技術(shù)層面剖析：百度神燈搜索離我們有多遠(yuǎn)

編輯：3533 來源：itbear

昨天愚人節(jié)，各大互聯(lián)網(wǎng)公司跟瘋了似的推出了各種“愚人節(jié)產(chǎn)品”，各種天馬行空那個(gè)、腦洞炸開。手機(jī)百度推出的是一個(gè)叫做“神燈搜索”的功能，需要使用手機(jī)百度搭配“百度神燈”智能擴(kuò)展配件來使用。用戶可以通過“摩擦摩擦”百度神燈的邊框啟動(dòng)該功能，然后利用語音進(jìn)行方便的搜索，搜索結(jié)果會(huì)以全息投影的形式呈現(xiàn)出來，并支持用戶進(jìn)行多輪語音交互、支持用戶通過手指觸摸對(duì)影像進(jìn)行放大、縮小等操作。

這個(gè)功能是真是假，我覺得不用現(xiàn)在花時(shí)間去討論，作為一個(gè)科技宅，我想花時(shí)間把這個(gè)功能里面可能涉及到的技術(shù)稍微盤點(diǎn)一下，盤點(diǎn)完了你就知道它到底能不能實(shí)現(xiàn)、離我們還有多遠(yuǎn)了。

“神燈搜索”都涉及了哪些技術(shù)？

啟動(dòng)“神燈搜索”，需要用手摩擦“百度神燈”的邊框，這個(gè)沒什么技術(shù)障礙，很多智能手機(jī)現(xiàn)在都支持熄屏狀態(tài)下的手勢(shì)喚醒等操作，加個(gè)感應(yīng)器的事兒而已;然后是語音搜索，這個(gè)雖然現(xiàn)在已經(jīng)實(shí)現(xiàn)了，但是要實(shí)現(xiàn)后續(xù)的多輪對(duì)話，一方面需要更加出色的語音智能交互技術(shù)，另一方面也需要背后人工智能技術(shù)的強(qiáng)力支持;最后，還需要全息投影技術(shù)的支持以及在全息投影上進(jìn)行操作的虛擬觸控技術(shù)。

既然摩擦喚醒不是個(gè)難事兒，我們就來看看語音智能交互、人工智能、全息投影以及虛擬觸控技術(shù)的進(jìn)展。探討一下如果真要做“神燈搜索”的話，還有哪些技術(shù)需要提升。

識(shí)別率不斷提升，語音智能交互初具規(guī)模

不同于大家熟悉的siri等語音產(chǎn)品，視頻中“神燈搜索”和用戶的語音智能交互過程讓人印象深刻，而這些部分功能的實(shí)現(xiàn)需要依托于語音識(shí)別和人工智能這兩個(gè)領(lǐng)域的進(jìn)步。目前，谷歌、蘋果、百度、科大訊飛等國內(nèi)外企業(yè)都在語音識(shí)別領(lǐng)域發(fā)力，并取得了突破性進(jìn)展。

既然“神燈搜索”是百度可能推出的功能，我們就來看看百度目前在語音技術(shù)方面的進(jìn)展。類似視頻中演示的語音交互，其實(shí)包含了語音識(shí)別、語義理解和語音合成幾個(gè)方面的技術(shù)，依托百度自然語言處理(NLP)及機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)驗(yàn)，百度在語義理解方面的技術(shù)實(shí)力毋庸置疑;而近期，百度在語音識(shí)別率方面也取得了較大的突破。根據(jù)媒體的報(bào)道，百度首席科學(xué)家吳恩達(dá)曾透露，通過使用神經(jīng)元系統(tǒng)以及數(shù)據(jù)燃料，百度人工智能幫語音識(shí)別提高了準(zhǔn)確性，百度語音識(shí)別可以很好地處理背景噪音，使手機(jī)離得比較遠(yuǎn)也能很好地識(shí)別用戶講出的話。權(quán)威測(cè)試結(jié)果顯示，在噪音環(huán)境中，百度Deep Speech系統(tǒng)的出錯(cuò)率要比谷歌語音識(shí)別引擎，微軟必應(yīng)以及蘋果的語音系統(tǒng)低10%以上。這對(duì)類似神燈搜索這樣的依托語音智能交互的功能來說意義非常重大。

人工智能離你我很近

百度神燈搜索還有一個(gè)亮點(diǎn)是“懂你”。當(dāng)人們想訂電影票時(shí)，通過“百度神燈”喚醒“神燈搜索”，語音搜索“最近什么電影好看啊”，手機(jī)百度就會(huì)立即投出近期熱映的“帕丁頓熊”全息影像，并可以播放預(yù)告片，基于用戶數(shù)據(jù)進(jìn)行影院、場(chǎng)次、座位的智能推薦，簡(jiǎn)捷地完成在線選座。要像“神燈搜索”一樣做到“有求必應(yīng)“，背后的人工智能技術(shù)是關(guān)鍵。

人工智能技術(shù)從去年開始再次得到了前所未有的關(guān)注，Eron Musk和霍金的“人工智能惡魔論”在學(xué)術(shù)界和產(chǎn)業(yè)界引發(fā)了激烈爭(zhēng)論;資本對(duì)這個(gè)方向也是趨之若鶩。公開數(shù)據(jù)顯示，截止到2004年，有超過20億美元的風(fēng)險(xiǎn)投資流入到基于認(rèn)知技術(shù)研究的產(chǎn)品和服務(wù)里，超過100家的相關(guān)公司被互聯(lián)網(wǎng)巨頭收購。谷歌、百度、Facebook和IBM四家科技公司在人工智能領(lǐng)域強(qiáng)勢(shì)布局，并將這些技術(shù)應(yīng)用到具體的產(chǎn)品和服務(wù)中，讓人們真正感受到了人工智能帶來的優(yōu)勢(shì)。

例如谷歌去年初收購DeepMind公司后推出了新的模擬神經(jīng)網(wǎng)絡(luò)，能夠模仿人類大腦的工作記憶原理，擁有更加強(qiáng)大的歸納整理和聯(lián)想演繹等邏輯處理能力，從而帶來更快的任務(wù)處理速度，還可以通過訓(xùn)練去自行處理任務(wù)。Facebook則利用人工智能算法分析用戶在Facebook的全部行為，從而為用戶挑選出其感興趣的內(nèi)容。IBM推出了新版“沃森”，并開放了Watson平臺(tái)，開始與紐約基因中心開展合作，將人工智能用于醫(yī)療領(lǐng)域。

國內(nèi)企業(yè)中，百度在該領(lǐng)域深挖已久，去年剛剛正式對(duì)外公布了“百度大腦”。百度大腦通過深度學(xué)習(xí)來模擬人類大腦的神經(jīng)元，參數(shù)規(guī)模達(dá)到百億級(jí)別，這是世界上最大規(guī)模的深度神經(jīng)網(wǎng)絡(luò)，目前已具備2-3歲兒童智力水平。今年初，百度對(duì)外公布了其基于人工智能深度學(xué)習(xí)等技術(shù)打造的“對(duì)象識(shí)別方法和裝置”專利技術(shù)，這項(xiàng)專利技術(shù)可以保證“神燈搜索”里所提及的多輪語音交互的實(shí)現(xiàn)。

全息投影其實(shí)屢見不鮮，虛擬觸控才是真正難點(diǎn)

在“神燈搜索”功能里，“百度神燈”智能硬件可以投射出各類的全息投影。事實(shí)上，盡管全息投影看上去才剛剛為我們所了解，比如今年春晚上李宇春所表演的節(jié)目《蜀繡》就里用了該技術(shù)，但其實(shí)全息投影技術(shù)早在1947年就由英國物理學(xué)家蓋伯發(fā)明出來了，而在我們的鄰國日本，虛擬歌星初音未來早就考全息投影技術(shù)成了全民偶像。所以說，要實(shí)現(xiàn)全息投影其實(shí)并不難，可能存在的難點(diǎn)在于如何在不使用多余附件的情況下，既保證投影的效果，又讓投射裝置可以小型化到一個(gè)手機(jī)套的大小。

“神燈搜索”在視頻中還可以讓用戶實(shí)現(xiàn)對(duì)全息投影進(jìn)行虛擬觸控，之前曾經(jīng)在極客圈子里小范圍風(fēng)靡過的Magic Cube激光鍵盤跟這個(gè)有些類似，用戶只需要對(duì)著投射出來的影像就可以完成相應(yīng)的交互。但像“神燈搜索”視頻里演示的那種交互，基本上只在鋼鐵俠托尼·史塔克的辦公室里見過，離真正走進(jìn)我們?nèi)粘５纳钸€有些遠(yuǎn)。

眼下最實(shí)際的問題可能是電池

說完了上面那幾個(gè)高科技、高大上的技術(shù)，最后我們還是得提一句電池技術(shù)，全息投影要想達(dá)到一定的亮度和體積，需要的投射功率會(huì)很大，這就對(duì)電池有很高的要求，基于現(xiàn)階段手機(jī)上常用的鋰聚合物電池技術(shù)，要想支撐那種程度的交互，看起來并不樂觀。所以，眼下最棘手的問題或許并不是那些技術(shù)到底發(fā)展到什么程度了，而是那些技術(shù)真正到了成熟可用的那一天的時(shí)候，電池技術(shù)是否也能隨之跟上。

所以，總體來看，手機(jī)百度的這個(gè)“神燈搜索”并不是遙不可及的目標(biāo)，但要想達(dá)到視頻里所演示的那種程度，路其實(shí)還是挺長(zhǎng)的。