Rohit Prasad 是亚马逊 Alexa 的副总裁兼首席科学家，负责领导语音识别、自然语言理解和机器学习技术的研发工作，旨在提升用户在使用由 Alexa 驱动的 Echo 设备时的体验。他回答了关于技术与 Alexa 未来的五个问题。
问：美国国防高级研究计划局（DARPA）早在 20 世纪 70 年代初就开始着手研究语音技术。为什么我们现在突然迎来了像 Alexa 这样的对话式 AI 技术的兴起？
亚马逊 Alexa 机器学习副总裁兼首席科学家 Rohit Prasad摄影： JORDAN STEAD / Amazon
答：作为一项技术，对话式 AI 已经进行了近 50 年的积极研究，其目标是让人机交互变得如同人类之间的交流一样无缝流畅。这是人工智能领域最具挑战性的方向之一，因为机器必须具备极高的智能，才能理解并以人类语言（无论是语音还是文本，或与触控、视觉相结合）进行有效沟通。
尽管语音作为人机界面一直被认为具有优势，但其普及的最大障碍在于机器能否以解放双手和双眼的方式识别和理解语音输入。我们将此称为远场或远距离语音识别的挑战，即像 Echo 这样的环境设备能够以高准确率识别从远处说出的词语。
通过在 2014 年 11 月推出 Echo，我们证明了通过机器学习算法、数据和强大计算能力的结合，可以在嘈杂环境中实现高精度的远场语音识别。
另一个推动 Alexa 被广泛采用的重要原因是，她能够理解和响应的意图范围非常广泛，彻底改变了日常便利性，例如访问和播放音乐、书籍和视频，控制家中的智能设备，与亲友沟通，购物，设置提醒，或获取所需信息。
问：支撑 Alexa 的关键对话式 AI 和机器学习技术有哪些？
答：Alexa 的设计宗旨是根据她对用户目标的解读，代表用户采取最佳行动。与搜索引擎不同，她不会仅仅返回一组包含十个蓝色链接的结果供用户选择，而是代表用户采取行动，并在需要时提出澄清性问题。有几项关键技术使得 Alexa 得以运作。
这一切始于检测“唤醒词”，该唤醒词会触发 Alexa 开始聆听用户随后的语音。唤醒词检测采用运行在设备端的深度学习技术，以识别用户所选的唤醒词。随后，位于亚马逊云科技（AWS）云端的远场自动语音识别（ASR）会将唤醒词之后的音频转换为文本，并判断用户何时停止对 Alexa 说话。
Alexa 的成功与广泛采用令人倍感欣慰，但我们才刚刚触及可能性的冰山一角。
Rohit Prasad - 亚马逊 Alexa 副总裁兼首席科学家
一旦语音被转换为文本，Alexa 就会利用自然语言理解（NLU）将词语转化为结构化的意图解释，从而从由第一方和第三方开发者构建的超过 30,000 个 Alexa 技能中调用响应来回答用户。
这种结构化解释会与各种形式的上下文结合使用，例如用户正在交互的设备类型、最有可能提供响应的技能，或是说话者的身份。这些上下文有助于确定 Alexa 应采取的最佳下一步行动。可能的结果是从某个技能中给出最佳行动的响应，或向用户请求更多信息。
Alexa 的回应方式或声音效果对于自然对话也至关重要。这是通过文本转语音合成（TTS）实现的，它将任意词序列转换为听起来自然且易于理解的音频。
上述所有技术的共同点在于强调数据驱动的机器学习以及在运行时进行快速推理，以尽可能短的时间内提供准确的响应。作为科学家和工程师，我们一直在努力平衡准确性与延迟之间的张力——即从用户停止对 Alexa 说话到她做出响应之间的时间。
问：与其他人工智能技术一样，Alexa 越用越聪明，她对你的了解越多就越智能。亚马逊的科学家和工程师正在采取哪些措施让 Alexa 变得更聪明？
答：由于 Alexa 的“大脑”主要位于云端，她会在每次交互中变得更加智能。Alexa 使用一系列学习技术：监督学习、半监督学习和无监督学习。尽管监督学习仍然最为强大，但它无法扩展，因为我们无法以持续改进 Alexa 以满足客户需求所需的速度生成人工标签。因此，我们的科学家和工程师不断应用并发明新的学习技术，以减少对训练统计模型时依赖人工标签的程度。例如，主动学习作为一种半监督学习技术类别，系统自身会提出在哪些交互部分需要人类专家输入，这一方法在我们的技术中广泛应用。无监督学习（无需任何带标签的响应）也被应用于使 Alexa 更智能，特别是在语音识别方面。最后，我们还使用迁移学习，使 Alexa 能够从一个技能学到另一个技能，甚至从一种语言学到另一种语言。
问：在亚马逊进行对话式 AI 研究的独特之处是什么？
答：我们的独特之处在于我们开展研究的方式。每个研究问题都采用一种逆向推导的方法，这种方法借鉴了我们在亚马逊进行产品开发时的思路。基本理念很简单：我们首先撰写如果研究成功，最终将实现或颠覆的目标，然后围绕这一目标反向设计实验和里程碑，以检验进展。我们信奉快速实验，并尽早验证或证伪我们的假设。
亚马逊在对话式AI研究方面的另一个独特之处在于，我们拥有具有开创性的产品Alexa，能够以大规模方式验证新算法和技术。这使得我们在会议或期刊上发表的技术成果更具可信度。
海量数据、近乎无限的计算能力，以及我们团队在AI问题上的深厚经验与风险承担意愿，使亚马逊堪称全球追求对话式AI研究梦想的最佳之地。
问：你认为对话式人工智能的未来是什么？
答：我对人工智能的整体未来感到兴奋。AI将对社会产生深远影响，并帮助人类掌握我们今天甚至无法想象的新技能。对于对话式AI，我仍然认为它处于“第一天”。Alexa的成功和普及令人非常欣慰，但我们才刚刚触及可能性的冰山一角。
在未来五年，随着机器学习和推理技术的进一步突破，我们将看到对话式人工智能在多个维度上变得更加智能。借助这些进步，Alexa 在识别、理解用户请求以及作出回应时将具备更强的上下文感知能力。由于无监督学习将成为其主要的学习方式，Alexa 的智能提升速度将更快。
Alexa将在日常话题和新闻事件上展开更自然的对话，就像人类一样。这是我们的重点所在Alexa Prize一场旨在构建“社交机器人”的大学竞赛，这些机器人能够与人类进行连贯且引人入胜的20分钟对话。我们的客户已与2017年Alexa Prize社交机器人进行了超过10万小时的对话；2018年Alexa Prize社交机器人将于5月上线。尝试一下很有趣，只需说：“Alexa, Let’s chat.”