第 6 期出席《大咖來了》直播欄目的嘉賓是百度 DuerOS 首席布道師曹洪偉,，進(jìn)行了主題為《面向交互的人工智能》的分享。

主要講解了語音交互中用到的 AI 技術(shù),，如 ASR,、NLU、NLG,、TTS 等,，以及基于這些細(xì)分技術(shù)構(gòu)建的面向?qū)υ捠降娜斯ぶ悄懿僮飨到y(tǒng)——DuerOS。

通過本次分享大家可以基本上掌握如何在智能語音交互平臺(tái)上開發(fā)應(yīng)用,，進(jìn)一步體會(huì)智能語音如何服務(wù)我們的生活,。

什么是交互？

交互是指 A 和 B 之間的一系列動(dòng)作和行為,，語出《京氏易傳·震》：“震分陰陽,，交互用事”。

那什么是人機(jī)交互呢,？

人機(jī)交互是一門研究系統(tǒng)與用戶之間的互動(dòng)關(guān)系的學(xué)問,。系統(tǒng)可以是各種各樣的機(jī)器，也可以是計(jì)算機(jī)化的系統(tǒng)和軟件,。

人機(jī)交互重點(diǎn)研究用戶與計(jì)算機(jī)之間的接口,，既包括人類與計(jì)算機(jī)的交互方式，也包括設(shè)計(jì)技術(shù),，使人類以新穎的方式與計(jì)算機(jī)交互,。人機(jī)交互與人機(jī)界面是兩個(gè)有著緊密聯(lián)系而又不盡相同的概念。

在計(jì)算機(jī)時(shí)代,，人機(jī)交互的發(fā)展歷程如下圖所示：

從鍵盤+鼠標(biāo)到使用觸摸屏,，再到語音交互，人機(jī)交互在不斷地演進(jìn)，由面向機(jī)器的人機(jī)交互,，演變?yōu)槊嫦蛴脩糇陨淼慕换ァ?/span>

語音是非常低成本的溝通手段和工具,，為我們帶來非常大的便利。

語音交互的優(yōu)勢(shì)在于：

• 其一是速度,，每分鐘可以說 120 到 150 個(gè)字,。

• 其二是釋放雙手，做飯時(shí)通過語音可以完成一些期望做的事,。

• 其三是直覺性,，語言是人類的天賦，也是人類交際溝通的自然手段,。

• 其四是同理心,，語音中包含了語氣、音量,、語調(diào)和語速,，這些特征傳達(dá)了大量的信息。

語音交互離不開人工智能技術(shù),，在語音交互中所涉及的人工智能技術(shù)如下圖所示：

如今,，智能語音交互正在為我們服務(wù)，背后有一整套完整的技術(shù)和流程,，從語音喚醒到自動(dòng)語音識(shí)別,，再到自然語言理解，最終通過自然語言生成以及語音合成技術(shù)形成反饋,，整套流程背后又有很多細(xì)分的 AI 技術(shù)在支持，如對(duì)話管理,、深度學(xué)習(xí),，DNN、CNN,、NLP,、TTS 等。

面對(duì)涉及如此之廣的 AI 技術(shù),， 我們?cè)鯓硬拍軕?yīng)用到工作和生活之中呢,？

這和我們有了計(jì)算機(jī)之后，如何使用計(jì)算機(jī)是類似的,。計(jì)算機(jī)上的操作系統(tǒng)及其 API 為程序員們打開了計(jì)算機(jī)世界的大門,。

面向智能交互的 AI 系統(tǒng)， 我們同樣需要一個(gè)類似的操作系統(tǒng),，才能方便而且高效地構(gòu)建我們的人工智能交互應(yīng)用,。

百度的 DuerOS 是一個(gè)面向語音交互的對(duì)話式人工智能操作系統(tǒng)，在包含了語音交互的整套流程的同時(shí)，還提供開放能力平臺(tái),，如 SDK,、工具、編程接口和設(shè)備等,，如下圖所示：

DuerOS 操作系統(tǒng)有三個(gè)層面,，分別是智能設(shè)備開放平臺(tái)（應(yīng)用層）、對(duì)話核心系統(tǒng)（核心層）和技能開放平臺(tái)（能力層）,。

下面我們進(jìn)一步從基于 DuerOS 的智能語音設(shè)備,、智能語音設(shè)備的工作原理、智能語音交互的交互流程和智能語音應(yīng)用的開發(fā)流程等方面了解 DuerOS 操作系統(tǒng),。

了解一個(gè)操作系統(tǒng)主要是看有哪些語音設(shè)備,，基于這些設(shè)備才能進(jìn)行具體的應(yīng)用開放，DuerOS 的智能語音設(shè)備有很多,，部分的小度系列產(chǎn)品如下圖：

DuerOS 廣泛適用于音箱,、電視、冰箱,、手機(jī),、機(jī)器人、車載,、可穿戴,、玩具等多種場(chǎng)景及設(shè)備，這些智能語音設(shè)備的工作原理是怎樣的呢,？

相比傳統(tǒng)設(shè)備,，智能語音設(shè)備是面向交互的，通過語音,、觸屏進(jìn)行輸入,，利用 TTS、麥克風(fēng),、信號(hào)處理等手段,，把本地能力轉(zhuǎn)移到云端，再利用云端 ASR,、TTS,、NLU、NLG 等具體的 AI 技術(shù)實(shí)現(xiàn)智能語音,，最后把業(yè)務(wù)引擎,、業(yè)務(wù)資源和技能服務(wù)進(jìn)行融合，這樣就可以通過語音完成一系列服務(wù),，如下圖所示：

技能開放平臺(tái)包含很多層次,，如底層基礎(chǔ)能力,、BOT-SDK、配置服務(wù),、協(xié)議開放,、平臺(tái)開放、周邊工具等,。下面介紹一下智能語音交互應(yīng)用的交互流程,。

這里，我們以詢問天氣意圖為例,，當(dāng)用戶發(fā)出語音指令后,，智能音箱本地做用戶喚醒詞識(shí)別，然后通過音箱把語音流傳到 DuerOS 平臺(tái),，DuerOS 平臺(tái)進(jìn)行語音識(shí)別,、語義理解、發(fā)送結(jié)構(gòu)化數(shù)據(jù)給技能服務(wù)器,。

技能服務(wù)器處理請(qǐng)求,，向 DuerOS 平臺(tái)返回文本或可視化的結(jié)果，DuerOS 平臺(tái)收到后,，TTS 服務(wù)器處理返回的文本,，將播報(bào)流發(fā)送給智能音箱，如果是有屏音箱的話,，也可將可視化結(jié)果在設(shè)備上進(jìn)行展示,。

那么，我們?nèi)绾卧?DuerOS 開發(fā)一個(gè)智能語音交互的應(yīng)用呢,？

智能語音交互應(yīng)用的開發(fā)流程一般分為六個(gè)步驟,，分別是注冊(cè)、創(chuàng)建技能,、建立交互模型,、編寫代碼部署、調(diào)試與驗(yàn)證和技能上線商用,，如下，為具體步驟圖解,。

訪問 https://dueros.baidu.com/dbp, 注冊(cè)成為 DuerOS 的開發(fā)者,。

和我們?cè)?Android 或 iOS 上創(chuàng)建應(yīng)用是類似的,。

進(jìn)入技能控制臺(tái),，選擇“從頭開始”創(chuàng)建自定義技能,。技能名稱是 2～50 個(gè)字符，調(diào)用名稱是 2～15 個(gè)字符,。

調(diào)用名稱是技能服務(wù)的入口,，打開+調(diào)用名稱。不建議使用生僻詞匯,、中英文混合及數(shù)字與漢字混合,。技能創(chuàng)建后會(huì)生成一個(gè)技能 ID，是技能服務(wù)在 DuerOS 系統(tǒng)中的唯一標(biāo)識(shí),。

這可能是智能語音應(yīng)用與 App,，小程序,，Web 之類應(yīng)用的最大的不同點(diǎn)。

用戶詢問的核心在這里稱為意圖,，建立交互模型就是創(chuàng)建多種用戶意圖的過程,。

意圖的標(biāo)識(shí)就相當(dāng)于具體事件的編號(hào)。交互模型的建立實(shí)際上是一種面向接口的設(shè)計(jì)方式,，明確的交互的意圖就是在一定程度上確定了技能服務(wù)的功能,。

DuerOS 提供了高效安全的百度云服務(wù)免費(fèi)使用,，開放平臺(tái)的在線編輯器提供了對(duì) Python 和 Node 的語言支持，編碼主要是對(duì)交互模型中的意圖進(jìn)行匹配和處理,。

在線編輯器中的代碼將自動(dòng)部署在百度云的 CFC,，CFC 是百度云 FaaS 無服務(wù)架構(gòu)的具體應(yīng)用。

當(dāng)然,，技能代碼的編寫還可以通過 Java,，PHP 等其他語言進(jìn)行編寫，也可以部署在自己的服務(wù)器或者其他云服務(wù)上,。

DuerOS 開放平臺(tái)提供了兩種測(cè)試方式：模擬器和真機(jī)調(diào)試,。在真機(jī)調(diào)試時(shí),，要保證技能開發(fā)賬號(hào)和設(shè)備登錄賬號(hào)一致，對(duì)設(shè)備說“開啟技能調(diào)試模式”即開啟了“技能調(diào)試模式”功能,，需要注意的是同一時(shí)間僅支持一個(gè)技能測(cè)試,。

類比來看,，發(fā)布上線與 App 在安卓市場(chǎng)或者蘋果商店上的上線發(fā)布過程是類似的,。

至此，我們可以基于 DuerOS 的開放平臺(tái)開發(fā)符合用戶需求的各種智能語音交互應(yīng)用,。

同時(shí),， DuerOS 還提供了零編程的智能語音交互應(yīng)用實(shí)現(xiàn)方式。應(yīng)用的種類豐富多彩,，可以為我們的生活帶來更多的便利和樂趣,！

從早上通過音箱叫你起床，通過搭載 DuerOS 的車機(jī)導(dǎo)航出發(fā)上班,，用小度助手去安排當(dāng)日工作,，工作中小度助手可以提醒休息，孩子可以用搭載 DuerOS 的設(shè)備打電話,、看電視和聽故事,。

隨著交互形式的變化，交互技術(shù)發(fā)展到了今天的智能語音時(shí)代,，在智能語音服務(wù)中可以直接應(yīng)用到各種人工智能技術(shù),，可以不用深入關(guān)注具體的 NLU、NLG 等具體 AI 技術(shù),，只要使用基于 DuerOS 這樣對(duì)話式的 AI 開放平臺(tái),，就可以完成面向語音交互的各種服務(wù)。