人工智能并不智能

很幸运终于在今年年初加入人工智能行业，最近在做智能音箱项目，一些小小感受。智能语音行业在ASR，TTS目前的水平是可以的，ASR的准确识别率达到97%，TTS的语音合成技术也能达到真人效果，谷歌预约理发的演示已经充分展示了TTS的效果。中间的自然语言处理，对话管理，自然语言生成这三部分是对话系统的暗箱部分，它们智能吗？回答是不智能，用户只要稍微变一下说法，或者稍微有点推理性质的说法，比如“最近的法定假日是什么时候？”，大部分对话系统就歇菜了，至少本人亲自试了市面上的四款智能音箱，都没有回答出这么so easy的问题。

为什么对话系统不能像电影“her”一样自如的交流呢？因为语言只是复杂三维世界里的二维输出，也就是说一句话的背后有一个复杂的知识体系和认知体系，人与人的对话基于这个体系之上。有没有发现，和朋友在一起，话特别多，因为你们又一个共同的认知体系；和陌生人好像就没什么话说，只能聊一些很浅显的东西，这个浅显的东西就是大家都掌握的常识（共同的认知），一旦发现你们有共同爱好或观点（共同的认知），就会就此畅谈。

如果对机器说“好无聊啊，想出去逛逛有没有推荐的地方”，字面意思推荐一个地点，可以调用第三方服务商接口，按照服务商已经定义好的排序机制给用户推荐，可能推荐三个或者五个。但是现实对话中，人们会基于对话人的认知和常识给予回答，去某个地方势必要考虑到天气，或者这个地方最近刚去过，当然不一定非要去户外的，也可能是看个电影，最好是喜剧的，或者朋友正在搞露营。归纳为两点：第一点，“推荐个地方”并不是唯一解决方案；第二点，具体推荐什么类型的地方，需要一个庞大的知识体系作为判断依据，这些并不是现在的对话系统能做到的。这也是为什么人工智能在图像处理方面比语音对话更成熟，图像“所见即所得”，语音“一句话只是冰山一角”

有人会说，多轮对话好像蛮智能的，那目前的多轮对话是怎么实现的呢？答案是“填槽”，目前市面上的多轮对话管理都是采用这种方法，什么是填槽？举个例子，比如说“订一张去恩施的车票”，判断出意图是“订车票”，查找订车票订表，订票需要“出发地”，“目的地”，“时间”三个必要条件，也就是三个槽位，“订一张去恩施的车票”目的地是恩施，所以还有两个槽位没有填，系统会反问“您是从上海触发吗？”，“您是要订今天的车票吗”，直到槽位全部填上，系统才会进入下一步查找推荐，具体的说法是由人设定的，具体有多少槽位也是由人设定的，确切的说是由产品经理设定的。如果你说“订一张去恩施的车票，便宜的，靠窗的，时间短的”，它不会识别“便宜的，靠窗的，时间短的”，也不会告诉你价格更便宜的机票，也许你会说，可以在表的后面加时间，价格，位置三个字段，确实现在大部分也都是用这样的方法做的，但是用户的说法千千万万，通过这样的方法只是看起来智能，不是真正的智能，目前是状态是：有多少智能就有多少人工。

（并不是在唱衰，只是更客观理性一点：）

AIPM做什么呢？

1.AIPM就是让不那么智能的东西看起来很智能
2.为现有的智能技术寻求更多的落地场景
3.为已有的问题提供更优的解决方案

AIPM要掌握几个技能

1.懂商业：即理解价值

对话产品的价值不在对话上，而是通过对话交互为用户解决了什么问题。一个本来就很强的APP，就不要想着去用对话重新做一遍。反而是一些APP/WEB还没有能很好解决的问题，可以多花点时间研究看看。

现在很多项目都是强行用新技术来套用某个领域或者某个应用场景。但是这些项目都没有去验证用户是不是真正有这样的痛点；或者用户的痛点是不是足够让他们丢弃已有的习惯，使用一个新的产品，适应一个新的方式；或者这个加上人工智能后，是不是真正解决了一个之前解决不了的问题。

2.懂技术：即理解手中的工具

AI，算法，IOT，5G等等，对产品经理来说，这些都是筑梦的工具，PM要了解每个工具的特点，用途。

在智能语音领域，最新的技术和论文都全部公开，所以大家的工具都差不多，成果如何，完全取决于艺术家。

现在AIPM手中有深度学习，那么就应该了解它擅长什么和不擅长什么，以避免提出太过于荒谬的需求，导致开发的同学向你发起攻击。了解深度学习的特性，会直接帮助我们判断哪些产品方向更容易出效果。

比如，做一个推荐餐厅的AI，就比做一个下围棋的AI难太多了。围棋的输入包含了决策所需要的全部信息，输出只有输和赢。而餐厅推荐，输入有限（无法包含决策所需要的全部信息），输出又是开放的。总之，需要系统数据以外的信息（需要思维）参与的都很难出效果。再举个无人车的例子，路上一个垃圾桶，一个儿童推车，必须撞一个，无人车怎么判断撞哪个？人是怎么判断的呢？（有时感觉，我们对人的认知都没有研究很透彻）

3.懂人：心理和语言

这个不仅是对话AIPM，所有PM都需要，指的是当用户在说话的时候，对他脑中的模型的理解，即先揣摩心理，再恰当说话。

那对话系统怎么把握说话人脑中的对话进程？甚至把握说话人的世界模型？怎么理解语言的言外之意？

（本文主要是讲人工智能技术相关的思考，基本的产品技能不做展开）