在2018中國(guó)（深圳）IT領(lǐng)袖峰會(huì)期間，網(wǎng)易科技對(duì)圖靈機(jī)器人創(chuàng)始人兼CEO俞志晨進(jìn)行了專訪。俞志晨透露，2018年語(yǔ)義識(shí)別領(lǐng)域最核心的就是圈場(chǎng)景，這也是圖靈機(jī)器人目前最核心的目標(biāo)。此前圖靈機(jī)器人主要產(chǎn)品在兒童機(jī)器人市場(chǎng)，2018年下半年，圖靈機(jī)器人將進(jìn)入更多場(chǎng)景。（溫泉）
以下為訪談全文，略經(jīng)編輯：
　　網(wǎng)易科技：之前提到人工智能，提語(yǔ)音和圖像識(shí)別比較多，為什么語(yǔ)義識(shí)別不像前兩者那么廣為人知？
　　俞志晨：圖像識(shí)別，它會(huì)更前端一些，語(yǔ)音很多時(shí)候是會(huì)偏后端一些，后端一些支撐的技術(shù)，包括一些后端的應(yīng)用，這兩個(gè)其實(shí)是有些差別的。而且它的整個(gè)的技術(shù)的發(fā)展的節(jié)奏也不太一樣，比如說(shuō)語(yǔ)音，包括應(yīng)用語(yǔ)音的整個(gè)市場(chǎng)發(fā)展，從時(shí)間上來(lái)看，第一語(yǔ)音整個(gè)的模式和它的商業(yè)化這塊，其實(shí)是走得最前的，視覺(jué)主要是去年，去年的市場(chǎng)處于爆發(fā)期。然后語(yǔ)義，語(yǔ)義實(shí)際上還是屬于第三波的產(chǎn)業(yè)機(jī)會(huì)。
　　單從大的未來(lái)來(lái)看，語(yǔ)義毫無(wú)疑問(wèn)它的市場(chǎng)覆蓋面肯定會(huì)比語(yǔ)音和視覺(jué)要大。
　　網(wǎng)易科技：這是為什么？
　　俞志晨：你看語(yǔ)音的發(fā)展契機(jī)像科大訊飛，還有包括國(guó)內(nèi)出來(lái)一些語(yǔ)音公司，基本上都屬于大概，最早第一波2000年初就開(kāi)始起來(lái)了，2000年左右科大訊飛就屬于發(fā)展的比較好的，上市，包括國(guó)外也是這樣的。之前整個(gè)人工智能行業(yè)，早期就是以語(yǔ)音為主。去年、前年視覺(jué)開(kāi)始爆發(fā)。
　　這一方面是說(shuō)本身這個(gè)技術(shù)在不斷成熟，另一方面是說(shuō)，有安防的這個(gè)場(chǎng)景來(lái)托它，這么一個(gè)大的市場(chǎng)機(jī)會(huì)，就導(dǎo)致整個(gè)視覺(jué)這塊的市場(chǎng)在催化。語(yǔ)義現(xiàn)在還處于一個(gè)沉淀、積累的階段。我認(rèn)為語(yǔ)義的能量還遠(yuǎn)遠(yuǎn)沒(méi)有爆發(fā)出來(lái)，這是從目前整個(gè)市場(chǎng)的形態(tài)來(lái)看是這樣的。
　　網(wǎng)易科技：為什么它還處于沉淀和積累的階段，它為什么發(fā)展的程度沒(méi)有語(yǔ)音和視覺(jué)那么成熟？它要解決哪幾個(gè)關(guān)鍵問(wèn)題才算比較成熟，它目前已經(jīng)解決了哪幾個(gè)問(wèn)題，有哪幾個(gè)問(wèn)題沒(méi)有解決？
　　俞志晨：剛才為什么說(shuō)像語(yǔ)義將來(lái)的市場(chǎng)空間會(huì)更大？我認(rèn)為語(yǔ)義現(xiàn)在技術(shù)通常有兩個(gè)階段。一方面是說(shuō)很多時(shí)候它會(huì)提升效率，給to B的企業(yè)來(lái)用，這個(gè)是目前不管是語(yǔ)音、視覺(jué)、語(yǔ)義都會(huì)經(jīng)歷這個(gè)階段，這個(gè)過(guò)程是必不可少的。當(dāng)然我認(rèn)為再往后走，整個(gè)語(yǔ)義整個(gè)是能夠，比如客服也好，其實(shí)它的基本技術(shù)全部是圍繞語(yǔ)義來(lái)做的。
　　客服是一大塊，它實(shí)際上像很多的智能音箱，語(yǔ)音識(shí)別是一部分。但是為什么一開(kāi)始大家很關(guān)注語(yǔ)音，因?yàn)檎Z(yǔ)音它是一個(gè)很容易感受到的東西，你里面所有的功能都是基于語(yǔ)義來(lái)做出來(lái)的東西。
　　但是對(duì)用戶來(lái)講，他可能以為它是基于語(yǔ)音做出來(lái)的。但是實(shí)際上像智能音箱那個(gè)產(chǎn)品，90%的東西是在語(yǔ)義。但是你可能感覺(jué)這就是語(yǔ)音識(shí)別，就跟SIRI是一樣的，因?yàn)槿藢?duì)這種，有一個(gè)詞叫定義，定義上語(yǔ)音的這個(gè)詞更容易帶人們腦中里面產(chǎn)生一個(gè)更加直觀的印象。語(yǔ)義這個(gè)詞太過(guò)技術(shù)化，一般大部分的消費(fèi)者其實(shí)不太容易理解語(yǔ)義這個(gè)詞的。你看絕大部分語(yǔ)音交互的產(chǎn)品，大部分是在語(yǔ)義這塊。
　　網(wǎng)易科技：所以您剛剛是解釋它將來(lái)的市場(chǎng)空間更大，是因?yàn)榇蟛糠值恼Z(yǔ)音交互的產(chǎn)品，語(yǔ)音交互的產(chǎn)品90%的工作是在語(yǔ)義這塊，而不是語(yǔ)音這塊？
　　俞志晨：這是必然的，從可辨性來(lái)看，語(yǔ)音和視覺(jué)的可辨性其實(shí)是固定的，它的價(jià)值就很明確，就是我要把語(yǔ)音信號(hào)轉(zhuǎn)成文字。但是它的前期的落地性會(huì)比較容易一些，因?yàn)樗康拿鞔_，所以它的普及度更快一些。視覺(jué)也一樣，視覺(jué)這塊也是說(shuō)通過(guò)人臉識(shí)別、物體識(shí)別去做一些視覺(jué)的事情，它的場(chǎng)景相對(duì)來(lái)講比語(yǔ)音復(fù)雜一些，但是也是相對(duì)來(lái)講比較明確的，就是它作為市場(chǎng)是比較明確的，就是是別人，識(shí)別物體。但是語(yǔ)義的合并性就多了，我用語(yǔ)義怎么來(lái)跟這些場(chǎng)景結(jié)合。相當(dāng)于這種場(chǎng)景的結(jié)合性和延伸性，會(huì)比單純一個(gè)語(yǔ)音識(shí)別的模塊要大很多的。
　　就像是說(shuō)我做手機(jī)的，其實(shí)毫無(wú)疑問(wèn)，你說(shuō)做手機(jī)公司整個(gè)市場(chǎng)價(jià)值規(guī)模更大，還是說(shuō)基于移動(dòng)互聯(lián)網(wǎng)整個(gè)這一套里面的App市場(chǎng)價(jià)值更大？
　　網(wǎng)易科技：我覺(jué)得有一個(gè)比喻可能更能翻譯您的這個(gè)意思，是不是就是有一千個(gè)讀者，就有一千個(gè)哈姆雷特，你一段文字在那，有一千個(gè)人理解的是不同的意思，他反饋出來(lái)的行為也是完全不同的，是這個(gè)意思吧？
　　俞志晨：你也可以這么來(lái)去理解，因?yàn)檎Z(yǔ)義實(shí)際上真的是一個(gè)，它其實(shí)目前來(lái)講是一個(gè)偏技術(shù)化的概念。它不像語(yǔ)音這么通俗，但是語(yǔ)音其實(shí)就是說(shuō)我剛舉的例子，你看現(xiàn)在智能音箱這個(gè)硬件，硬件其實(shí)沒(méi)多少錢(qián)，一百多塊錢(qián)，但是里面的那些應(yīng)用和那些服務(wù)技能，全部是基于語(yǔ)義來(lái)做的。所以語(yǔ)義能夠延伸的價(jià)值會(huì)比，其實(shí)音箱，一個(gè)硬件或者一個(gè)語(yǔ)音識(shí)別的模塊，其實(shí)要大很多的。但是很多時(shí)候它倆是不同的階段，不同的模塊。
　　網(wǎng)易科技：您為什么覺(jué)得它還處于積累和沉淀期？
　　俞志晨：因?yàn)檎Z(yǔ)義不好實(shí)現(xiàn)，就像你剛才說(shuō)的，一千個(gè)讀者有一千個(gè)哈姆雷特，這個(gè)事情從技術(shù)層面來(lái)講很難實(shí)現(xiàn)它。不像語(yǔ)音識(shí)別，剛才說(shuō)語(yǔ)音是一個(gè)，比如我說(shuō)一個(gè)字，它是一對(duì)一的關(guān)系，視覺(jué)也是一對(duì)一的關(guān)系，就是傳感，感知系統(tǒng)是一對(duì)一的關(guān)系。但是語(yǔ)義是一對(duì)X，不知道多少個(gè)關(guān)系。所以這個(gè)事情本身從技術(shù)上來(lái)說(shuō)很難，因?yàn)樗茈y，所以它結(jié)合起來(lái)的話，可能需要的工作量會(huì)大很多。
　　網(wǎng)易科技：語(yǔ)義識(shí)別現(xiàn)在發(fā)展到什么程度了，哪些問(wèn)題是可以現(xiàn)在完全能解決掉的，哪些問(wèn)題是沒(méi)有被解決掉的？
　　俞志晨：語(yǔ)義通常有幾個(gè)方面，從大的來(lái)看，第一個(gè)是說(shuō)指令型的這種理解，比如說(shuō)很多音箱，智能家居，說(shuō)打開(kāi)或者關(guān)閉，我們叫指令級(jí)的理解，這個(gè)是屬于最低的層次，但是這個(gè)也是目前解決的比較好的。第二是問(wèn)答系統(tǒng)。比如說(shuō)很多客服，它實(shí)際上還是多輪，就是屬于帶有一定的復(fù)雜任務(wù)的，這個(gè)其實(shí)會(huì)更高階一些，用在客服，用在一些其他的虛擬的一些助手這些領(lǐng)域。這個(gè)領(lǐng)域其實(shí)門(mén)檻又會(huì)更高了一些。第三個(gè)層次是在開(kāi)放域的聊天系統(tǒng)，就跟人一樣，我們閑聊，天馬行空的在聊。這個(gè)從技術(shù)實(shí)現(xiàn)來(lái)說(shuō)應(yīng)該是最難的，這也是整個(gè)行業(yè)的難點(diǎn)，從技術(shù)上來(lái)講，可能技術(shù)上還做不到這種突破吧。
　　網(wǎng)易科技：目前能夠達(dá)到的這個(gè)和用戶需求的當(dāng)中，這個(gè)距離還有多遠(yuǎn)，還有哪些問(wèn)題沒(méi)有解決？
　　俞志晨：我的感覺(jué)，第一是說(shuō)它的整個(gè)問(wèn)題單子里面有很多個(gè)，有一堆問(wèn)題需要解決。第一個(gè)是說(shuō)，這種語(yǔ)境的理解，上下文這塊的理解。比如我說(shuō)我餓了，你說(shuō)我真的餓了嗎，其實(shí)不是。那它怎么判別是不是餓了還是不餓，還是說(shuō)他到底說(shuō)這句話是什么意思。
　　網(wǎng)易科技：它需要的信號(hào)不光是這個(gè)語(yǔ)言這個(gè)項(xiàng)，它需要很多環(huán)境的信號(hào)。
　　俞志晨：其實(shí)單純從文字的信息抽出來(lái)的話，它永遠(yuǎn)不能夠百分之百能夠去理解這句話的真實(shí)意圖。但是它需要去融合一些背景信息，融合一些這種環(huán)境信息，包括時(shí)間，你的一些習(xí)慣，還有包括你的一些性格，然后判定你是不是真的餓了，以及你真正的意圖。語(yǔ)義是一個(gè)意圖理解和識(shí)別的過(guò)程。
　　網(wǎng)易科技：你剛剛指的這個(gè)對(duì)語(yǔ)境的理解是其中的問(wèn)題之一，還有很多問(wèn)題沒(méi)有被解決。
　　俞志晨：對(duì)，語(yǔ)境是一塊，第二是說(shuō)整個(gè)知識(shí)圖譜體系。理論上講，如果我們想要做通用的東西，前提是我需要去構(gòu)建一個(gè)龐大的體系化的知識(shí)圖譜，而且它還得具備推理功能，這個(gè)其實(shí)還是挺難的一件事情。第三個(gè)是語(yǔ)言的表達(dá)層面，說(shuō)實(shí)話現(xiàn)在目前機(jī)器人的語(yǔ)言表達(dá)的豐富性還是不夠的，語(yǔ)言的表達(dá)這塊，怎么讓它像個(gè)人一樣的去表達(dá)這些語(yǔ)言。它能做到一定的表達(dá)的能力，比如說(shuō)像如果打分的話，100分是滿分，它可能能做到50分、60分，但是離我們所謂的比較好的效果還有一定的差距。
　　最后還有一個(gè)歸于它的性價(jià)比，我們做的事情，很多時(shí)候技術(shù)跟它整個(gè)的它商業(yè)化的場(chǎng)景，它倆是相輔相成的。如果說(shuō)這個(gè)技術(shù)投入過(guò)大，那可能這個(gè)事情就很難推。但是如果這個(gè)技術(shù)推起來(lái)還能賺到錢(qián)，這個(gè)事情就比較容易推。像語(yǔ)音識(shí)別一樣，它已經(jīng)能賺到一點(diǎn)點(diǎn)錢(qián)了，圖像也一樣，圖像識(shí)別是它確認(rèn)已經(jīng)能夠開(kāi)始去掙錢(qián)了，而且能夠商業(yè)化的還不錯(cuò)。
　　網(wǎng)易科技：你們之后還會(huì)如何來(lái)推動(dòng)語(yǔ)義的應(yīng)用？
　　俞志晨：我們跟百度的VR這塊有合作。用VR結(jié)合圖靈AI做了一個(gè)虛擬機(jī)器人，也就是VR版的一個(gè)機(jī)器人，就相當(dāng)于Siri加一個(gè)人工形象，然后用在VR世界里面去做交互。
　　網(wǎng)易科技：那我明白了。我之前在很多場(chǎng)合聽(tīng)過(guò)圖靈機(jī)器人，但是我不知道現(xiàn)在你們的產(chǎn)品是用在哪些領(lǐng)域，我們生活當(dāng)中，哪些產(chǎn)品背后其實(shí)是用你們的技術(shù)？
　　俞志晨：很多音箱，很多機(jī)器人可以跟你對(duì)話，可以跟你互動(dòng)，但背后的技術(shù)你肯定不知道是誰(shuí)家的。我們?cè)瓉?lái)最早一大塊是在微信里面，比如微信公眾賬號(hào)，微信群還包括有QQ。從過(guò)去一兩年也更多是向很多兒童機(jī)器人、兒童玩具這類的產(chǎn)品用我們的語(yǔ)義技術(shù)。
　　網(wǎng)易科技：你們?cè)谖⑿殴娰~號(hào)里面的應(yīng)用是什么？
　　俞志晨：類似很多的一些公眾賬號(hào)，比如你可以給它發(fā)文字、發(fā)語(yǔ)音，然后它給你回答，它就是一個(gè)類似一個(gè)自動(dòng)的個(gè)性化的群管理機(jī)器人。
　　網(wǎng)易科技：圖靈機(jī)器人目前主要的競(jìng)爭(zhēng)優(yōu)勢(shì)是什么？
　　俞志晨：第一就是語(yǔ)義技術(shù)，第二就是產(chǎn)品體驗(yàn)。
　　網(wǎng)易科技：你們目前在語(yǔ)義這塊是國(guó)內(nèi)第一嗎？
　　俞志晨：我只能說(shuō)我們至少在語(yǔ)義這個(gè)行業(yè)里面數(shù)一數(shù)二，因?yàn)榈谝贿@個(gè)事情是沒(méi)法兒去驗(yàn)證的，你說(shuō)我們比微軟的好，這個(gè)事情好像也沒(méi)有辦法去實(shí)際證明。但是至少說(shuō)從客戶，從整個(gè)的各種指標(biāo)來(lái)看，我們還是這個(gè)領(lǐng)域的，算是領(lǐng)先的公司吧。第二是說(shuō)在一些特定場(chǎng)景，那肯定以我們最好，比如像兒童語(yǔ)義，那我們肯定是最好的。比如同樣做語(yǔ)音和對(duì)話，微軟小冰可能會(huì)用在二次元，或者是一些偏90后、95后這個(gè)群體比較多一些，我們的年齡段更小一點(diǎn)，我們可能是在05后，10后，就是偏兒童這塊更多一些。
　　網(wǎng)易科技：我們現(xiàn)在在市場(chǎng)上能見(jiàn)到的那種兒童陪伴的機(jī)器人，背后絕大部分都是用的你們的語(yǔ)義識(shí)別技術(shù)？
　　俞志晨：差不多。
　　網(wǎng)易科技：任何一個(gè)牌子嗎？現(xiàn)在我在機(jī)場(chǎng)看到好多商店里面不是好多那種陪伴機(jī)器人。
　　俞志晨：我看了一下，應(yīng)該有一半了吧。
　　網(wǎng)易科技：另外一半用的是誰(shuí)的？
　　俞志晨：有訊飛，也有用百度的，也偶爾會(huì)用其他的一些第三方的語(yǔ)義公司的，零零散散的。我去機(jī)場(chǎng)看，一半多。因?yàn)闄C(jī)場(chǎng)擺的東西不太一樣，我只能說(shuō)一半、一半多。
　　網(wǎng)易科技：2018年語(yǔ)義這塊，您覺(jué)得會(huì)有什么樣的一個(gè)進(jìn)展，市場(chǎng)整體上發(fā)展到一個(gè)什么狀況？
　　俞志晨：從市場(chǎng)來(lái)看，今年各家公司對(duì)于語(yǔ)義的關(guān)注力度會(huì)更大，很簡(jiǎn)單因?yàn)檎Z(yǔ)義其實(shí)格局還是比較確認(rèn)，而像科大訊飛和百度，這幾家語(yǔ)音的市場(chǎng)份額是比較固定的，想搶也不太容易搶，視覺(jué)的那幾家也基本上占得比較緊。
　　第二是說(shuō)關(guān)于這個(gè)技術(shù)本身的走勢(shì)來(lái)看，在今年或者明年會(huì)有更多的一些好的產(chǎn)品能落地，這是必然的趨勢(shì)。
　　第三今年最重要的一個(gè)事情就是各家來(lái)圈場(chǎng)景，誰(shuí)能夠真正把場(chǎng)景拿下來(lái)，這是很重要的事情。因?yàn)槲矣X(jué)得像對(duì)于語(yǔ)義來(lái)講，它跟場(chǎng)景有很大關(guān)聯(lián)性，它目前還不像語(yǔ)音和圖像那樣做得那么通用，但是語(yǔ)義實(shí)際上跟場(chǎng)景的依賴性還是比較強(qiáng)。
　　網(wǎng)易科技：圖靈機(jī)器人目前，你們今年主要做哪些事，今年主要的核心也是圈場(chǎng)景嗎？
　　俞志晨：圍繞著兒童場(chǎng)景來(lái)進(jìn)行，兒童AI是關(guān)鍵。
　　網(wǎng)易科技：圖靈不是已經(jīng)兒童機(jī)器人這個(gè)場(chǎng)景不是已經(jīng)圈住了嗎，你們還準(zhǔn)備圈什么場(chǎng)景？
　　俞志晨：兒童有核心場(chǎng)景，也還有更大的場(chǎng)景，比如穿戴、學(xué)習(xí)，還有包括線下，比如商超。
　　網(wǎng)易科技：你們主要會(huì)圍繞兒童的市場(chǎng)來(lái)做嗎，還是說(shuō)今年你們也會(huì)做別的？
　　俞志晨：今年第一肯定是兒童，我們會(huì)首先把它做好。別的領(lǐng)域我們也會(huì)做，但是現(xiàn)在我估計(jì)今年下半年我們會(huì)有一些其他領(lǐng)域的產(chǎn)品，會(huì)有一些發(fā)布，到時(shí)候可以關(guān)注一下。
　　網(wǎng)易科技：目前在語(yǔ)義這塊是不是大部分是集中在兒童這個(gè)市場(chǎng)上的？
　　俞志晨：也不是，你像客服就很多，還有做輿情，其實(shí)挺多的，做輿情分析、客服，還有做一些語(yǔ)音助手，包括智能家電、音箱、車載，其實(shí)都有涉及。
　　網(wǎng)易科技：為什么你們沒(méi)有選擇那些場(chǎng)景，而是選擇了兒童這個(gè)場(chǎng)景呢？
　　俞志晨：我們覺(jué)得對(duì)于公司來(lái)講，可能這個(gè)場(chǎng)景相對(duì)來(lái)講更容易成熟一些，比較容易去把這個(gè)市場(chǎng)真的能夠做得比較成熟。
　　網(wǎng)易科技：其他的比如客服好像我也聽(tīng)到，也挺多的。
　　俞志晨：但是客服這個(gè)事情比較分散，這個(gè)市場(chǎng)也很大，但是這個(gè)市場(chǎng)很分散，很難一家把它占到一個(gè)很大的市場(chǎng)份額，就這個(gè)意思。所以這個(gè)就跟公司的選擇有關(guān)系，我們可能不太去選擇做那些定制化程度比較高的領(lǐng)域。
　　網(wǎng)易科技：你們先做通用性比較高的？
　　俞志晨：對(duì)，垂直場(chǎng)景在我們看來(lái)是說(shuō)，它的場(chǎng)景的通用性還是比較強(qiáng)的，我們會(huì)去做。
　　網(wǎng)易科技：除了兒童機(jī)器人這個(gè)市場(chǎng)，你們還覺(jué)得有哪幾個(gè)市場(chǎng)也是比較不錯(cuò)的，符合你剛才說(shuō)的比較通用的，能夠大范圍真正落地的？
　　俞志晨：VR、AR這種當(dāng)然也可以，但是這個(gè)市場(chǎng)可能還需要再培育一下。說(shuō)實(shí)話我別的關(guān)注的倒不是很多，我現(xiàn)在最主要就是關(guān)注兒童還有機(jī)器人領(lǐng)域這兩塊。別的車載其實(shí)也還行，車載這個(gè)市場(chǎng)足夠大，但是車載這個(gè)時(shí)間會(huì)長(zhǎng)一點(diǎn)。智能家居也不錯(cuò)，但是智能家居短期之內(nèi)想掙到錢(qián)，可能不會(huì)那么容易。
　　網(wǎng)易科技：為啥不會(huì)那么容易？
　　俞志晨：我說(shuō)對(duì)AI技術(shù)來(lái)講，因?yàn)檎麄€(gè)市場(chǎng)處于變革期，像音箱這個(gè)領(lǐng)域現(xiàn)在量很大，吸引大家的眼球，但是音箱想掙到多少錢(qián)，其實(shí)有點(diǎn)難。

　　網(wǎng)易科技：為啥？
　　俞志晨：因?yàn)樗麄冊(cè)跓X(qián)，補(bǔ)貼。
　　網(wǎng)易科技：他們賣的價(jià)格比較低？
　　俞志晨：對(duì)，因?yàn)樗鼜脑搭^開(kāi)始就不掙錢(qián)，他們就補(bǔ)貼。補(bǔ)貼完了之后其實(shí)你，如果它整個(gè)前端不掙錢(qián)的話，后端這塊也很難真正的能收到錢(qián)，這個(gè)沒(méi)有那么快。
　　網(wǎng)易科技：你們會(huì)進(jìn)入哪些新的領(lǐng)域？
　　俞志晨：我們還是圍繞服務(wù)機(jī)器人的方向去走。
　　網(wǎng)易科技：但是就不光是兒童了？
　　俞志晨：別的可能會(huì)涉及一下，但是現(xiàn)在，可能到下半年我們會(huì)明朗一些，現(xiàn)在還在做一些驗(yàn)證。