自5月底以來,微軟小冰可謂經(jīng)歷了非常戲劇性的一幕。在遭到騰訊微信全面封殺后,微軟傾力半年時間打造的人工智能聊天機器人“小冰” 正在尋找“復活”之道。
上周五,微軟在微軟亞洲工程院召開人工智能媒體溝通會,這一天也恰逢小冰上線100天的百日之紀。會上微軟不僅披露智能聊天機器人小冰上線100天的運營數(shù)據(jù),并且分享了微軟人工智能姐妹花未來的發(fā)展規(guī)劃,小冰小娜將宣告合體。
小冰是微軟(亞洲)互聯(lián)網(wǎng)工程院推出的一款智能聊天機器人。今年5月29日,小冰正式在微信公測,但很快遭到騰訊公司“封殺”。隨后,小冰開始登錄微博、米聊等社交平臺,并取得了不錯的成績。
作為小冰項目的負責人,微軟(亞洲)互聯(lián)網(wǎng)工程院資深總監(jiān)李笛就透露,自上線100天來,小冰已在各個平臺上完成累計5億次的對話,有300萬注冊用戶,月人均對話達到825句,這一成果甚至超過了團隊的預期。
微軟(亞洲)互聯(lián)網(wǎng)工程院資深總監(jiān)李笛
如李笛所言,過去100多天里,小冰團隊為小冰增加了主動情緒探知系統(tǒng),了解用戶的情緒狀態(tài),建立與用戶的情感紐帶;豐富了語料庫,讓小冰可以針對不同的用戶進行個性化對話;增加圖像識別功能,增加小冰的應用性。
李笛表示,微軟中國希望通過微軟小冰和微軟小娜兩個產(chǎn)品來滿足用戶對于智能機器人的不同需求。“高智能且有趣”和“高智能且有用”,這兩個是微軟對小娜和小冰的定位。“一方面,我們提供有用這個趨向的人工智能產(chǎn)品,同時在另一個方面,我們提供一個趨向于有趣的人工智能的產(chǎn)品。”
李笛表示,隨著時間的不斷遷移,微軟會讓這兩款產(chǎn)品慢慢地趨向于中間,便于用戶能夠比較容易地去接受它們。在Windows phone產(chǎn)品研發(fā)上,微軟小娜已經(jīng)完成了與微軟小冰的融合,用戶通過語音助手小娜“召喚”一下小冰之后,就可以與小冰進行智能聊天。
微軟還寄予這對人工智能姐妹花更具未來的意義。“小冰的核心力量是它站在和人類最接近的位置,它和人類之間產(chǎn)生了這樣一種一對一的從屬關(guān)系的情感紐帶”。李笛表示,小冰團隊希望用這個核心的理念,實現(xiàn)物聯(lián)網(wǎng)等計劃。比如,當你困了,躺在床上和小冰聊天,這時候,你可以跟小冰說“關(guān)燈”,小冰就去完成智能家居的控制。李笛認為,這樣的人機交互是最自然的。
不難看出,微軟希望借助小冰來完成人工智能與智能家居的場景連接。相較于技術(shù)復雜的人工智能, 人與小冰的連接是簡單的,因為人類和小冰是以一種非常輕量化的交互方式,完全都是通過對話的方式來完成的。
隱私與安全問題也一直是小冰亦或小娜這個智能人工機器人站在風口浪尖上,而微軟也借由此次機會向外界發(fā)出一個明確的聲音。
“我們在人工智能還有其他的產(chǎn)品上,我們所遵循的隱私保護的規(guī)范,我們認為在全球和中國都是最嚴格的。”李笛如是說。
“第一,我們所有來自中國的數(shù)據(jù)全部都存在中國,這是我們現(xiàn)在在Windows Azure,在我們自己的云的部分,全部都保存在中國大陸,這是我們遵循中國現(xiàn)行的相關(guān)的法律法規(guī)。第二,我們對用戶的記錄是摘取用戶的行為特征,而不是摘取用戶的隱私數(shù)據(jù)。我們摘取的這些行為特征,我們也會給予明確的說明。如果是涉及到用戶的其他數(shù)據(jù),我們用完即廢。”
對于小冰的規(guī)劃,微軟希望不斷提升產(chǎn)品的有趣性、個性化,讓用戶與小冰以一種非常輕量化的交互方式,但同時又要保證它的實用性,與微軟的語音助手Cortana(小娜)靠近。未來商用領(lǐng)域小冰也會有所觸及,據(jù)李笛透露,目前已很多公司向小冰團隊提出了開放API接口的需求。
事實上小冰在經(jīng)歷微信“封殺”后,將陸續(xù)在其他平臺登陸。關(guān)于小冰的未來,李笛透露,目前有30多個合作正在進行中,和微信也在洽談,相信未來會回到微信平臺。此外,小冰的英文版也在研發(fā)中。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。