引爆AI技術的Alphago與李世石的“人工智能”世紀大戰已經過去三年，與三年前Alphago大勝李九段時人們驚呼“人工智能將要替代人類”相比，2019年的人們在面對AI時則更為淡然，與之對應的現實是，近三年來人工智能技術雖已取得驚人成就，但仍未真正脫離“人工”的現實。

2018年5月，谷歌在其I/O開發者大會上，展示了令人印象深刻的Duplex人工智能語音技術，當時谷歌現場演示了Duplex語音AI預約理發服務，在與理發店溝通過程中Duplex的那一聲“嗯哼”更是技驚四座、驚艷全球，隨后谷歌董事長驕傲的向世界宣布：在電話預約領域，Duplex已經通過了圖靈測試。

然而，事情當然沒有那么簡單，在《紐約時報》記者的測試中發現，在成功預約的4次中，有三次是由人工偽裝成Duplex完成的，隨后谷歌官方聲明，目前通過Duplex撥打的電話中，約有25%由人類完全操作，在其他非人工操作的情況下，有15%的呼叫受到了人為干預。即使人工智能技術強如谷歌，也仍然邁不過AI語音交互的“智能之坑”。而實際上，著名的圖靈測試，也有其特定歷史環境下的局限性。

實際上，AI語音交互的基礎是基于深度學習算法對語言系統的深度集成，因而決定其具有明顯的“雙邊效應”，一方面，AI語音交互的完成度越高，其用戶數量增長越快；另一方面，用戶數量與使用頻次的增長反作用于AI語音交互的深度學習訓練，從而實現更高的完成度。在互聯網江湖（ITVIPTI）看來，語言交互的過程的本質，是數據在“動態規劃”邏輯下對數據特征的精確匹配。

簡單來說，這就像你拿著一只印著小貓圖案的黃色鉛筆并且想要一只同樣的鉛筆，你需要去一個有著各種各樣筆的文具店，因而你需要用“動態規劃”思維將這只獨特的鉛筆“拆分開來”，明確它的種類以及特征：首先，它是鉛筆、其次它是黃色的，最后它印著小貓圖案。然后根據這些特征通過篩選（算法）去找到文具店中同樣的鉛筆。

但就目前的技術條件下，想要實現語言數據的100%精確匹配需要一些“先決條件”。交互層實現100%準確率的語音識別準確率是保證整個語音交互不會出現語義“理解”偏差的重要前提，而要實現語音識的精準必須構建完整的“語句數據庫”，然后通過大量的識別訓練提升其準確度。

其次，在實現精確語音識別后，需要算法對其進行“數據打包”并且實現對“語言系統數據庫”進行快速檢索，從而匹配到相應的“反饋方案”，而由于不同的語義決定了不同的語音交互場景，因此需要涵蓋幾乎所有語音交互場景的“算法倉”，同時每個算法必須滿足對于精度和效率的雙重需求。在數據層，“語言系統”數據庫的完善程度重某種意義上決定了整個語言交互系統的完成度。

無論是“交互層”還是“算法層”都需要“語言系統大數據”的全面參與，因而，構建完善的“語言系統”數據是整個AI語音交互系統的核心，也是技術上難度最高的一環。然而，現實中在語音識別領域，目前只有科大訊飛的語音識別技術達到了98%的準確率，在整個語音交換互領域，也僅僅只有谷歌的Duplex通過了圖靈測試，而要想真正實現語音交互的人工智能，仍然需要AI底層技術革新的推動。

目前，無論是蘋果的Siri 還是微軟的小娜，在語音交互中均未實現基于時間線對語境的理解。而就2018年5月谷歌開發者大會上Duplex的表現來看，谷歌人工智能語音識別技術在語境的“理解”上已經取得了一些進展。互聯網江湖團隊（ITVIP1）認為，在進階的語音交互過程中，除了遵循“動態規劃”原則實現對語言數據的檢索外，基于“語言系統”對輸入數據的反饋則是一場算法驅動下數據與數據的“納什均衡博弈。”

“數據納什均衡”下的進階AI語音交互雖然從理論上可以實現AI對特定語境下的理解，但這樣的AI仍不能夠算的上真正的人工智能，真正意義上的人工智能不僅僅是“具有人類語言特征”的AI，而是真正具備人類思維能力以及行為能力的AI系統。因此，從這個意義上來講，真正的人工智能不僅具有“人類思維”的軟件范式，也需要在物理上的“擬人化”，使之具備作為“人”行動能力。而想要實現真正的人工智能，不僅需要AI技術的“人化”也需要工程上的“人類化”。

也就是說，剝去人工智能的外衣，如今的AI并未真正意義上實現“人工智能”，更多的還是一種用于大數據分析與檢索的工具，實際上，當下AI的價值也在于對數據的高效匹配和應用。另一方面，雖然AI技術在產業應用上仍有巨大的空間，但深度學習算法的“工具式”人工智能的天花板已經觸及，算法驅動下的AI技術已經到達瓶頸。

也許，《機械姬》中對于人工智能的幻想在本世紀末也未必能夠實現，而對于“人工智能顛覆人類”的恐懼也頗為“杞人憂天”，相對于人工智能時代的到來，或許我們更應該關注如今AI技術對于當下的改變，而AI語音交互作為AI技術應用的前沿陣地，任何的技術以及應用層面的進展都更值得我們去關注。