人機(jī)交互這件事，看起來(lái)簡(jiǎn)單，卻是人工智能王冠上最耀眼的一顆明珠。目前看來(lái)，嚴(yán)格意義上的圖靈測(cè)試離我們還相當(dāng)遙遠(yuǎn)，不過(guò)通過(guò)交互方式和產(chǎn)品上的創(chuàng)新，一個(gè)在特定領(lǐng)域內(nèi)可用的合格助手，或許已經(jīng)在向我們招手了。

十年前，我在微軟研究院語(yǔ)音組混日子?；?，不是我的主觀意愿，卻是客觀事實(shí)：當(dāng)時(shí)，我們做的“人機(jī)交互”離實(shí)用太遠(yuǎn)，別人都認(rèn)為我們是編了個(gè)故事來(lái)騙工資的。有一回，跟同學(xué)聊起我們的愿景：“將來(lái)，您對(duì)著電腦，樂(lè)意怎么說(shuō)怎么說(shuō)，那邊不光嗯啊嗻是，有來(lái)言就有去語(yǔ)，回答的還得像話…”正說(shuō)著，他樂(lè)成桃狀打斷了我：“你說(shuō)的這不是跳大神，讓狐仙附了體了么？”

這當(dāng)然是戲言，因?yàn)榻▏?guó)以后就不許成精了。覺(jué)得這事兒扯的，要怨您就怨一位前輩的老先生——圖靈。是怹在人工智能八字還沒(méi)一撇的時(shí)候，提出了這個(gè)終極測(cè)試方案：將人與機(jī)器隔開，前者通過(guò)一些裝置（如鍵盤）向后者隨意提問(wèn)。多次問(wèn)答后，如果有超過(guò)30%的人不能確定出被測(cè)試者是人還是機(jī)器，那么這臺(tái)機(jī)器就通過(guò)了測(cè)試，并被認(rèn)為具有人類智能。

于是，通過(guò)圖靈測(cè)試，就成了所有人工智能科學(xué)家和偽科學(xué)家的最高目標(biāo)。這兩年人工智能大火，號(hào)稱通過(guò)了圖靈測(cè)試的產(chǎn)品，也如雨后春筍般一抬腳踩死一片。最近的一次，是谷歌在I/O大會(huì)上演示的Deplux，據(jù)說(shuō)“部分通過(guò)圖靈測(cè)試”，這倒還算中肯。

看起來(lái)，圖靈的棺材板快壓不住了，我們是否已經(jīng)到了突破圖靈測(cè)試的奇點(diǎn)了呢？我正在一頭霧水之際，突然有天晚上，黑暗暗霧沉沉，圖爺托兆給我，對(duì)我言道：“這事兒，還離著六扔（見(jiàn)注1）多遠(yuǎn)吶！現(xiàn)傳爾秘籍一部，望爾潛心習(xí)學(xué)，授眾生以三法門！”你道哪三個(gè)法門？且看下文分解。

圖靈測(cè)試是不是人機(jī)“對(duì)話”？

理解概念，要把握其內(nèi)涵和外延。圖靈測(cè)試的內(nèi)涵很清楚，就是用機(jī)器替代人，進(jìn)行信息交互；不過(guò)其外延有些不清，頗多可變通之處，比如那個(gè)“一些裝置”。時(shí)下的相關(guān)產(chǎn)品，交互或用文字，或用語(yǔ)音，對(duì)于信息溝通來(lái)說(shuō)，這樣的裝置夠用么？

我們知道，對(duì)人類來(lái)說(shuō)，文字僅僅承載著內(nèi)容的溝通。而人人信息交互，內(nèi)容溝通大概只占20%，情感溝通要占到80%

。計(jì)算廣告群里的九千歲講了個(gè)生動(dòng)的例子：當(dāng)年他給女朋友打電話，信息量最大的，就是對(duì)方拿起電話那一聲“喂”，這個(gè)“喂”就為今天幾個(gè)鐘頭的會(huì)談定下了基調(diào)。

情感溝通，要理解的就不僅僅是文字，還包括語(yǔ)音、表情、肢體語(yǔ)言等等。所以，兩個(gè)在知乎上吵得不可開交的人，打個(gè)電話沒(méi)準(zhǔn)就成了基友；而真正重要的面試、會(huì)議，還是必須面對(duì)面進(jìn)行。沒(méi)有對(duì)這些副語(yǔ)言現(xiàn)象深入的研究建模，即使完美地解決了文字和內(nèi)容溝通的問(wèn)題，也離真正有效的人機(jī)交互相去甚遠(yuǎn)。

因此，人機(jī)“交互”絕非人機(jī)“對(duì)話”，我認(rèn)為真正理想的圖靈測(cè)試，就算不能聲情并茂地反饋用戶，也至少應(yīng)該能察言觀色，有效解讀用戶的副語(yǔ)言。將來(lái)用上機(jī)器女友了，人家“喂”了一聲，你還不知道怎么接下碴兒，那還不等著回家跪電路板？

顯然，這樣去限定圖靈測(cè)試的話，我們現(xiàn)在仍然束手無(wú)策。飯要一口口吃，先降低下難度，僅僅考慮利用文本或語(yǔ)音跟機(jī)器聊天的場(chǎng)景，我們今天看到的Siri、小冰、Alexa、叮咚音箱等，都是這樣的人機(jī)對(duì)話系統(tǒng)。那么，是否在人機(jī)“對(duì)話”的情形下，通過(guò)圖靈測(cè)試已經(jīng)指日可待了呢？

既然不用理解副語(yǔ)言現(xiàn)象，人機(jī)對(duì)話的關(guān)鍵，當(dāng)然就是理解自然語(yǔ)言了。自然語(yǔ)言理解和人機(jī)對(duì)話，是認(rèn)知智能領(lǐng)域的核心問(wèn)題，要了解它遇到的困難，要先從目前人工智能的實(shí)用方法說(shuō)起。

人機(jī)對(duì)話，到底難在哪里？

今天所有實(shí)用的人工智能產(chǎn)品，都是用的“弱智”（見(jiàn)注2）方法。簡(jiǎn)單來(lái)說(shuō)，就是湊答案：準(zhǔn)備一大坨標(biāo)注好的數(shù)據(jù)，然后用大量機(jī)器堆上去狂撩，直到把答案湊個(gè)八九不離十。至于問(wèn)題的內(nèi)在邏輯和簡(jiǎn)約規(guī)律，今天的AI既無(wú)心顧及，也無(wú)力解讀。

“弱智”方法在數(shù)據(jù)充沛的領(lǐng)域，可謂所向披靡：無(wú)論是語(yǔ)音識(shí)別、人臉識(shí)別，還是機(jī)器翻譯、各種棋類，機(jī)器都已經(jīng)接近乃至碾壓真人了。且慢！機(jī)器翻譯都快解決了么？翻譯可比聊天要難吧？不然，機(jī)器翻譯這個(gè)問(wèn)題，答案是比較好湊的：找到足夠多的語(yǔ)言對(duì)數(shù)據(jù)，把詞譯過(guò)去跟麻將牌一樣碼好了，再調(diào)整一下順序即可。人機(jī)對(duì)話則不然，我們要找到對(duì)方語(yǔ)言里的關(guān)鍵信息，把它轉(zhuǎn)化為動(dòng)作，再把動(dòng)作的結(jié)果反饋回去。這些關(guān)鍵信息處理的過(guò)程，是要經(jīng)過(guò)統(tǒng)計(jì)意義上的推理過(guò)程的。

說(shuō)到推理，當(dāng)然離不開句子表達(dá)內(nèi)容以外的背景知識(shí)。比如你問(wèn)機(jī)器：“直徑為10的球體積是多少？”機(jī)器就得會(huì)球的體積公式才算得出來(lái)。當(dāng)然，微積分、背古詩(shī)、查法典這樣的知識(shí)，對(duì)機(jī)器來(lái)說(shuō)總是可以解決，因?yàn)橛写罅繒旧系恼Z(yǔ)料可供學(xué)習(xí)，按照弱智大法湊答案即可。難就難在，這世界上還有大量的知識(shí)，根本沒(méi)地方學(xué)去。

直覺(jué)上，人的知識(shí)來(lái)自于六歲以后的學(xué)習(xí)。實(shí)際上，絕大部分知識(shí)都來(lái)自于六歲前神奇的積累過(guò)程。只不過(guò)，這些知識(shí)太普通了，連半傻子都知道，所以被大家都選擇性地遺忘了。這種人人皆知的事情，姑且把它叫做“常識(shí)”，舉兩個(gè)例子您就明白了：

小明面對(duì)著你 =>

你瞧不見(jiàn)小明的后腦勺

一瓶礦泉水被我喝完了 =>

瓶子變輕了

就這個(gè)呀？這玩意也算知識(shí)？您別拿村長(zhǎng)不當(dāng)干部，沒(méi)有這些常識(shí)的支撐，自然語(yǔ)言推理是進(jìn)行不下去的，不信您看看下面這兩句：

爸爸快抱不動(dòng)兒子了，因?yàn)樗至?/p>

爸爸快抱不動(dòng)兒子了，因?yàn)樗撊趿?/p>

后半句的這個(gè)“他”，在上下兩句指代的對(duì)象是不同的。顯然，沒(méi)有常識(shí)的支撐，這兩句不好理解。悲催之處在于，這些常識(shí)，在所有人類積累的語(yǔ)料當(dāng)中，是不存在的。您想想，有人要編纂一本專著，里面寫的全是這樣的“深?yuàn)W”知識(shí)：

有孤王坐金殿脊背朝后

頭沖上腳沖下臉沖前頭

走三步退三步如同沒(méi)走

兩只手伸出來(lái)十個(gè)指頭

那讀者還不得罵著街把作者押送到精神病院?。繉?duì)此，郭德綱老師和其它曲藝界同仁給了個(gè)專業(yè)術(shù)語(yǔ)，叫“大實(shí)話”。

沒(méi)有了語(yǔ)料、也就是數(shù)據(jù)的支撐，“弱智”方法是沒(méi)辦法獲取這些常識(shí)的。所以，甭管誰(shuí)說(shuō)他的對(duì)話系統(tǒng)通過(guò)了圖靈測(cè)試，你也別問(wèn)它化學(xué)方程，也別讓它背誦古文，就找?guī)讉€(gè)這樣的真?弱智問(wèn)題問(wèn)上一問(wèn)，它要能答出來(lái)我是茄子。

那么人類的常識(shí)在六歲前是怎么獲得的呢？對(duì)于這樣的學(xué)術(shù)問(wèn)題，我只能嚴(yán)肅地回答你：?jiǎn)柎彘L(zhǎng)去！

人機(jī)交互要不要模仿人人交互？

看起來(lái)，我們離通過(guò)圖靈測(cè)試，還真有六扔多遠(yuǎn)。那么，從應(yīng)用的角度看，人機(jī)交互這件事真的遙不可及么？這倒也未必。

從開始探索人機(jī)交互，我們就想當(dāng)然地認(rèn)為，把人人交互的那一端由人變成機(jī)器，就是人機(jī)交互的理想模式了。于是，我們?cè)O(shè)計(jì)出來(lái)的機(jī)器人，也都是倆肩膀扛?jìng)€(gè)腦袋，四肢五官齊備，用語(yǔ)言的方式跟對(duì)面的人類交流，再加上對(duì)常識(shí)一竅不通，怎么看怎么像個(gè)二傻子。

問(wèn)題出在哪兒了呢？人類的信息交互，最高效的輸出方式是“說(shuō)”，也就是音頻通道；最高效的輸入方式是“看”，也就是視頻通道。如果你對(duì)面是個(gè)真人，那沒(méi)辦法，雙方都只能靠說(shuō)輸出信息，這就形成了語(yǔ)音為主的交互方式。而靠語(yǔ)音的人機(jī)對(duì)話，是這樣的畫風(fēng)：

我想訂一張明天去上海的機(jī)票

為您查到：6:35海南航空HU7611，票價(jià)480元；6:50吉祥航空HO252，438元；6:50廈門航空MF8178，票價(jià)…

我去你大爺?shù)陌桑?/p>

別樂(lè)，就算對(duì)面不是機(jī)器是個(gè)真人客服，這種交互也同樣令人抓狂，有過(guò)電話訂票經(jīng)歷的朋友都有體會(huì)，只不過(guò)對(duì)著活人您不好意思罵街罷了。

既然對(duì)面是個(gè)機(jī)器人，就沒(méi)必要如此拘泥了。實(shí)際上，機(jī)器的交互方式，應(yīng)該跟我們“相反”而不是“相同”：你輸出信息靠說(shuō)，機(jī)器人接受信息就得靠聽，這沒(méi)錯(cuò)；你輸入信息靠看，那機(jī)器人輸出就別靠說(shuō)了，何不在一塊屏上展示出來(lái)呢？這樣，不但信息輸出效率提高了很多，而且用戶只要在展示的信息底板上做選擇題，就算用語(yǔ)音輸入也大為便捷。

所以，真正適合人機(jī)交互的機(jī)器人，最好有個(gè)視頻輸出的設(shè)備，近了靠手機(jī)就可以，遠(yuǎn)了怎么辦還值得探討。這個(gè)概念，就是訊飛的胡郁老師講的“強(qiáng)視覺(jué)呈現(xiàn)的語(yǔ)音交互”吧。這種模式下的交互方式，已經(jīng)跟人人交互有了質(zhì)的區(qū)別，未知之處很多，需要我們深入探索。當(dāng)然，可以確定的是，機(jī)器人絕對(duì)應(yīng)該拋棄人形，以避免用戶用人的眼光和標(biāo)準(zhǔn)來(lái)評(píng)價(jià)它。

人機(jī)交互這件事，看起來(lái)簡(jiǎn)單，卻是人工智能王冠上最耀眼的一顆明珠。目前看來(lái)，嚴(yán)格意義上的圖靈測(cè)試離我們還相當(dāng)遙遠(yuǎn)，不過(guò)通過(guò)交互方式和產(chǎn)品上的創(chuàng)新，一個(gè)在特定領(lǐng)域內(nèi)可用的合格助手，或許已經(jīng)在向我們招手了。

另外，由于計(jì)算機(jī)對(duì)海量信息的檢索和處理能力遠(yuǎn)勝人類，或許可以讓機(jī)器助手輔助人人交互，這樣既能大大提高內(nèi)容溝通效率，又能發(fā)揮人的情感溝通優(yōu)勢(shì)，這沒(méi)準(zhǔn)是目前更加可行的產(chǎn)品路線。