人工智能为什么看起来像人工智障？
此文转载自微信公众号：差评（ID：chaping321）喜欢就关注下咯！
因为人话真的
好难理解啊！
最近注意到，雷布斯又在搞事情了。。。
他们搞了个什么 “ 小爱同学 ”
其实呢，就是为了卖音响！
这是个人工智能产品，类似于个人助理一样
不得不说雷布斯挺爱自黑的
这类产品其实现在已经有很多了。。。
和 Google 的 Google Assistant 差不多
亚马逊的 Alexa
微软的 Cortana （中文名是小娜）
还有最后，大家整天喜欢调戏的小姐姐 Siri
上面提到的小姐姐们都是人工智能的衍生产物，语音助理。
她们的完成任务的主要过程是：
把人的发音转化成文字
↓
理解意思（拆分，抓取关键信息）
↓
处理信息
↓
做出反馈（完成你布置的任务或者是调戏回来）
这其中用到了一项科技：自然语言处理 ，以下简称 NLP （Natural Language Processing ) 。这项技术是人工智能和语言学的分支。
注：NLP是一门很深奥的学问，涉及了大量数学模型和计算机理论知识。本文为了可读性，牺牲了一定（大部分）严谨（准确）性，如有 NLP 大神觉得有误，请轻轻拍打脸（喂，不要抚摸！）
来稍微说一下语音转文字的过程~
声音是一种波，当你的智能设备收到你的话的时候，其实是收到了声波。
首先，这段声波会被剔除掉噪音，然后被截成很小的单位，小到不能再小（比如说人民币现在最小只能到 “ 分 ”）
机器会把每 3 个（可能不止 3 个）最小单位会组成一个音素。（音素是发音的最小单位）
最后，根据这些音素可以组成文字。
最小单位组成音素
图片引用自知乎用户@张俊博的回答
小黑胖说了一句 “ 我想吃鸡腿 ”。
语音识别系统会把这句话拆分成最基本的单位状态，再把最基本状态重组成 w，o, x，i，ang, ch，i, j，i, t，ui 这么多个音素，再根据自身样本数据，分析这些音素组成哪些字的概率最大，根据统计学的原理来还原成文字。
（其实中文还涉及到了同声字多，存在音调等问题，实际处理时远比这里说的复杂）
至此，已经把语音变成文字，为了防止人工智能变成人工智障，接下来 AI 小姐姐们就要从文字中试图理解语义并且做出反应了~
对于计算机来说，理解语义的第一步是拆分语句。
把 “ 我想吃鸡腿 ” 拆分成 “ 我/想/吃/鸡腿 "
然后，抓取有可能是命令的关键信息，例如我/想/吃
再分析额外信息，鸡腿！
接着，AI 小姐姐会处理这句话，找出相应的应对措施：
吃 -> 找个饭店
鸡腿 -> 鸡肉料理
小姐姐就会觉得你是想找鸡腿吃了！然后直接调查数据库，找配对。
最终输出结果：
而数据库越庞大则小姐姐们越 “ 聪明 ”，这也是各大厂商宣传时提到的重点：她们会越来越智能。
因为你每次使用它相当于一次训练，这样一套系统等于集中了全世界的用户来提供样本去提升她们。
这种情况随着进化就不会出现了↓
至于，为什么都是小姐姐呢（其实Siri可以选小哥哥）？因为女性声音容易给人亲近放松的感觉。
除了小爱同学，其他的小姐姐们的二次元形象只有 Siri 才有，还是日本网友创造的，还顺带做了支歌发了个唱片。。。
小米这回的小爱同学形象倒确实是走在了前面，官方逼死同人了。。。
不过不同的语音助手智能水平的确有些差距。
比如说，你问小姐姐们 “ 今天天气怎么样 ”，都可以得到天气反馈。
小米手机的语音助手
但你接下来不问 “ 明天天气怎么样 ”，而是接一句 “ 明天呢 ”，就会。。。
没有对比就没有伤害，咱们看看 Google 家的。
这是 Google assistant 的
可以看到 Google 的技术的确挺成熟的，而且除了天气还会添一句 “ 路可能会有些滑 ”， 给人的感觉更加像是和人在说话。
不过，因为学习的不够深度，现在大多数 AI 小姐姐都处出智障状态。。。
这个技术还在不断的完善，也许以后可以变得和许多科幻电影里一样，成为人机交互的主要方式。
这样，计算机技术的使用门槛会变得越来越低，爷爷奶奶们也可以轻松使用~
说不定以后你泡在手机上最大的理由就是和小姐姐们聊天，而不是微博，微信，知乎。。。
“ 其实，作者只是一段程序。。。 ”
此文转载自微信公众号：差评（ID：chaping321）喜欢就关注下咯！
●本文编号411，以后想阅读这篇文章直接输入411即可
●输入m获取文章目录
算法与数据结构
更多推荐《18个技术类微信公众号》
涵盖：程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web开发、安卓开发、iOS开发、C/C++、.NET、Linux、数据库、运维等。
相关内容
微信扫码咨询专知VIP会员