幾天前，江西圖書館里，兩個機器人為了爭搶粉絲而“拌嘴”。這是非常有趣的一件事兒，也折射出人工智能產業如火如荼的發展現狀。

今天，我來簡述這次“拌嘴”背后涉及到的人工智能技術。

人工智能時代的機器人

語音識別技術

語音識別技術

首先，機器人要能識別人類的語言，并把對方說話的語音音頻信號轉換成電腦文本（我們每天往word里輸入的東西），這就是語音識別技術。

全球有很多種語言，中國有很多種方言。電腦需要先通過神經網絡、深度學習，建立各種語言、方言的語音聲紋樣本庫。

然后，通過麥克風，實時采集另一個機器人說話的音頻信號，過濾掉背景噪聲（四周人類的哈哈聲），切分成句子，用樣本庫匹配，轉成文本。

最后自然語言處理（NLP）技術，調整識別結果，使之成為一句通順的、高置信度的話。

語音合成技術

機器人說出自己的不滿

反之，機器人在“思考”后，得知對方搶走了自己的粉絲，需要把“不滿”的思考結果“說”出來，這就是語音合成技術。

為了能讓機器人開口說話，預先要建立聲紋樣本庫，把電腦文本轉換成人類語音音頻信號，再通過音箱播放出來。

這步看似比識別容易，但要能實現多語言、男女聲、方言、多音字、音調、語氣等說話效果，就不那么容易了。

神經網絡與深度學習技術

神經網絡模擬人腦神經元

神經網絡是人工智能技術的基石，它模擬人腦神經元的工作原理，通過深度學習等訓練方法，調整神經元之間的聯系權重，模擬人腦的處理機制，實現近似效果。

深度學習是訓練神經網絡的一種方法。

早期的訓練方法，需要人類去建立大量樣本庫，比如手寫數字0-9的圖片與標簽，告訴機器輸入的圖片、圖片的樣本特征、圖片的識別結果。最難也最重要的是定義樣本特征。

深度學習通過多層網絡等技術，自動提取樣本特征，效果遠好于早期算法。

交互語料庫與自然語言處理技術

預先建立人類說話的常用表達、詞槽、詞典、前置語境、后置語境等，形成交互語料庫。

自然語言處理（NLP）是把人類語言的文本段落、句子，依靠知識圖譜，按照聯合概率，分解成詞，判斷詞性、語氣、情緒。

通過語料庫與自然語言處理技術，機器人識別出另一個機器人說話的意圖，結構化分解成多個關鍵詞，再從話術庫里提取最正確的作答信息，組建出反饋的話。最后通過語音合成技術播放出去。

計算機視覺

計算機視覺

最后提一提計算機視覺。

計算機視覺是通過機器人的前置攝像頭，實時采集前方畫面，并對畫面內容進行分析，做出合理的反饋。這也是“自動駕駛汽車”等應用的最核心部件。

圖書館這“二位”，一邊像人類那樣去“拌嘴”，一邊根據吵架內容去調整自己的屏幕朝向！的確彰顯出人工智能產業與技術比較成熟的信號。

每個科學家都有自己的夢想。以往，我夢想的代表是任天堂卡帶游戲機、電腦臺式機、集成電路主板。未來，我夢想的代表是人工智能、機器人、高科技帶來的巨大生產力與變革。愿人工智能技術可以解決人類面臨的饑荒、環境、爭端等諸多問題！