危險的工作，也例如安防巡邏工作，或者是7×24小時的不間斷客服工作?；谶@樣的務實認知，才有現在更加務實和廣泛的商業落地場景。

在智能語音服務能力方面，現在我們已經可以做很多事情。早幾年大家都想擁有一個像科幻電影中的機器人，但以目前的軟硬件技術目前還做不到。但是，當行業內的需求開始務實之后，我們發現很多領域已經可以提供有價值的服務了。比如說，剛剛提到的生活助理可以幫你呼出電話、制定提醒，在一些商務場景中，機器人可以提供迎賓、講解、導購、推薦、客服服務等。

通過開放域加限定域的組合，目前已經可以在垂直場景中做到比較好的體驗，尤其是可以在局部替代人工的工作。這里有一段視頻，是展示實際的點餐案例，大家可以先看一下。從視頻中大家可以看到這樣一些能力：第一，一句話包含多個意圖，甚至相反的意圖，機器都可以理解。

例如：給我來兩杯咖啡，一杯要冷的一杯要熱的，冷的要拿鐵，熱的要卡布奇諾，算了拿鐵不要了；第二，通過配套的CMS系統，餐廳服務員可以自己修改菜單內容，不再需要有技術公司進行訓練，這樣就方便大規模的普及應用。像這樣一些服務技能可以同時ToB和ToC，比如我們做的醫療服務技能也是如此。

另外在機器人的情感表現力方面也取得一些進步。比如像阿里和百度的TTS現在都支持SSML標簽。通過人工大腦分析語境和輸出內容的語義自動插入SSML標簽就可以控制語音合成的效果了。這樣，語音合成不再是單一的語速和語調，而是根據語境和語義有不同的節奏，甚至是自動配背景音樂。接下來有一段視頻，朗讀詩詞時的背景音樂都是TTS自動合成進去的。未來這樣的技術會使得我們機器人的情感表達更豐富。另外，在高噪聲環境下的語音識別一直是很頭痛的問題，目前通過非等距MIC陣列+機器視覺成功解決了高噪雜環境的語音識別問題，也使得智能語音服務的場景可以更廣泛了。

此前許多智能語音服務需要與業務系統深度對接，遇到實現難度大、交付周期長等諸多問題，主要是想一步到位解決問題，但目前人工智能技術整體處于初級階段，還在快速發展，現階段不可能一步到位解決所有問題。打造高性價比和快速個性化的輕量級智能語音服務集成方案可以在很多場所替代人，因此更容易大規模普及應用。

未來大屏幕電視機可能會成為智慧養老的一個真正的智能控制中心，而不是一個具體的機器人。因為在電視機上的虛擬人既可以成為老人的孫子形象，也可以是老人當年夢中情人的印象。通過電視和分布在屋內多處的語音交互控制模組可以控制全屋，而全屋各個設備不需要全部裝上主機和屏幕。此外還可以跟老人的智能手表進行協同控制，并且可以實現控制權自動交接等等。

最后，對于未來，隨著人工智能越來越多普及到生活的方方面面，在便捷的同時我們將面臨一個很大的問題，就是用戶隱私與更加優質的用戶體驗之間的矛盾問題。這個問題需要所有從業者一起思考如何平衡這個矛盾。
? ? ? （責任編輯：fqj）