阿里发布AliGenie2.0系统,让AI音箱“长眼睛”

作者:张乾 来源: 新智元 2018-03-23 13:47 阅读(

  导读:昨天,阿里巴巴人工智能实验室总经理浅雪宣布天猫精灵销量已经突破200万台,更重要的是,最新的AliGenie2.0系统增加了视觉能力,并具备多模态交互能力。2018年的“百箱大战”一个重要的趋势就是视觉化、屏幕化,几乎所有的巨头都会让AI音箱“长眼睛”。



  天猫精灵X1的升级版X2没有预期出现,而人机交互系统AliGenie升级到最新的2.0版本,功能强大。

  3月22日,阿里巴巴人工智能实验室总经理浅雪(陈丽娟)发布AliGenie2.0系统,它最大的改进是在1.0的基础上增加了视觉能力,并引入多模态交互能力,只需要另外增加一些辅助设备,就能让天猫精灵具备视觉能力。同时,浅雪还宣布,天猫精灵销量已经超过200万台。

  四年前,亚马逊推出Echo,将AI音箱大战引发;去年,亚马逊又推出带屏幕的音箱Echo Show,音箱视觉化、屏幕化成为一种趋势。除了AliGenie2.0外,京东叮咚Play以及百度即将发布的“小度在家”都具备视觉能力,AI音箱终于要拼视觉了。

  AliGenie2.0:增加图像识别、物体检测、人脸识别能力

  去年5月,阿里人工智能实验室(AI Labs)发布天猫精灵X1,内置AliGenie1.0系统。

  AliGenie1.0已经建立了超强的知识体系,在这个知识体系当中拥有1个亿的实体理解能力,构建了近10亿的关系。同时AliGenie1.0算法也在升级,阿里AI Labs发布了一个全新的序列标注模型,这个序列标注模型能解决有自动纠错的能力,可以帮助语音理解有更强的容错性。AliGenie还具备主动学习能力,每一次跟用户的交互过程当中,系统都会自动完善。

  浅雪发布的AliGenie2.0系统,是在1.0的基础上形成具备视觉、语音等多模态交互能力的新一代的人机交流系统。它不仅会具备听觉能力,还有视觉能力和情感反馈能力。

  其中,视觉能力中又分为图像识别、人脸识别、物体检测三大技术。

  同时,阿里AI Labs还把语音能力和视觉能力进行了融合,形成多模态交互的过程,从而构建一个更聪明的人机交流系统。

  浅雪认为,人机交互远远不仅语音,“我们觉得在未来人机交互不仅有听觉,还有视觉、嗅觉,以及有更强的情感反馈能力。”

  阿里AI Labs去年在自然语言理解等方向投入诸多,并在去年10月宣布引入微软亚洲研究院首席研究员聂再清博士、谷歌 Tango 和 DayDream 项目技术主管李名杨博士。目前聂再清负责阿里AI Labs北京研发中心的各项研发工作,并重点突破知识图谱和自然语言理解这两个领域。李名杨任 AI Labs 机器视觉杰出科学家。



  阿里AI Labs北京研发中心负责人聂再清

  在接受专访时,聂再清表示,天猫精灵具备情景感知、主动学习能力。自然语言理解很大的难点是因为自然语言的多样性,一句话可能有无数的意思,这就需要通过大数据,让开发人员跟大数据的交互主动进行挖掘,主动找到路径让开发人员跟用户一起交互,把语言的各种意思都完善了,才能让机器听懂,这也是阿里AI Labs 技术上的优势。

  阿里AI Labs做硬件的逻辑:亲手打造更懂跨界,AliGenie系统将来或开放

  虽然天猫精灵X2没有发布,但更小巧尺寸的天猫精灵曲奇、天猫路由器、天猫魔屏 S1 无屏电视以及周边配件等诸多硬件同时亮相。

  阿里最擅长做平台,这次一口气发布多款硬件产品,并非要转变路线,其背后的逻辑非常现实:做硬件比软件难的多。

  浅雪说,阿里AI Labs在做天猫精灵之前,就已经尝试跟行业的一些合作伙伴共同研发硬件,但在合作过程中碰到了非常多的挑战,毕竟软硬件这两个不同领域跨界合作,相互之间并不清楚里面存在的问题。

  一般来说,如果自己只做服务、系统,交给第三方做硬件的话,不容易掌握品控、制造周期等环节,这也是AI Labs去年自己着手打造硬件的原因。

  不过,阿里做平台的基因没有变。浅雪希望AliGenie这个系统将来做的更好,让硬件的合作伙伴可以做(相关产品),应用AliGenie这套技术。

  此外,浅雪还宣布,现在天猫精灵的销量已经突破200万台。



  百箱大战继续升级:增加视觉能力,实现更多场景

  2014年亚马逊的Echo问世,点燃了AI音箱大战的导火索,谷歌Home、苹果的Home Pod以及国内的阿里天猫精灵、小米的小爱同学、猎豹AI音箱等纷纷入场;去年亚马逊发布带屏幕的音箱Echo Show,将AI音箱带入另一个竞争阶段:视觉化。

  虽然这次天猫精灵并没有推出带屏幕的音箱,但AliGenie 2.0将视觉能力落地,推出了“精灵火眼”:外置一台XHolder(类似手机支架),放置装有天猫精灵手机APP的手机后,能够让天猫精灵具备视觉认知能力。

  这种做法类似当年谷歌在推出VR产品时,外设的Google Cardboard,能够在实现视觉功能的同时,最大限度节省成本。

  但“友商”们更激进。在今年CES上,京东智能音箱叮咚Play亮相,这款产品配备了8英寸的液晶显示屏,能够实现视频通话、人脸识别等功能。百度近日也宣布,将在下周发布“小度在家”智能视频音箱。

  进入2018年,视觉化、屏幕化让“百箱大战”进入到新的竞争阶段。与单纯的语音音箱而言,加入了视觉功能的音箱能够实现更多场景。以“精灵火眼”为例,阿里与出版业合作,通过图像识别书本后,“精灵火眼”能够实现智能语音互动、声音朗读,帮助儿童读书、识字,商业化空间巨大。

页面链接:   https://news.znds.com/article/news/30116.html

下一篇
被赋予着巨大经济潜力的客厅经济,在科技的高速发展下,涌现了一批批以人工智能加持的产品,譬如智能电视、智能音箱等。其中,智能电视以存量规模近2亿台居于有线数字电视之上…