智能電視發(fā)展超出預(yù)期，人機(jī)交互在未來可期

wuli小茶 · 發(fā)表于 2017-11-28 21:07

無論是傳統(tǒng)電視還是智能電視，要解決的問題都是一樣的，即“如何讓用戶方便地獲取內(nèi)容”。這里有兩個關(guān)鍵點：“方便”和“內(nèi)容”。在方便性上，傳統(tǒng)電視和互聯(lián)網(wǎng)電視差不多，都是基于遙控器進(jìn)行人機(jī)交互;“內(nèi)容”是傳統(tǒng)電視和互聯(lián)網(wǎng)電視最大的不同點，這個無需贅述。而人工智能技術(shù)的長足發(fā)展，正在這兩個關(guān)鍵點上都大大提升了用戶使用體驗。

關(guān)鍵詞：人工智能人機(jī)交互深度學(xué)習(xí) 遠(yuǎn)場語音 NLP 自然語言處理 ASR 語音識別

　　“人工智能(AI)”的概念 1956年就已經(jīng)出現(xiàn)了，但是受限于當(dāng)時計算機(jī)的運算能力和算法理論，并沒有應(yīng)用于實際生活，了解的人自然不多。隨著 GPU 能力和深度學(xué)習(xí)理論的發(fā)展，人工智能技術(shù)終于從實驗室理論進(jìn)入到產(chǎn)品化階段，在各個領(lǐng)域開始突飛猛進(jìn)?；ヂ?lián)網(wǎng)電視就是其中之一。

　　在討論電視應(yīng)用人工智能技術(shù)之前，需要理清一些基本概念：所謂人工智能是指人造機(jī)器表現(xiàn)出來的智能。這種智能可能模擬人的思考，也可能完全異于人，目前階段研究的核心主要還是“像人一樣自我學(xué)習(xí)”。機(jī)器學(xué)習(xí)是人工智能的一個分支，深度學(xué)習(xí)又是機(jī)器學(xué)習(xí)的一個分支。完全異于人思考方式的研究，還是個天馬行空的哲學(xué)問題。

　　無論是傳統(tǒng)電視還是互聯(lián)網(wǎng)電視，要解決的問題都是一樣的，即“如何讓用戶方便地獲取內(nèi)容”。這里有兩個關(guān)鍵點：“方便”和“內(nèi)容”。在方便這點上，傳統(tǒng)電視和互聯(lián)網(wǎng)電視差不多，都是基于遙控器人機(jī)交互;“內(nèi)容”是傳統(tǒng)電視和互聯(lián)網(wǎng)電視最大的不同點，這個無需贅述。而人工智能技術(shù)的長足發(fā)展，在這兩個關(guān)鍵點上都大大提升了用戶體驗。

　　先說方便，由于人工智能技術(shù)在自然語言處理(NLP)領(lǐng)域已經(jīng)能夠達(dá)到 90% 的意圖識別率，所以直接使用自然語言控制電視獲取內(nèi)容成為可能。這里要強(qiáng)調(diào)的是“自然語言”，類似“給我來點跟《教父》一樣水準(zhǔn)的歐洲黑幫電影”這樣的語言才是自然語言，而不是某些品牌廠商經(jīng)常使用的“音量增加百分之二十”這樣的“機(jī)器語言”。對自然語言的理解和反饋是衡量一臺電視機(jī)人工智能水平的關(guān)鍵指標(biāo)之一。

　　前幾年用語音遙控的電視并不能叫做人工智能電視，最主要的原因就是只能識別固定的指令，而人工智能電視不僅能夠理解自然語言，而且能夠聯(lián)機(jī)自我學(xué)習(xí)，舉一反三理解更多用戶的意圖，越用越準(zhǔn)確。

　　人類在對話過程中，會自動帶著上下文。比如用戶在第一次對話中問：“有什么好看的電影”，接下來他可能會問“不要好萊塢的”或者“只看今年的”，這種對話方式都是基于上下文的對話，我們叫做多輪對話。是否支持多輪對話也是衡量一臺電視人工智能水平的關(guān)鍵指標(biāo)。

　　除了語義理解，方便性還體現(xiàn)在遠(yuǎn)場收聲能力。它可以讓用戶不再需要拿著遙控器“按住說話”，而是在客廳的任意位置呼喚電視和它對話。典型的場景是：“暴風(fēng)大耳朵，最近有什么好看的片子推薦?”、“魚香肉絲怎么做?”、“明早七點提醒我去機(jī)場”。

　　遠(yuǎn)場收聲是通過麥克風(fēng)陣列實現(xiàn)的，麥克風(fēng)陣列以前一直是實驗室的研究對象，直到亞馬遜推出 Echo 智能音箱，終于實現(xiàn)了規(guī)模產(chǎn)品化。麥克風(fēng)陣列最少需要兩顆麥克風(fēng)，目前市面上有 4Mic、6Mic 甚至 8Mic 方案。陣列可以從背景噪音中感知用戶說話的特殊波形，通過波束成形技術(shù)準(zhǔn)確地向用戶所在位置的方向定向收聲，忽略其他方向的雜音。廠商會根據(jù)設(shè)備的特性選擇不同的麥克風(fēng)陣列，一般來說電視用的是線性麥克風(fēng)，智能音箱采用的是環(huán)形麥克風(fēng)。

　　筆者一直關(guān)注亞馬遜 Echo 的發(fā)展，在實際體驗過程中發(fā)現(xiàn)，純粹的語音交互目前還存在比較大的缺陷，反而是把遠(yuǎn)場語音應(yīng)用于電視后體驗會更好。舉個例子，用戶面對一個完全沒有顯示的智能音箱，基本上不知道該怎么說才能操作;而面對有大屏的電視，用戶的緊張感會減輕很多，因為屏幕時時刻刻在提醒用戶當(dāng)前可以說什么樣的話來操作電視。谷歌把這種交互方式叫做“視覺反饋”，并把這種反饋交互模式應(yīng)用于今年十月份剛發(fā)布的最新的“Google Assistant for Android TV”系統(tǒng)，目前暴風(fēng) AI 電視的交互也是類似的模式。

　　與此同時，亞馬遜也意識到這個問題，并很快推出了帶有屏幕的“Echo Show”作為補(bǔ)充。

　　目前最新的技術(shù)已經(jīng)不僅能夠識別人聲，而且能夠區(qū)分不同人的聲紋，實現(xiàn)更加高級的操作，比如購物、支付和個性化推薦。國外的亞馬遜和谷歌，國內(nèi)的訊飛、若琪都擁有該項技術(shù)。

　　自然語言理解能力和遠(yuǎn)場語音處理能力最終會讓電視機(jī)用戶擺脫遙控器，在人機(jī)交互上產(chǎn)生巨大的飛躍，這種飛躍不亞于當(dāng)年蘋果推出沒有鍵盤只有觸摸屏的 iPhone 手機(jī)。

　　再說內(nèi)容，除了自然語言理解，人工智能在個性化內(nèi)容推薦上的應(yīng)用其實更廣泛。 AI 可以從大量用戶對話和用戶行為中抽象整理出用戶的“話外音”，了解用戶的喜好習(xí)慣，然后根據(jù)這些特征主動推薦用戶可能喜歡的內(nèi)容給他。

　　有時候，系統(tǒng)會推薦給某個用戶從來沒有接觸過的內(nèi)容類型，用戶會驚呼“原來這個這么好看”，他可能自己都沒有意識到這種內(nèi)容會對自己的胃口。這種智能推薦已經(jīng)在互聯(lián)網(wǎng)產(chǎn)品中大量應(yīng)用，典型的就是今日頭條。

　　傳統(tǒng)的個性化內(nèi)容推薦主要是基于標(biāo)簽體系。首先運營人員要對所有的內(nèi)容“打標(biāo)簽”，比如“恐怖”、“熱血”、“二次元”、“都市”等等，工作量極其巨大，而且準(zhǔn)確與否完全依賴于運營人員的水平;然后系統(tǒng)再根據(jù)用戶行為對用戶進(jìn)行畫像，抽取標(biāo)簽進(jìn)行匹配。這個過程中誕生了各種專業(yè)的推薦算法，技術(shù)人員隨時調(diào)整各項參數(shù)優(yōu)化算法，提高打開率。

　　基于 AI 的個性化推薦系統(tǒng)和傳統(tǒng)推薦系統(tǒng)有區(qū)別也有聯(lián)系，區(qū)別最大的地方就是標(biāo)簽體系。AI 推薦系統(tǒng)里的“標(biāo)簽”實際上是系統(tǒng)自動從內(nèi)容和行為日志等記錄里自動提取的，不需要運營人員的參與。例如從電影的元數(shù)據(jù)(主演導(dǎo)演簡介等)里分詞提取屬性標(biāo)簽，從用戶的微博、豆瓣評論里分詞提取用戶的屬性標(biāo)簽，然后依托 GPU 芯片進(jìn)行大規(guī)模的矩陣運算，把高維度的向量數(shù)據(jù)逐步降維，最后簡化到三維空間，根據(jù)三維空間里的聚集情況給出推薦。原理類似于傳統(tǒng)推薦系統(tǒng)里的“協(xié)同過濾”。簡單講，就是假設(shè)一個人喜歡某個電影，那么他的好朋友也有可能喜歡那個電影。

　　“千人千面”的個性化推薦反過來又推進(jìn)了電視界面的變化。傳統(tǒng)電視用“節(jié)目排播表”概念來編制頻道，用戶愛看不看錯過了就等下次;互聯(lián)網(wǎng)電視則完全基于點播模式，海量內(nèi)容給你隨便看自己找不到別怪我;基于AI 的智能電視則是把傳統(tǒng)的“人找內(nèi)容”變成了“內(nèi)容找人”，AI 把你可能喜歡的菜端到你面前，先嘗后買。

　　“嘗”就是給用戶預(yù)覽完整影片中的精彩橋段，用短片引導(dǎo)用戶看長片，降低了用戶的選擇難度節(jié)省了用戶的時間。

　　請注意，精彩橋段可不僅僅是電影的宣傳 VCR，如何挑選橋段也是一門學(xué)問，可以另起一篇了。

更大的可能性

　　人工智能在電視應(yīng)用的場景不僅僅是人機(jī)交互和影視內(nèi)容推薦，它可以用來做任何內(nèi)容服務(wù)的推薦。前面講到使用遠(yuǎn)場語音改變了電視的人機(jī)交互模式，所以電視界面不再受傳統(tǒng)電視的樹狀菜單結(jié)構(gòu)束縛，可以容納更多的內(nèi)容服務(wù)，并且用戶可以直達(dá)服務(wù)。

　　具備人工智能特點的電視，典型的使用方法是這樣的：

　　●“幫我找個八十年代的經(jīng)典文藝片看看”;

　　●“隨便放點周杰倫的歌”;

　　●“再買點上次買過的那種三元牛奶”，“對”，“再買兩盒”;

　　●“去大鴨梨怎么走”，“對，就是最近的那家”;

　　●“半小時后提醒我關(guān)火”;

　　●“晚安(關(guān)閉家里的智能電器設(shè)備，并且讓電視機(jī)休眠)”。

　　可以看到，應(yīng)用人工智能技術(shù)的電視機(jī)已經(jīng)大大超越了傳統(tǒng)電視機(jī)的使用方法和使用范圍。電視機(jī)可以幫用戶挑選內(nèi)容，挑選服務(wù)，幫用戶控制智能家電，提醒用戶備忘，甚至幫用戶下單購買日常用品等等。上述這些不是設(shè)想的場景，而是已經(jīng)成為現(xiàn)實的場景。

　　電視還是電視，但電視機(jī)已經(jīng)早已不是電視機(jī)，它已成為家庭助手的一個大屏終端。而這個“家庭助手”的大腦，就是人工智能。

智能電視的未來發(fā)展將會超出我們的想象，智能電視網(wǎng)會持續(xù)關(guān)注，想了解更多內(nèi)容可以搜索關(guān)鍵詞查詢。

劉琪87653 · 發(fā)表于 2017-11-28 21:09

感謝分享

› 綜合交流 / 資源分享區(qū) › 綜合交流大區(qū)