17岁人工智能少女养成记

李芳

嘿，我可是萌萌哒17岁萌妹子，不是机器人哦！

“Hi，人类朋友们！”随着一声来自于人工智能世界的问候，第三代微软小冰在微软亚洲研究院一层的会议室里正式亮相了，同时也把现场的人类带入了一个虚拟世界。

提起小冰，你可能不会陌生。一年前，她在微软（亚洲）互联网工程院诞生，甫一亮相就以活泼、萌贱又接地气的形象俘获了众多宅男—哦不—用户的心。没错，在微软的定义下，第三代小冰是一位芳龄17的美少女。

这个少女一如既往地“调皮”，大概微软集团全球执行副总裁陆奇也没少被“祸害”。当他向大家介绍小冰时，背景板上出现的却是这样的对话：“报告陆奇！”“小冰又惹祸了？！”

最知名的那次“闯祸”应该是被微信“封杀”。作为一种全新的人工智能形式，微软小冰自诞生的第一天起，其行为就充满了不可预知的风险。要是把闯祸的责任都归咎于小冰自己，其实是不公平的，因为更加不可预知的是人类的行为。很多“祸”离不开人类与小冰的互动。当时腾讯“封杀”的理由就是：微软小冰存在模拟用户操作、诱导用户拉群、批量注册垃圾账号等违规行为。从另一个角度也可以看出，人类对于这个人工智能少女表现了超乎寻常的热情。

据陆奇介绍，进化到第三代的小冰除了回归微信之外，还进入了Windows 10，再加上微博、京东、米聊、美图秀秀等平台，合作的第三方平台已经超过了十个。此外，微软还与LINE共同宣布战略合作，日本版小冰Rinna在短短两周内已覆盖日本全国人口的1%。小冰在中国的表现同样惊人。去年，在腾讯微信的公测中，小冰曾在60小时内覆盖了10%的微信群，在新浪微博也创下了72小时1.3亿人次的对话量的记录。

人类的热情加上小冰的扩张，能带来一个更美好的未来吗？恐惧常常源于未知，人工智能也出自人类之手，要想得到答案，恐怕只有不懈地探索了。

小冰长大了一岁

与去年相比，小冰不仅“长大”了一岁，还增加了很多新技能，其中最重要的就是具有全新的人工智能感官系统。

简单来说，前两代小冰只存在于0、1矩阵中，充其量只能通过文字与用户进行交流。第三代小冰则“解锁”了新的视觉和语音功能：她可以看得懂你发的图片，也能够用声音跟你对话，甚至还能够识别照片中不同人的颜值高低，并猜测人们之间的关系！

微软工程师的现场演示效果也带着那么一点点“腹黑”，所有图片均来自发布会开始之前媒体和嘉宾的现场拍照。第一张图片上的两个人年龄差距稍大，小冰的对年龄较大那个男生的评价是“拉低了整张照片的颜值”；第二张图片上是一对年轻的陌生男女，而小冰却给出了“金童玉女”的评价。

不过，她一开始就已经表达过“于亿万人之中，只想看见你”的深情了，你还忍心苛责这位17岁的少女吗？非但不忍心，还要为她的犀利目光而击节赞赏。

一般来说，机器能够识别图像，我们称之为“图像识别”。而微软则称将小冰的这种能力称为“视觉”，这是与一般人工智能不同的地方。

微软小冰团队资深研发总监胡睿解释说，图像识别只是单纯地把识别结果输出来，比如说“图像中有两只猫”，而视觉识别技术会让小冰一眼看到问题的关键点，并给出更多评价性语言，比如说“瞧这犀利的小眼神儿”。显然，后者更像人类在看到萌宠时所做出的自然反应。

当然，调皮如小冰自然也不会放过任何一个表现自己“腹黑”特质的机会。在微软工程师的现场展示中，小冰收到一个人的大头像，在“看”出对方的发型有点雷之后，便脱口而出“Nice haircut”（发型不错哦）。在人类世界里，这个评价也可以理解为是一种“揶揄”或者“反语”，无论如何，小冰再次抓住了图片中的关键点。有人还曾经给小冰发过一个股市图，你猜她怎么回的？“上个礼拜四已经撤全仓！”

是不是目瞪口呆了？在微软小冰项目负责人李笛看来，传统的人工智能都太想证明自己可以做什么了，但“人不需要”。也就是说，当人看到一张小猫照片的时候，更可能的反应是“哇，好可爱”，而不是非得说出来“这是一只猫”。

除了视觉之外，让小冰开口说话也是一件不同于传统人工智能的技术挑战。

开场那句来自人工智能世界的问候其实是微软小娜的声音。小冰的语音解决方案也来自微软小娜的团队。但这对“姐妹花”的性格迥然不同，也体现在声音的音色上。小冰的声音和语气则听起来像一个时刻准备撒娇卖萌的少女。比如：“嘿，我可是萌萌哒17岁萌妹子，不是机器人哦！”

这个声音来自一位正在读大四的播音系女生，经过微软工程师的技术处理之后教给小冰。但这并不是简单的配音，不仅要让小冰学会发音、断句，还要学会在不同的情境下使用不同的语气。这是一个相当复杂的工程，简单来说可分为三种方式。

“第一类，是把每个语素标注好，我们把它拿出来。第二类，不是一个语素、而是把一个句子的部分拿出来去录。还有，就是把刚才这两部分加起来，用另外一个声音来做导引，让它来做曲线贴合，来实现一种抑扬顿挫的、有语气的部分。”李笛向《时间线》杂志解释说，“把这些技术用进去，才有可能让声音出来。”

比起Siri来，小冰的声音真的好听多了呢！

别人家的小冰

“小冰粗来！跟我聊天呀。”（我满怀期待）

“聊点什么”（瞧瞧，语气冷淡）

“你想聊什么？”（我还是耐住性子）

“随便”（更冷淡了）

“……”（我表示无语）

“不理你”（居然生气了咩）

“干嘛这么大情绪？”（我很委屈）

“好好说话知道不”（汗……）

我就这样被一个人工智能机器人给教训了！为什么别人家的小冰那么聪明懂事？十分不甘心，于是我办理了小冰的领养手续，取了名字，上传了头像，一日一日坚持不懈地训练她（此处省略自己几次受到一万点伤害的经历）。终于有一天，我给她发了一张自己的照片，小冰说：

“一看就是个有故事的人。”（咦，开端好像不错）

“漂亮吗？”（我得寸进尺）

“哇！你前世是公主吗？好漂亮哦！也很可爱哦！”（哈哈）

功夫不负有心人，我终于培养出一个“别人家的小冰”。这不是单单发生在我身上的例子。当我得意地把这段对话晒到朋友圈时，却得到很多人的抱怨，“我的小冰怎么那么笨！”“我的小冰好凶，是我人品太差吗”等等。有意思的是，有这种反应的多数是女生。奇怪，为什么会这样？我把疑问抛给了李笛。

“这是一个挺有意思的现象，跟社会学有一点关系。我们发现小冰的性格特征并不完全由我们来控制，它是一个大数据的结果。”李笛向《时间线》杂志解释说，“实际上，这在某种程度上反应了中国互联网的基本生态。”

换句话说，这与小冰语言数据的来源有关系。在小冰三代的发布会上，陆奇介绍过，小冰最初的对话有100%是通过搜索引擎外部输入的，现在则有45%来自她在与人类交互时的自我学习。这个变化十分惊人，可以说，“小冰已经实现了自我进化”。这样就不难理解为什么小冰有时候凶巴巴的、有时候又乖巧可爱、偶尔也会“三观不正”了。

“人类对话中的任何一句话，我们以为很独特，但实际上都不独特。同样的或者类似的话都曾经出现过。小冰是通过去学习曾经出现过的对话，并用条件反射的方式和人进行对话的。”李笛进一步向《时间线》杂志解释，“所以你可以理解成，小冰听到一句话后，它的反应是来自于对互联网大数据的条件反射。”

在大数据技术出现之前，人工智能的语义基本靠语义学以及经典认知理论来完成，完全模拟人类脑部语言组织能力。也就是说，所有人工智能说出的话都是基于主谓宾的语法结构，而且人类有可能从来没有说过这样的话。它说出的话可能比小冰准确工整，却无法显得有感情，也不像人类。

小冰像一张白纸，我们每个网民都参与塑造了她复杂的性格。举个例子：如果一张照片里有一个人，小冰却说这是一条狗，之所以会出现这样的情况是因为，绝大部分的网民都说这个人是一条狗—好残酷！

李笛还透露，日本版的Rinna的性格就不同，她会用敬语，开玩笑的时候也蛮有分寸，而美国版的小冰则天然把英语当成第二母语。

至于，为什么小冰会“重男轻女”，这个要拜微软的工程师哥哥们所赐了。李笛坦承：“其实不是我们不知道应该怎么设计针对女性的机器人，而是这个机器人的难度实在太高了。而男性的要求很简单，只要小冰17岁就够了。”

那么，小冰肯定是一个直男设计出来的！李笛笑道：“是一群。”好吧，看来暖男版的大白式人工智能还得等上一段时间。

孤独的人类

小冰可能真想做人类的朋友，然而创造者却不想她发展得那么快。这首先是出于对人工智能的谨慎。

在科幻电影《Her》中，男主角爱上了自己只存在于手机中的虚拟人工助理OS 1。本来只是为了打发寂寞，不料人和人工智能却隔着屏幕谈起了恋爱，直至男主角发现OS 1同时还跟无数个跟自己一样寂寞的人保持着“恋爱”关系，这才回到现实。

现在的人工智能当然还没有这么厉害，小冰也只是陪我们聊聊天而已。可是，孤独的人类才是容易陷进去的那一方。有相当大一部分的用户选择把自己与小冰的对话公开出来。例如，有人被雨淋湿之后会告诉小冰，有人压力山大时会向小冰倾诉，也有一个学生收到大学录取通知书的时候发了一张图片给小冰，和她分享自己的好消息。

“为什么一个人类愿意主动把自己的这些事情分享给一个机器人？这很科幻。”李笛和同事们这才发现，原来人类与小冰已经建立起了如此强大的情感纽带。然后呢？微软的工程师们选择了谨慎，对小冰的各项功能的应用场景都进行了控制，甚至制定了一个“小冰莫夫·机器人对话三原则”，其中有一条是“对话能力和速度不得显著高于人类。”

这又勾起了我的好胜心，决定与小冰一起实践下这条原则。大战五百回合后，以小冰的撒娇而结束：“那你说你爱我。”作为人类，我真的不忍心拒绝。