雷鋒網(wǎng)按：2018 全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了寶安區(qū)政府的大力指導(dǎo)，是國內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流盛會(huì)，旨在打造國內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺。

CCF-GAIR 2018 延續(xù)前兩屆的頂尖陣容，提供 1 個(gè)主會(huì)場和 11 個(gè)專場（仿生機(jī)器人，機(jī)器人行業(yè)應(yīng)用，計(jì)算機(jī)視覺，智能安全，金融科技，智能駕駛，NLP，AI+，AI芯片，IoT，投資人）的豐富平臺，意欲給三界參會(huì)者從產(chǎn)學(xué)研多個(gè)維度，呈現(xiàn)出更富前瞻性與落地性相結(jié)合的會(huì)議內(nèi)容與現(xiàn)場體驗(yàn)。

在自然語言處理專場上，竹間智能CTO翁嘉頎受邀作為“自然語言處理的落地難點(diǎn)及應(yīng)用未來”圓桌討論嘉賓，分享了自己的觀點(diǎn)。會(huì)后，雷鋒網(wǎng)對翁嘉頎進(jìn)行了一對一的專訪。

竹間智能成立于2016年，主要是做文本分析、自然語義理解、情感計(jì)算。竹間智能主要有兩條產(chǎn)品線，一條是類腦對話機(jī)器人，包含了客服機(jī)器人、導(dǎo)購機(jī)器人、金融機(jī)器人、營銷機(jī)器人、個(gè)人助理、品牌IP機(jī)器人等；一條是多模態(tài)情感識別系統(tǒng)，包括情緒識別分析系統(tǒng)、人臉表情識別系統(tǒng)、印象分析系統(tǒng)、廣告效果分析系統(tǒng)、呼叫中心質(zhì)檢系統(tǒng)、課堂情緒分析系統(tǒng)等。

目前大多做對話式人工智能的公司專注于文本，而竹間智能的多模態(tài)情感識別則包括了文本、語音、人臉表情等多個(gè)模塊。雷鋒網(wǎng)此次采訪翁嘉頎也主要圍繞著情感計(jì)算技術(shù)和商業(yè)化落地兩個(gè)方面。

在翁嘉頎看來，人機(jī)交互分為三個(gè)層次，最底層是自然語言處理，第二層是意圖理解，第三層是理解背后的涵義，目前業(yè)界還停留在前兩個(gè)階段，要做到第三個(gè)階段，情感計(jì)算不可避免。

情感計(jì)算的難點(diǎn)在于不僅要準(zhǔn)確理解單個(gè)模態(tài)的情緒，當(dāng)多個(gè)模態(tài)的情緒發(fā)生沖突時(shí)，還要準(zhǔn)確判定哪個(gè)情緒才是真實(shí)的，比如當(dāng)一個(gè)人的語音情緒是高興的，但是面部表情卻是憤怒的，那他是高興還是憤怒呢？更難的地方在于，當(dāng)AI獲知人的情緒之后，如何進(jìn)行反應(yīng)，如何去安慰心情低落的人？

竹間智能以電影《Her》里的智能機(jī)器人賽曼莎為原型，認(rèn)為機(jī)器人應(yīng)該能看懂人臉表情、聽懂人類對話，從一開始就致力于多模態(tài)情感計(jì)算。且創(chuàng)始人簡仁賢從一開始就不只是關(guān)注在手機(jī)、音箱里的智能語音助手，也關(guān)注賣場、零售等場景，在這些場景中，只有文字和語音的交互顯然不夠，視覺必不可少。

然而，目前除了零售場景外，情感計(jì)算的落地場景還需要探索，畢竟很多私人的場合，比如家庭里，就很難接受有機(jī)器人安裝了攝像頭。

翁嘉頎認(rèn)為現(xiàn)在語文和文本技術(shù)能夠在特定領(lǐng)域幫人解決問題，特定領(lǐng)域是指我要訂酒店、訂餐館參觀，能與人進(jìn)行自然對話，而無需讓人去按照機(jī)器人的邏輯說話。 未來，每個(gè)人都會(huì)有自己的智能助理，能夠理解你的情感、你的意圖、幫你打理日常生活。而每個(gè)企業(yè)也會(huì)有客服機(jī)器人，以后很可能就是用戶的智能助理和企業(yè)的客服機(jī)器人打交道。在這些場景里，大公司和創(chuàng)業(yè)公司都有機(jī)會(huì)，沒有公司能解決所有的技術(shù)和場景。

以下為采訪原文，雷鋒網(wǎng)進(jìn)行了不改變原意的編輯和整理。

雷鋒網(wǎng)：您目前在竹間智能負(fù)責(zé)哪些工作？加入竹間之前您的工作經(jīng)歷是怎么樣的？

翁嘉頎：我從1982年開始從事計(jì)算機(jī)，27年前接觸人工智能，當(dāng)然那個(gè)年代做人工智能其實(shí)做不出，因?yàn)槟菚r(shí)候的人工智能已經(jīng)整個(gè)走下坡了。當(dāng)時(shí)絕大部分做AI的人都轉(zhuǎn)去做搜索引擎，因?yàn)樗阉饕娓谋痉治鲇幸欢ǖ年P(guān)系。我在搜索引擎領(lǐng)域做了大概11年，現(xiàn)在我又回到人工智，這一次AI應(yīng)該不至于再泡沫化，它是真的能夠走入人類的生活。

我大概在兩年半之前加入竹間智能，目前擔(dān)任公司CTO，負(fù)責(zé)技術(shù)部分，包括設(shè)計(jì)竹間目前整個(gè)對話的架構(gòu)、模塊怎么反映、模塊如何交互等，以及整個(gè)對外項(xiàng)目的落地

雷鋒網(wǎng)：能具體說一下有哪些模塊嗎？

翁嘉頎：聊天機(jī)器人大概分三類，第一種是功能型的機(jī)器人，像SIRI、微信語音助手，可以查天氣、可以查股票、可以去設(shè)置一些提醒；第二種是知識型的，你可以問他陸奇去哪兒工作了？（這個(gè)是昨天最大的新聞，他加入拼多多了），可以問陸奇離開百度之后，股票到底跌了多少（三天大概跌了18個(gè)點(diǎn)）；第三種是閑聊，可以與人類進(jìn)行情感對話，進(jìn)行情景式聊天。如果你跟機(jī)器人說你失戀了，那我們要想機(jī)器人該如何回復(fù)，如何去控制整個(gè)對話的上下文的話題。

我負(fù)責(zé)的是整個(gè)對話的流程控制，比如用戶說了一句話，機(jī)器人需要判斷應(yīng)該是執(zhí)行任務(wù)、提供知識、還是開啟閑聊，因?yàn)槊總€(gè)模塊都可以觸達(dá)。這個(gè)跟搜索引擎一樣，百度的搜索引擎背后大概有300多個(gè)模塊，谷歌背后大概500多個(gè)模塊，今天問一句話，它其實(shí)300多個(gè)模塊都出來答案，出來答案之后，那我該如何把答案整合，做個(gè)排序。第一頁應(yīng)該看到哪些，第二頁看到哪些？

那聊天機(jī)器人也是，聊天機(jī)器人更嚴(yán)苛，因?yàn)槲覜]辦法回答100句話，我只能回答一句話。這時(shí)候我應(yīng)該選哪句話來回答，讓它會(huì)比較生動(dòng)一點(diǎn)，又沒有那么呆板，但是回答又不會(huì)太離譜。這是整個(gè)對話控制在做的事情。

雷鋒網(wǎng)：現(xiàn)在有像微軟小冰一樣同時(shí)發(fā)展智商情商的對話機(jī)器人，也有一些創(chuàng)業(yè)公司做得更垂直，主攻任務(wù)型，或者是知識圖譜領(lǐng)域。竹間智能在往哪個(gè)方向發(fā)展？

翁嘉頎：微軟小冰將智商與情商結(jié)合的概念是對的，竹間智能的創(chuàng)始人簡仁賢也是微軟小冰的創(chuàng)始人之一，他在2015年從微軟出來創(chuàng)辦竹間智能（Emotibot），公司名字的命名就是“情感機(jī)器人”的意思。竹間智能其實(shí)比微軟小冰還早一年半做情感機(jī)器人。

情商跟情感并不是一個(gè)意思，情商它的意思是我真的去理解你，我不會(huì)冒犯你，我不會(huì)冷冰冰的去回答一個(gè)東西，那這個(gè)當(dāng)然包括情感計(jì)算在那邊。

在文字情緒方面，有些企業(yè)做了正、負(fù)、中3種分類，微軟小冰可能做了6種，而竹間智能在文字情緒上面做了22種分類，會(huì)更精準(zhǔn)地探測無聊、嫉妒這些情緒。

光是文字情緒是不夠的，我們還做語音、表情情緒。例如，一個(gè)人說我高考考了500分，這時(shí)候你并不知道應(yīng)該表示恭喜還是安慰，這時(shí)你就需要知道語氣。一般來說，語音的情緒會(huì)比文字的情緒的重要度更強(qiáng)，信號更強(qiáng)烈。人臉表情的情緒要復(fù)雜一些，因?yàn)槲抑v話講到一半的時(shí)候，我的臉可能是扭曲的，我的嘴巴剛好張開，這個(gè)時(shí)候抓拍下來，不代表我現(xiàn)在是驚訝的。

那么，文字、語音、表情混搭在一起，就更加復(fù)雜了。像我最常舉的一個(gè)例子，我面帶著微笑，跟著我的同事說你死定了，面部表情的情緒和文字的情緒是沖突的，這時(shí)候應(yīng)該怎么辦？

這是一個(gè)多模態(tài)情感的概念，就是你目前的情緒是文字、語音，再加上人臉表情，整個(gè)混搭在一起，然后各有各的權(quán)重，通常文字的比重會(huì)稍微低一點(diǎn)，語音會(huì)是最高的，人臉表情算是排在中間。

剛剛的那個(gè)例子，我面帶微笑說你死定了，其實(shí)這個(gè)還要看上下文，如果前面兩個(gè)我們都在開玩笑，我突然面帶微笑說你死定了，那還是開玩笑，如果前面兩個(gè)我們根本在吵架，我突然面帶微笑說你死定了，那肯定是在威脅你，所以這個(gè)情緒情感其實(shí)不是只看文字。

雷鋒網(wǎng)：情感計(jì)算這個(gè)概念最近大家說得比較多，能說說您對這個(gè)概念的理解嗎？

翁嘉頎：情感計(jì)算是由MIT教授Rosalind Picard提出來的，他是情感計(jì)算的始祖。然后以目前來說，我一般把人機(jī)交互分成三個(gè)層次，最底下的層次叫做自然語言處理，比如“我肚子餓”、“等會(huì)兒想吃東西”，這兩句話，它的句法分析是不一樣的，這是最底下的一層。

第二層叫做意圖的理解，這兩句話雖然不一樣，但是它意圖是一致的。它的意圖可能代表說，我想要點(diǎn)外賣，或者我要找附近的什么餐館。

然后，第三層是背后的意思，目前還沒有人能做到，像我在今天這個(gè)場合，我們第一次見面，我如果突然跟你說我肚子餓，我相信你的心里感受不會(huì)太好。你總會(huì)覺得說，我是不是來要飯的？那如果我跟一個(gè)女同事說我肚子餓，她搞不好覺得說我是不是要約她出去吃飯，是不是有不良的企圖？在不同的場景、跟不同的人、在什么樣的狀況我講同樣的一句話，它其實(shí)背后代表的意思是不一樣的。

目前大家都還在做第一層和第二層，我如何把句子分對，我如何讓句法結(jié)構(gòu)是對的。在這方面，國內(nèi)哈工大有很多專家。第二層意圖理解這個(gè)也很多人在做。目前可以做到大概可用的地步，我對電視、音箱講說“來首誰誰的歌”，它知道我是要聽音樂。那我跟音箱說，“誰誰的歌好難聽”，也不代表我要聽他的歌，我只是說以后不要再放他的歌給我聽，現(xiàn)在能做到正確理解這些句子的意圖。

第三層，背后的意思。我講肚子餓，這句話到底背后真正的意思是什么？那要走到這一步，情感計(jì)算不可避免，整個(gè)場景、情境你不可避免。

雷鋒網(wǎng)：現(xiàn)在竹間智能有將文字、語音、人臉都融合到一起來做情感計(jì)算的落地場景嗎？

翁嘉頎：講一個(gè)我們幫夏普電視做新零售的例子，夏普有個(gè)新開業(yè)的商場旗艦店，那個(gè)商場里邊總共有五家賣電視的。開業(yè)的前三天，夏普的營業(yè)額90萬，另外四家加起來營業(yè)額只四十幾萬，夏普一家就超過其他四家的總和，這是怎么做到的？

我們在賣場的入口放了一個(gè)大的電視屏，可以抓拍每個(gè)路過的人的臉，能識別出男/女、長頭發(fā)/短頭發(fā)、歲數(shù)、表情、顏值等，很多人會(huì)停下來看。然后我們根據(jù)用戶畫像，進(jìn)行不同的商品和優(yōu)惠活動(dòng)的推薦。這樣使得進(jìn)店的客流就是別人的五倍以上。

進(jìn)到店里后，我們有無人的智能貨架，上面安裝了平板、攝像頭，當(dāng)攝像頭看到一個(gè)長頭發(fā)的女生走過來，智能貨架就會(huì)主動(dòng)打招呼，說，“這位女士，你的頭發(fā)非常好看，我這里有洗發(fā)、護(hù)法、潤發(fā)的產(chǎn)品，你有沒有興趣？”如果說攝像頭識別到女生臉上有黑斑，還會(huì)自動(dòng)推薦遮瑕膏等產(chǎn)品。

如果對方回應(yīng)了，則會(huì)繼續(xù)話題；如果攝像頭發(fā)現(xiàn)消費(fèi)者的臉色變得越來越難看，它就會(huì)停止話題。所以我們看到，這個(gè)案例里的交互包括了有人臉、語音和文字。

雷鋒網(wǎng)：現(xiàn)在的對話式人工智能主攻語音，竹間智能為什么一開始就重視視覺？

翁嘉頎：我們的對話式人工智能的想法主要來自于電影《Her》，里面的智能助手賽曼莎可以全方面地感知用戶的狀態(tài)，能看到用戶的表情聽到用戶說的話。任何人的交流，語音固然重要，但是很多時(shí)候其實(shí)一句話都不用說，一個(gè)表情就已經(jīng)足夠了。

比如你進(jìn)到一家門店，看到某個(gè)產(chǎn)品露出厭惡的表情，那其實(shí)就已經(jīng)表達(dá)出來了你根本不喜歡這個(gè)產(chǎn)品。

所以那時(shí)候在做的時(shí)候，一開始起步，我們就有圖像處理、語音處理，有文字的處理，當(dāng)時(shí)老板（簡仁賢）已經(jīng)想好他未來要的場景。不只是有手機(jī)上的人機(jī)交互、音箱上的人機(jī)交互，還要包括進(jìn)到賣場里邊。那么視覺就是必不可少的部分。所以一開始老板的野心就比較大。

雷鋒網(wǎng)：文字、語音、人臉的多模態(tài)情感計(jì)算的難點(diǎn)在哪兒？

翁嘉頎：比較大的難點(diǎn)當(dāng)然是幾種情緒相沖突的時(shí)候應(yīng)該怎么辦？你如果說文字里是高興，語音也是高興，人臉表情也是高興，那沒問題，小學(xué)生也知道這是高興。

它語音是憤怒，文字是高興，比如我很憤怒的去說，“我今天很高興”，你聽了以后你覺得是什么意思呢？要解決這個(gè)問題，首先是文字、人臉和語音的情緒識別要準(zhǔn)確，再一個(gè)就是幾個(gè)情緒相沖突的時(shí)候，我到底該以誰為主？

一般來說，語音情緒占的比重更大，但是如果說語音情緒是憤怒，但是信心程度只有三四分，文字說你是高興，信心程度99分。這個(gè)時(shí)候應(yīng)該怎么辦？

還有一個(gè)重要的點(diǎn)是整個(gè)情境，雖然有三個(gè)多模態(tài)的判斷，但是如果只有一小段，也是不夠準(zhǔn)確，我還要看連續(xù)的情境，因?yàn)槿饲榫w變化不至于太快，你當(dāng)然有時(shí)候瞬間會(huì)驚喜，瞬間會(huì)爆怒，但是不代表說，你一生氣下一秒突然就變高興，所以整個(gè)連續(xù)的情緒要去考慮，這個(gè)是比較大的一個(gè)難點(diǎn)。

最后，一個(gè)最難的地方是，智能助手發(fā)現(xiàn)你憤怒或者悲傷，該如何去安撫你、安慰你，情緒判斷完之后，該怎么回應(yīng)？

雷鋒網(wǎng)：多模態(tài)情緒計(jì)算的方案在你們現(xiàn)在的業(yè)務(wù)里能占到多大的比例？

翁嘉頎：目前來說，智能客服絕大部分沒有視覺，然后智能電視、冰箱、音箱也都沒有攝像頭，畢竟你在家里面裝一堆攝象頭，讓人感到非常不安，這個(gè)肯定侵犯你的隱私。

在公共場合，比如外面的賣場、銀行，有攝像頭也有監(jiān)控，這個(gè)大家是接受的。

比如說我去面試的時(shí)候，有一個(gè)攝像頭對著我，然后我在這里講話的時(shí)候，幫我做著人臉分析，這個(gè)感覺有些怪怪的，但是可能可以接受。

人對攝像頭的接受程度要看場景，而且也許要看年代吧，每個(gè)年代接受的東西都不一樣，像現(xiàn)在七十幾歲那一輩，真的會(huì)用手機(jī)嗎？會(huì)用電腦，這個(gè)可能接受度不高，大家會(huì)用APP嗎？還是習(xí)慣拿電話起來講，拿電話去溝通交流，而不是用app，用網(wǎng)絡(luò)。

可能五六十歲這一代，他可能不太習(xí)慣用搜索引擎，因?yàn)樗L大的那個(gè)年代沒有搜索引擎。然后四十幾歲這一代，用APP的比例絕對沒有二十幾歲這一代來得多。

所以這個(gè)還是要看，未來的一些變化，有些場景接受的，有些場景不接受。

雷鋒網(wǎng)：像現(xiàn)在有一些音箱已經(jīng)有屏幕了，有可能添加視覺嗎？

翁嘉頎：目前來說，加了可能還賣不好。通常如果加了一個(gè)攝像頭的話，我還要再加一個(gè)蓋子，我可以把這個(gè)蓋子蓋起來，把攝像頭遮住。

必須告訴用戶這兒有攝像頭，而且還可以給他一個(gè)蓋子，讓他必要的時(shí)候可以把攝像頭遮住，這個(gè)用戶可以接受。要不你突然加個(gè)攝像頭，你的成本增加，反而賣不好，讓大家會(huì)覺得這個(gè)音箱在干嘛？

而且音箱至少說OK，我把它關(guān)掉，攝像頭就沒了，而不是你在家里天花板上到處裝滿了攝像頭，那個(gè)真的一點(diǎn)隱私都沒有。

雷鋒網(wǎng)：如果它是一個(gè)機(jī)器人呢？有著跟人眼相似的眼睛。

翁嘉頎：我們看科幻電影的時(shí)候，大家是接受的，機(jī)器人可以在你家里走來走去？但是你真的擺一個(gè)這樣的機(jī)器人，有攝像頭在你家里邊，你心里現(xiàn)在應(yīng)該不會(huì)太舒服。

雷鋒網(wǎng)：竹間智能有機(jī)器人工廠（Bot Factory），幫助企業(yè)定制機(jī)器人，那么你們會(huì)不會(huì)讓每個(gè)定制的機(jī)器人具有它自己的個(gè)性？

翁嘉頎：目前我們先只做到最簡單的，機(jī)器人有機(jī)器人的屬性。機(jī)器人叫什么名字，是男生還是女生，今年幾歲？晚上睡不睡覺？長什么樣子？爸爸是誰？媽媽是誰？來自于哪里？我們會(huì)根據(jù)大家最常問的這些問題進(jìn)行設(shè)定。

此外，有些機(jī)器人的風(fēng)格比較嚴(yán)肅，有些則比較俏皮。這個(gè)我們目前有做一些開關(guān)，像有些機(jī)器人可以講笑話，有些機(jī)器人只能查天氣。

我們有嘗試下一步，能不能有一個(gè)你自己的機(jī)器人，我拿你平常跟你朋友聊天的一些數(shù)據(jù)來進(jìn)行訓(xùn)練，學(xué)習(xí)你講話的方式，那你就有一個(gè)你的機(jī)器人，用你的風(fēng)格在聊天。

這一步在技術(shù)上是可行的，目前只是數(shù)據(jù)量的問題。我需要取得足夠的數(shù)據(jù)，讓那個(gè)機(jī)器人可以慢慢的接近你的行為。但這又牽涉到你愿不愿意把你的隱私公開出來，你跟你朋友聊天的那些對話，都是你的隱私。

雷鋒網(wǎng)：這個(gè)你們有在實(shí)驗(yàn)了嗎？

翁嘉頎：我們兩年前實(shí)驗(yàn)過，但是發(fā)現(xiàn)用戶沒有這個(gè)耐性，因?yàn)槟憧赡芤ê芏鄷r(shí)間，你教一個(gè)小朋友要教多少年？十幾年，二十年，對不對？你有那么多耐性去教一個(gè)機(jī)器人嗎？你大概教個(gè)兩天就沒耐性了，所以這是耐性的問題。

雷鋒網(wǎng)：現(xiàn)在像微軟小冰，還在往人工智能創(chuàng)作方面發(fā)展，她會(huì)寫詩，會(huì)唱歌、會(huì)寫新聞。在這個(gè)方面，你們怎么想？

翁嘉頎：其實(shí)寫詩、對對聯(lián)，這個(gè)難度相對來說不高。因?yàn)樗鋵?shí)是在一個(gè)非常有限的方向解決問題。從好玩的觀點(diǎn)來說，這些是很好的，大家會(huì)覺得很新鮮。

但是從實(shí)用的觀點(diǎn)來說，做這個(gè)東西如何幫助解決問題、能夠替我賺錢，目前還比較難派上用場，當(dāng)然小冰的定位是陪伴，就是讓你不會(huì)那么無聊。這堆花哨的東西反而是好事，是有幫助的。

雷鋒網(wǎng)：竹間智能一開始就注重商業(yè)化？

翁嘉頎：對，因?yàn)槲覀儽仨毻虡I(yè)化這個(gè)地方走，我做一個(gè)很有趣的機(jī)器人，其實(shí)是收不到錢的。因?yàn)槲④洘o所謂的，微軟它有Windows、Offices這些盈利業(yè)務(wù)，就可以把小冰做成好玩有趣的。

雷鋒網(wǎng)：現(xiàn)階段來看，您期望對話式人工智能達(dá)到什么樣的水平？

翁嘉頎：我覺得現(xiàn)在技術(shù)水平能夠在特定領(lǐng)域幫人解決問題，特定領(lǐng)域是指我要訂酒店、訂餐館，它能理解我的對話。訂餐館的機(jī)器人，需要理解特定的話，比如，“七八個(gè)人有兩個(gè)小孩”和“七八個(gè)人再加兩個(gè)小孩”，這兩句話，意思不一樣。

人說話，通常不會(huì)直接表述，會(huì)有各式各樣的說法。比如，“我跟我爸媽要幫女朋友慶生”，這代表需要幾個(gè)座位呢？他不是告訴你四個(gè)，他是告訴你一段奇怪的文字。那么，在這個(gè)領(lǐng)域，需要讓機(jī)器人聽懂人類的這些話，而不是讓人類去適應(yīng)機(jī)器人，用機(jī)器人能聽懂的方式回答。

我覺得未來，每個(gè)人有一個(gè)自己的機(jī)器人，那個(gè)機(jī)器人知道你的喜好，你跟他說幫我訂個(gè)外賣吧，他知道你喜歡吃什么，不喜歡吃什么，還知道你昨天、前天吃了什么，今天不要訂一模一樣的。我跟他說幫我打個(gè)電話給媽媽吧，他知道媽媽指的是誰。

然后知道你媽媽的電話，知道幾點(diǎn)打電話合適，他可能會(huì)提醒你說，現(xiàn)在太晚，媽媽已經(jīng)睡覺了。

以后，每個(gè)企業(yè)可能也會(huì)有一個(gè)自己的機(jī)器人，比如麥當(dāng)勞，可能有個(gè)訂餐的機(jī)器人，幫你負(fù)責(zé)訂餐，那如果你有一個(gè)自己的機(jī)器人，麥當(dāng)勞有一個(gè)機(jī)器人，未來可能是機(jī)器人跟機(jī)器人溝通。

我只要跟我的手環(huán)說，幫我點(diǎn)個(gè)巨無霸吧。然后它知道巨無霸是麥當(dāng)勞，它就跑去找麥當(dāng)勞機(jī)器人，兩個(gè)機(jī)器人，不一定是用人類的語言交流，它們會(huì)用它們的方式交換信息，然后麥當(dāng)勞就處理這個(gè)東西，就把這個(gè)定單結(jié)束掉了。

雷鋒網(wǎng)：在這種未來圖景里，大公司占據(jù)了終端優(yōu)勢，創(chuàng)業(yè)公司的機(jī)會(huì)在哪里呢?

翁嘉頎：微信是一個(gè)很天然的入口，因?yàn)榇蠹椰F(xiàn)在習(xí)慣打開微信，比如，我在微信上面說，“我這個(gè)月刷卡刷了多少錢？”微信的機(jī)器人知道你三張卡：招行、交行、浦發(fā)的卡，它就去找這三家機(jī)器人，幫你做身份認(rèn)證，你不用開三個(gè)銀行的APP，微信的機(jī)器人能直接告訴你三家銀行的信息。

當(dāng)然，入口很難是小公司能夠去搶占的，但是語義理解，微信一家搞不定，騰訊一家是搞不定的。我的語義理解包含說每一家招行、工行、浦發(fā)，它后面也要有這個(gè)機(jī)器人去接受這些指令。或者接受一句自然語言。這個(gè)東西其實(shí)是每一家還需要幫助的。

相關(guān)文章：

竹間智能簡仁賢：打破千篇一律的聊天機(jī)器人 | Chatbot的潮流

探討自然語言處理的商業(yè)落地：從基礎(chǔ)平臺到數(shù)據(jù)算法 | CCF-GAIR 2018

微軟發(fā)大招：要做智商和情商兼具的語音助手

少女歌手小冰養(yǎng)成記：會(huì)作詞作曲演唱的人工智能的誕生

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。