机器人大脑需要漫长的积累才能沉淀

2015年8月孙正义曾经在发布会上预言机器智能将在2018年超越人类智能。现在2018年还剩下几天就要过去了。机器智能超越人类智能了吗？

我们看到这么多年来，在语音识别和图像识别方面，机器智能确实在飞速发展。

但，语音识别和图像识别只是机器智能的一部分。在自然语言交互——语义理解方面，市场上始终没有很好的产品。

SIRI视频中描绘的景象和我们在科幻片中看到的智能机器人，他们和人类的交互方式都是自然语言交互。他们都对语义理解有很强的依赖性。实际上，只有做好语义理解，人类才能和机器人进行自然语言交互，机器人才能普及，人工智能时代才会到来。

就在前不久，我们收到了JIBO卖掉的消息。很多人估计是看了JIBO创始人发布的视频才进入机器人行业的。我一直是看衰JIBO这个产品的。因为他们的视频做得太棒了。完全不顾技术基础。一般那样做宣传的公司都会死掉，因为给用户的预期太高了。做好自然语言交互是非常非常非常难的。

以前我讲语义理解，人家不知道是什么，以为只是语音识别的附属品。现在越来越多的人知道语义理解是个细分领域。比如，“前进”到底是什么意思？语音识别识别出这个字，但理解是什么意思，就是语义理解的工作。有时候语义理解是在语音识别之后的。但用文字和机器人交流的时候，就只有语义理解没有语音识别。

JIBO没解决好的问题，可能有一部分就是语义理解。

几年以前就有公司宣布他们做机器人操作系统。百度就一直在推DurOS，他们推的就是机器人的操作系统。但比起操作系统，机器人更需要一个大脑。为什么呢？

首先讲讲什么是机器人大脑。我们和一个人聊天，即使对方没听清你说的什么，他依然能从只言片语推断出你的意图。这是因为对方是有智慧的。如果机器人要理解人类自然语言，一样需要拥有人类的智慧。机器人大脑是一套系统，它让机器拥有近似人类的智慧，能让机器理解人类自然语言。自然语言就是我们日常交流使用的语言，它和机器语言是相对而言的。自然语言的特点就是不标准、不完整、不稳定。而机器语言是命令化的，它的特点就是标准、完整、稳定。

比如，我们需要机器帮我们查账户余额，据有人统计过，我们人类可以用7000多种不同的表达来表达这个意图。这是自然语言的不标准性。倒装句，同义词等等都会导致表达的不标准。

我们经常说省略句，有时按约定俗成进行表达。这都是自然语言的不完整性。比如上一句说“你公司有多少人”，下一句就会省略掉主语说“在哪里”。

我们说“中国足球谁都打不过”，目前看是贬义。假设过了很多年，中国足球天下第一，见谁灭谁，还是这句话，一个字都没变，语义却成了褒义。

操作系统只能处理标准化的机器语言，机器人需要的是能处理自然语言的拥有人类智慧的机器人大脑。语义理解是机器人大脑的核心。如果让操作系统处理语言，机器就还是个机器。比如你说“前进”，语音识别识别成了“天津”，机器打开天津地图。这就是操作系统在处理。如果换成机器人大脑，它要思辨一下用户的意图是什么？根据用户的意图给出用户处理结果。如果是在运动控制状态下，即使语音识别把“前进”识别成了“天津”，依然按照前进处理。

做好机器人大脑不光是个技术活。它首先是一门哲学，其次是一门科学、最后才是个技术，是个工程。

现在恐怕没有关于机器人大脑的权威定义。因为人们对这件事的认知还比较浅。很多人不认为机器人需要个大脑，有操作系统就够了。其次机器人大脑系统结构应该是啥样的？几乎没人能讲清。最后，作为机器人大脑的核心的语义理解是什么，也没多少人能讲清。很多人认为搜索就是语义理解。很多人用搜索技术做语义理解。这是认知的部分，是哲学的部分。很多人在认知上存在局限，自然做不好机器人大脑。

在我们看来，机器人大脑由以下几个部分构成：

第一：系统结构。操作系统的结构是菜单式的。它是面向用户的，它展示一个用户可以理解的菜单给用户操作。机器和人通过自然语言交互，它理解人，不需要人理解它。它的系统结构是平行的。从一个任务（对话场景）到另一个任务（对话场景）通过思辨完成，可以自由切换。想进入则进入、想退出则退出、不想进入则不进入、不想退出则不退出。

第二：自然语言语义理解能力。这部分功能主要是理解用户通过自然语言表达的用户意图。我们提出了语义理解的四个标准：差异原则、同一原则、模糊原则、一致原则。差异原则即理解语言的细微差异。比如“你干什么的”和“你干什么”，差一个“的”，语义不一样。同一原则处理一个问题的多种表达。比如“员工可以带家属参观公司吗”和“家属可以参观公司吗”关键字不同但语义相同。模糊原则是指对用户表达的容错；即使用户表达有一定错误，也能处理。比如用户说“给我往前周”，就应该理解成“给我往前走”。我们有语音相似计算工具专门处理这个。一致原则就是机器人说的话要前后一致。不能一会说“我是男的”一会说“我是女的”。要做到这四点还是很难的。

第三：知识。其实一个7-8岁的小孩的智力水平已经和成年人很接近了。他们只是学的知识不够多。系统和自然语言处理能力只是决定了机器人的智力水平，只有机器人拥有知识才能变得更加聪明。因此需要培养机器人，就是教机器人知识。这部分工作虽然难度不大，但工作量很大。需要全社会一起协作才能完成。互联网和移动互联网之所以强大就是因为有大量内容。而这些内容是全社会一起参与提供的。机器人的知识也需要全社会参与建设。

自然语言语义理解是科学的部分。系统开发是技术的部分。整个机器人大脑建设是工程的部分。

我认为整个机器人大脑建设的工作量要比登月工程大多了。

通常说一个机器人很聪明，基本都是感觉上的判断，没有客观评测标准。即使大名鼎鼎的图灵测试也是感官上的评测。只有系统结构机器人大脑，才能对机器人大脑的优劣做出评测。