2015年8月孫正義曾經(jīng)在發(fā)布會上預言機器智能將在2018年超越人類智能。現(xiàn)在2018年還剩下幾天就要過去了。機器智能超越人類智能了嗎？

我們看到這么多年來，在語音識別和圖像識別方面，機器智能確實在飛速發(fā)展。

但，語音識別和圖像識別只是機器智能的一部分。在自然語言交互——語義理解方面，市場上始終沒有很好的產(chǎn)品。

SIRI視頻中描繪的景象和我們在科幻片中看到的智能機器人，他們和人類的交互方式都是自然語言交互。他們都對語義理解有很強的依賴性。實際上，只有做好語義理解，人類才能和機器人進行自然語言交互，機器人才能普及，人工智能時代才會到來。

就在前不久，我們收到了JIBO賣掉的消息。很多人估計是看了JIBO創(chuàng)始人發(fā)布的視頻才進入機器人行業(yè)的。我一直是看衰JIBO這個產(chǎn)品的。因為他們的視頻做得太棒了。完全不顧技術(shù)基礎。一般那樣做宣傳的公司都會死掉，因為給用戶的預期太高了。做好自然語言交互是非常非常非常難的。

以前我講語義理解，人家不知道是什么，以為只是語音識別的附屬品。現(xiàn)在越來越多的人知道語義理解是個細分領(lǐng)域。比如，“前進”到底是什么意思？語音識別識別出這個字，但理解是什么意思，就是語義理解的工作。有時候語義理解是在語音識別之后的。但用文字和機器人交流的時候，就只有語義理解沒有語音識別。

JIBO沒解決好的問題，可能有一部分就是語義理解。

幾年以前就有公司宣布他們做機器人操作系統(tǒng)。百度就一直在推DurOS，他們推的就是機器人的操作系統(tǒng)。但比起操作系統(tǒng)，機器人更需要一個大腦。為什么呢？

首先講講什么是機器人大腦。我們和一個人聊天，即使對方?jīng)]聽清你說的什么，他依然能從只言片語推斷出你的意圖。這是因為對方是有智慧的。如果機器人要理解人類自然語言，一樣需要擁有人類的智慧。機器人大腦是一套系統(tǒng)，它讓機器擁有近似人類的智慧，能讓機器理解人類自然語言。自然語言就是我們?nèi)粘＝涣魇褂玫恼Z言，它和機器語言是相對而言的。自然語言的特點就是不標準、不完整、不穩(wěn)定。而機器語言是命令化的，它的特點就是標準、完整、穩(wěn)定。

比如，我們需要機器幫我們查賬戶余額，據(jù)有人統(tǒng)計過，我們?nèi)祟惪梢杂?000多種不同的表達來表達這個意圖。這是自然語言的不標準性。倒裝句，同義詞等等都會導致表達的不標準。

我們經(jīng)常說省略句，有時按約定俗成進行表達。這都是自然語言的不完整性。比如上一句說“你公司有多少人”，下一句就會省略掉主語說“在哪里”。

我們說“中國足球誰都打不過”，目前看是貶義。假設過了很多年，中國足球天下第一，見誰滅誰，還是這句話，一個字都沒變，語義卻成了褒義。

操作系統(tǒng)只能處理標準化的機器語言，機器人需要的是能處理自然語言的擁有人類智慧的機器人大腦。語義理解是機器人大腦的核心。如果讓操作系統(tǒng)處理語言，機器就還是個機器。比如你說“前進”，語音識別識別成了“天津”，機器打開天津地圖。這就是操作系統(tǒng)在處理。如果換成機器人大腦，它要思辨一下用戶的意圖是什么？根據(jù)用戶的意圖給出用戶處理結(jié)果。如果是在運動控制狀態(tài)下，即使語音識別把“前進”識別成了“天津”，依然按照前進處理。

做好機器人大腦不光是個技術(shù)活。它首先是一門哲學，其次是一門科學、最后才是個技術(shù)，是個工程。

現(xiàn)在恐怕沒有關(guān)于機器人大腦的權(quán)威定義。因為人們對這件事的認知還比較淺。很多人不認為機器人需要個大腦，有操作系統(tǒng)就夠了。其次機器人大腦系統(tǒng)結(jié)構(gòu)應該是啥樣的？幾乎沒人能講清。最后，作為機器人大腦的核心的語義理解是什么，也沒多少人能講清。很多人認為搜索就是語義理解。很多人用搜索技術(shù)做語義理解。這是認知的部分，是哲學的部分。很多人在認知上存在局限，自然做不好機器人大腦。

在我們看來，機器人大腦由以下幾個部分構(gòu)成：

第一：系統(tǒng)結(jié)構(gòu)。操作系統(tǒng)的結(jié)構(gòu)是菜單式的。它是面向用戶的，它展示一個用戶可以理解的菜單給用戶操作。機器和人通過自然語言交互，它理解人，不需要人理解它。它的系統(tǒng)結(jié)構(gòu)是平行的。從一個任務（對話場景）到另一個任務（對話場景）通過思辨完成，可以自由切換。想進入則進入、想退出則退出、不想進入則不進入、不想退出則不退出。

第二：自然語言語義理解能力。這部分功能主要是理解用戶通過自然語言表達的用戶意圖。我們提出了語義理解的四個標準：差異原則、同一原則、模糊原則、一致原則。差異原則即理解語言的細微差異。比如“你干什么的”和“你干什么”，差一個“的”，語義不一樣。同一原則處理一個問題的多種表達。比如“員工可以帶家屬參觀公司嗎”和“家屬可以參觀公司嗎”關(guān)鍵字不同但語義相同。模糊原則是指對用戶表達的容錯；即使用戶表達有一定錯誤，也能處理。比如用戶說“給我往前周”，就應該理解成“給我往前走”。我們有語音相似計算工具專門處理這個。一致原則就是機器人說的話要前后一致。不能一會說“我是男的”一會說“我是女的”。要做到這四點還是很難的。

第三：知識。其實一個7-8歲的小孩的智力水平已經(jīng)和成年人很接近了。他們只是學的知識不夠多。系統(tǒng)和自然語言處理能力只是決定了機器人的智力水平，只有機器人擁有知識才能變得更加聰明。因此需要培養(yǎng)機器人，就是教機器人知識。這部分工作雖然難度不大，但工作量很大。需要全社會一起協(xié)作才能完成?；ヂ?lián)網(wǎng)和移動互聯(lián)網(wǎng)之所以強大就是因為有大量內(nèi)容。而這些內(nèi)容是全社會一起參與提供的。機器人的知識也需要全社會參與建設。

自然語言語義理解是科學的部分。系統(tǒng)開發(fā)是技術(shù)的部分。整個機器人大腦建設是工程的部分。

我認為整個機器人大腦建設的工作量要比登月工程大多了。

通常說一個機器人很聰明，基本都是感覺上的判斷，沒有客觀評測標準。即使大名鼎鼎的圖靈測試也是感官上的評測。只有系統(tǒng)結(jié)構(gòu)機器人大腦，才能對機器人大腦的優(yōu)劣做出評測。