阿里发布AliGenie2.0系统，“百箱大战”用上视觉武器

2018 年 3 月 23 日 新智元 张乾

【2018 新智元 AI 技术峰会倒计时 6 天】

2018年3月29日，北京举办的2018年中国AI开年盛典——新智元产业·跃迁AI技术峰会，邀微软全球技术院士、微软语音、自然语言和机器翻译团队负责人黄学东博士和微软全球杰出工程师张祺博士，解析语音和机器翻译最新突破和人机交互未来趋势，阐释微软“行业+AI”在中国落地的战略布局！想近距离交流互动？点击文末阅读原文，马上参会！

抢票链接：http://www.huodongxing.com/event/8426451122400

新智元报道

作者：张乾

【新智元导读】昨天，阿里巴巴人工智能实验室总经理浅雪宣布天猫精灵销量已经突破200万台，更重要的是，最新的AliGenie2.0系统增加了视觉能力，并具备多模态交互能力。2018年的“百箱大战”一个重要的趋势就是视觉化、屏幕化，几乎所有的巨头都会让AI音箱“长眼睛”。

天猫精灵X1的升级版X2没有预期出现，而人机交互系统AliGenie升级到最新的2.0版本，功能强大。

3月22日，阿里巴巴人工智能实验室总经理浅雪（陈丽娟）发布AliGenie2.0系统，它最大的改进是在1.0的基础上增加了视觉能力，并引入多模态交互能力，只需要另外增加一些辅助设备，就能让天猫精灵具备视觉能力。同时，浅雪还宣布，天猫精灵销量已经超过200万台。

四年前，亚马逊推出Echo，将AI音箱大战引发；去年，亚马逊又推出带屏幕的音箱Echo Show，音箱视觉化、屏幕化成为一种趋势。除了AliGenie2.0外，京东叮咚Play以及百度即将发布的“小度在家”都具备视觉能力，AI音箱终于要拼视觉了。

AliGenie2.0：增加图像识别、物体检测、人脸识别能力

去年5月，阿里人工智能实验室（AI Labs）发布天猫精灵X1，内置AliGenie1.0系统。

AliGenie1.0已经建立了超强的知识体系，在这个知识体系当中拥有1个亿的实体理解能力，构建了近10亿的关系。同时AliGenie1.0算法也在升级，阿里AI Labs发布了一个全新的序列标注模型，这个序列标注模型能解决有自动纠错的能力，可以帮助语音理解有更强的容错性。AliGenie还具备主动学习能力，每一次跟用户的交互过程当中，系统都会自动完善。

浅雪发布的AliGenie2.0系统，是在1.0的基础上形成具备视觉、语音等多模态交互能力的新一代的人机交流系统。它不仅会具备听觉能力，还有视觉能力和情感反馈能力。

其中，视觉能力中又分为图像识别、人脸识别、物体检测三大技术。

同时，阿里AI Labs还把语音能力和视觉能力进行了融合，形成多模态交互的过程，从而构建一个更聪明的人机交流系统。

浅雪认为，人机交互远远不仅语音，“我们觉得在未来人机交互不仅有听觉，还有视觉、嗅觉，以及有更强的情感反馈能力。”

阿里AI Labs去年在自然语言理解等方向投入诸多，并在去年10月宣布引入微软亚洲研究院首席研究员聂再清博士、谷歌 Tango 和 DayDream 项目技术主管李名杨博士。目前聂再清负责阿里AI Labs北京研发中心的各项研发工作，并重点突破知识图谱和自然语言理解这两个领域。李名杨任 AI Labs 机器视觉杰出科学家。

阿里AI Labs北京研发中心负责人聂再清

在接受专访时，聂再清表示，天猫精灵具备情景感知、主动学习能力。自然语言理解很大的难点是因为自然语言的多样性，一句话可能有无数的意思，这就需要通过大数据，让开发人员跟大数据的交互主动进行挖掘，主动找到路径让开发人员跟用户一起交互，把语言的各种意思都完善了，才能让机器听懂，这也是阿里AI Labs 技术上的优势。

阿里AI Labs做硬件的逻辑：亲手打造更懂跨界，AliGenie系统将来或开放

虽然天猫精灵X2没有发布，但更小巧尺寸的天猫精灵曲奇、天猫路由器、天猫魔屏 S1 无屏电视以及周边配件等诸多硬件同时亮相。