驀然認知帶你挖掘IoT時代對話交互的深度價值

3月28日，驀然認知CEO戴帥湘出席了2017春季人工智能產業峰會，并做《對話及應用-自然語言交互的未來及挑戰》主題演講，在之后的創新論壇上與眾多行業大咖進行深度交流，全面闡述了驀然認知的智能交互決策引擎Mor基于DAAA理念的商業價值和技術價值。

人機交互的發展先后經歷了互聯網普及前的桌面時代、互聯網普及后的瀏覽器時代和手機出現后的移動時代，是一個逐步解放雙手的過程，也是一個不斷智能化的過程。如今，一個全新的時代——IoT時代正在到來，在這個時代，語音交互將是科技發展新風口。 為了更好地適應時代要求，驀然認知不斷優化自身，通過和內容、服務提供商的通力合作，著力于將優質的內容和服務進行整合，提供給有需求的用戶。另外在技術上也不斷尋求突破，總結以前的智能語音助手在對話和場景處理上的不足，轉化為自身的優勢。

戴帥湘認為，在IoT時代，互聯網內容和服務的供求將呈現出以下四個新的趨勢，在這些趨勢的推動下，Mor能夠幫助內容和服務提供商實現價值的最大化。

自然對話主導交互，用戶界面弱化甚至消失

IOT時代的最大變化是我們生活中幾乎所有的物體都可以變得智能，例如冰箱、電視、音箱、手表等等，但是用戶需要使用這些設備時，并不能都像使用手機一樣直接通過屏幕交互來操作，屏幕功能越來越弱化甚至消失，這給了語音助手大展身手的機會。如果有了Mor的支持，用戶就可以用對話的方式向設備發出指令，使需求得到滿足。

Mor作為智能交互與決策引擎，是以自然語言對話為主導的。無論處于什么場景、想要什么樣的服務，用戶都可以通過與powered by Mor的設備直接進行對話來滿足自己的要求。另外，這些設備之間可以通過Mor實現智能連接，讓生活智能化。

服務API化，其獲取和使用成本大大降低

隨著互聯網的普及和深入發展，有價值的服務同有價值的網頁內容一樣，都變得多樣而且分散。針對分散的網頁內容，隨后出現的搜索引擎作為一個聚合型的平臺，可以索引到各種內容，并用統一查詢的方式提供給用戶；因此我們也需要一個更強大的引擎把有價值的服務進行聚攏融合，以一個統一和直接的方式呈現給用戶，這時候基于自然語言對話的智能交互決策引擎——Mor就應運而生了。

為實現Mor服務的便利化和功能的最大化，驀然認知為其設計了一種自動服務對接程序，可以掃描服務商提供的接口，讓其盡可能自動化地接入到對話模型中，以“可拔插”的方式來滿足對話過程中特定的意圖需求，無需安裝客戶端，大大減少了工程師接入服務的開發成本。

不同場景下的服務自然融合，用戶使用效率大大提升

在移動時代，APP是用戶獲取信息和服務的主要手段，針對不同的需求有各式各樣的客戶端軟件，例如地圖、訂餐、看視頻、聽音樂等。但是，這種方式有很明顯的弊端，用戶需要在手機、平板等智能設備上安裝許多APP，才能滿足自己多樣化的生活需求，這給他們帶來了操作上的麻煩。另一方面，移動時代的APP化雖然改變了瀏覽器時代數據容易被竊取的問題，但是服務被離散化比較嚴重?；谏鲜鰡栴}，需要有一個能將內容和服務聚合起來的接口，Mor正是這樣一個能將用戶與服務對接起來的智能交互決策引擎。

服務商品化，有償服務變得普及，商業回歸本質

互聯網給用戶獲取內容和服務提供了巨大的便利，網絡上每天都會產生海量的數據和內容，可是并不是所有的數據和內容都具有價值，用戶可能需要花費大量時間對信息進行篩選。

Mor可以通過與內容和服務提供商的合作接入精品數據，將其按需提供給用戶。不論是耳機，還是電視機、音箱、汽車、客服電話、機器人等，很多硬件設備都可以與Mor進行對接，實現精品內容和服務的推送，使硬件更加智能化，也使服務提供商獲得更大的價值回報。

在IOT的時代潮流下，驀然認知的CEO戴帥湘提出了“對話即應用”的理念（簡稱DAAA），Mor就是在此理念的指導下誕生的智能交互決策引擎。它在自然語言理解、學習與決策、自動對接服務這三方面具有顯著的優勢。

在現有的技術支持下，戴帥湘還指出了現階段對話交互中存在的四大誤區。

對話的輪次是否越多越好？

語音助手存在的意義是通過對話滿足要求，如果你想獲取信息，它能給你有效的信息，如果你想讓它幫你完成任務，它能高效準確地完成，這就是優秀的產品。話輪多少并不是最終的目的，能通過對話達到用戶的需求、對話精準和服務精準才是終極目標。Mor可以完成多輪對話，并能準確地理解上下文，它的理解力和服務精準度是高效地幫助人完成任務的有效保障。

場景越多人工規則越多？

人類思維的不可預測性需要機器來迎合，而不是讓用戶改變自己的思維和表達方式。所以，設定的規則越通用越好，這樣既能保證對話的任務導向性，又能賦予它足夠的靈活度。小Mor強大的“知識圖譜”以及它對語義的精準理解，讓對話跳出囹圄，用戶可以按照自己的思維甚至意識流來對話。而且，驀然認知的算法模型是通用的，這樣便能保證小Mor在處理問題時能夠更好地順應人類的思維。

需要劃分明確的垂直場景？

在技術尚不成熟時，想要完全按照人類的學習方式覆蓋場景是有難度的。應對策略有二：一是盡量多地覆蓋場景，把希望寄托在量變產生質變上，但這不是一個長久的解決辦法；二是在量的基礎上，讓機器探求各種知識間的關系以及場景之間的共性和差異。小Mor采取的就是后一種方法，我們強大的“知識圖譜”讓小Mor擁有非常強的學習能力，使它突破束縛，滿足用戶對信息和服務的需求，幫助人更高效地完成各項任務。

系統主動交互越少越好？

現在絕大部分的系統都是被動交互型，不求精確，只求無過，這在很多時候無法滿足用戶的實際需求。對于以輔助決策為目的的小Mor來說，主動交互是進行學習的必要手段。比如，我剛在家中通過小Mor找到了附近吃日料的A餐廳，上車啟動車載系統，車載系統中的小Mor根據上下文位置變化，及開車這一動作，會主動發問：“主人，請確認是否為您導航到A餐廳？”。在這種情況下，系統的主動發問是非常智能的表現，主動交互以迎合用戶的需求、提供更好的服務為驅動，與此同時也為系統本身提供了自動學習機制。

Mor已在路上，準備好迎接互聯網新時代的挑戰，抓住“對話即應用”的新機遇，期待您來共同構建人工智能的新世界！

Be Mor Powerful！

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。