亚马逊AI奇迹背后的女人，独家对话Alexa负责人Toni Reid
亚马逊Alexa无疑是全球范围内截至目前最为成功的AI消费级产品，也可谓亚马逊又一次的奇迹，甚至可以被称为亚马逊AI帝国的奠基性产品。
这是DT君关于本届EmTech Digital人工智能峰会的最后一篇专题推送，内容也依旧重磅：《麻省理工科技评论》出版人兼总编辑 Jason Pontin 对话亚马逊Alexa负责人 Toni Reid。
Toni Reid已在亚马逊工作了19年，2012年加入团队，并于 2014 年正式接管 Alexa 项目，经历了从 Alexa 从无到有的全过程。在与Jason的对话中，她从自己对语音交互界面的理解，到Alexa的立项过程。从技术路径设计，到开发过程中不为人知的小趣闻，为现场观众带来了一场令人印象深刻的对话。
关于火遍全球的语音助手Alexa的台前幕后，Toni Reid女士将为您呈现。
麻省理工科技评论出版人兼总编辑Jason Pontin对话亚马逊Alexa负责人Toni Reid
以下是DT君整理的对话现场全文：
Jason Pontin：关于AI的一个重要应用就是教会机器如何与人类更自然的互动。我想，亚马逊目前正在进行全球最大的自然交互界面实验，而其载体就是个人助理Alexa。
首先，我想问问在场观众有多少人家里有Alexa？
我想大概半数的人都举手了，不过这里是旧金山，科技狂人们应该不会错过Alexa。
好了，在正式开始探讨Alexa之前，能否先请Toni介绍一下自己的经历，以及是什么机缘巧合让你成为Alexa研发主要负责人？
Toni Reid：我在亚马逊已经工作 19 年了，这些年我从人力资源、商业拓展，到产品管理都做过。后来我加入了亚马逊Dash团队，与他们主要为 Amazon Fresh 生鲜销售服务提供技术支持。期间，我开始与亚马逊的语音研发团队密切合作。这大概是在 2012 年，Alexa 和 Echo 都还没有发布。
亚马逊Alexa项目负责人Toni Reid
在这一时期，我们语音团队所从事的是称之为Alexa和Echo最早的准预览版本。你知道在最开始，我甚至不理解Alexa有什么用，人们为什么会需要这么一个产品。
后来，我把原型机拿回去开始试用后，我开始理解团队的目标和远见了。尽管当时的原型机有一大堆bug，而且性能也远不及现在的产品，但我确实被Alexa和Echo深深的迷住了。所以，在2014年，我正式接管了Alexa团队。
Jason Pontin：对于那些没有使用过Alexa，或者任何语音助手的人来说，你们要如何说服他们购买这类产品？如何向他们解释语音技术所能解决的问题？
Toni Reid：当然，这不是件容易的事，我们的市场部门做过很多调研和演练。就像我当初拿到原型机一样，我也不知道它到底能做什么。但只有你真正把它带回家并开始使用后，你才能体验到技术让很多事情变的越来越容易。
现在Alexa已经逐渐成熟，学会了上千项技能，用户能很容易的理解其作用，为工作和生活带来的好处我们也不用多解释了。
Jason Pontin：你经历了Alexa从最初版本一直到现在，你认为，为何语音会在人机交互界面中扮演如此重要的角色？
Toni Reid：首先，语音是最简单、最自然的交互方式，也是人类沟通最基本的方式。所以，在为Alex设计硬件载体Echo的时候，我们并没有为其加上屏幕。这种做法其实是增加了难度：用户只能通过纯语音来使用设备，而并没有屏幕反馈作为辅助。
当你要使用语音来进行互动时，会用到某种互动引擎（Action Engine）。用户会提出需求并给出语音指令。我们第一步是要理解用户需要什么，比如通过自动语音识别（ASR），然后是自然语言理解，去弄清楚对话语境。
我认为，在用户下达语音指令后，我们只有一次机会去部署相应的行动，而不能去和用户来来回回的反复对话。一般而言只有两次对话机会，如果第三次对话还没弄清用户需求，就算彻底的失败了。这样的反复对话对用户来说是很糟糕的体验。
Jason Pontin：你认为语音是最人性化的交互方式，也是人类与其他物种最根本的区别之一。但反过来说，这就意味着，人类对语音交互会有很高的期待值。除了你提到的两次之内弄清需求外，你认为人类对语音交互还会有些什么期待？
Toni Reid：用户的期待其实都是很实际的。他们希望Alexa是可对话的、拥有各种功能、甚至是更接近人类，我们将来或许能做到。
但目前用户最大的期待，同时也是人机对话中存在的最大问题：语境。比如说，我和你现在面对面谈话，会有很多视觉线索告诉我你是否真的听懂我再说什么，或者是否赞同我的观点。
但在人机对话场景下这种视觉线索是缺失的。从AI角度来说，补齐缺失的语境，是目前的当务之急。
语境是人类对话的重要组成部分
Jason Pontin：我有一个很好玩的问题：Alexa到底有没有某种人格？因为大家知道，Siri是有自己非常古怪的性格的，比如调皮、自黑、讽刺等，相信苹果用户都多多少少有所体会。如果Alexa也有某种人格，是你们故意设计的么？
Toni Reid：没错，Alexa确实有，而且我们的团队负责赋予它这种人格。我们用三个词来定义Alexa的人格：聪明、谦逊、乐于助人，当然，或许还有一点冷幽默。你们可以跟它吵架试试，还蛮有趣的。从AI角度来说，将某项技术赋予一些人格是很重要的。
Jason Pontin：还是拿Siri作为例子，作为人工智能交互界面，人们拿着手机与Siri对话的场景明显与Alexa隔空对话是很不一样的，在Alexa的使用方式及语音反馈上你们有哪些考量？
Toni Reid：我们从未间断过用户数据的分析工作，作为一个只能语音设备，你必须决定反馈给用户的信息量。比如，询问天气，机器可以回答“68华氏度”，或者“现在旧金山室外温度为68华氏度”。
同时，需要回馈给用户多少信息也是我们在设计Alexa的过程中需要考虑的，有的人可能只需要最简单明了的回答，有些人可能更享受与机器对话的过程。回馈的信息量我们只能根据用户数据实时去做调节。
Jason Pontin：我们问问题其实有时候并不是要一个确切的答案。比如，问今晚 6 点的温度，可能我是想知道应该穿什么样的衣服。这类问题你们是否有考虑到？
Toni Reid：确实有考虑到。对这类问题的回答通常需要具备一定的预见性。只能手机在这方面是有优势的，比如在手机上语音查询天气后，屏幕上会显示穿衣指数等其他有用信息。
设计Alexa的过程中，我们的原则是让语音反馈尽量简明扼要，因为加入太多和用户问题不直接相关的信息，沟通效率就会降低。
Jason Pontin：Siri是拥有屏幕优势的，Alexa则没有这个功能，有没有什么办法能弥补这个差距？
Toni Reid：我觉得这得看使用场景。比如你要解释某个定义，只需要听到语音描述就够了。但你是要查询一张专辑，这时在屏幕上显示专辑封面就会变得很重要。
亚马逊也有这类产品，比如搭载了Alexa的Fire TV和Kindle平板电脑。亚马逊也正在积极向带屏设备拓展，并开始累计一些经验。
Jason Pontin ：Alexa的用户数量已达到千万级别，这是一个极其庞大的训练数据库。那与 2 年前相比，你们从现在掌握的训练数据中发现了些什么新的东西？
Toni Reid：第一点是，通过这个庞大的 训练数据库，我们越来越清楚用户提问的方式，不管他们问的是关于天气、音乐、交通、购物等，Alexa对语音命令的理解越来越精准。
第二点更多是关于产品本身的。用户非常关心当Alexa被整合到其他类型的产品上、或被移植到其他国家和地区后的表现。比如，我们去年秋天在英国和德国发布Alexa的时候，当地用户其实已经非常清楚Alexa在美国本土能实现的功能，并对其报以极大期待。
但是，由于有些功能并没有完全做好本地适配，所以我们暂时没有发布，以充分管理用户的预期值。
2017年3月最新统计的Alexa在美、英、德三国所掌握的技能总数
Jason Pontin ：目前，Alexa会几种语言？
Toni Reid：两种，英语和德语，英国英语我觉得或许能算第三种语言吧，哈哈!
Jason Pontin ：我这英国口音算是改不了了……不过，我很难想象德国版Alexa说话的时候会是个什么效果（全场大笑）。好了，不开玩笑了。Alexa的下一个目标是什么？你们还希望Alexa具备哪些能力？
Toni Reid：我们希望，Alexa能具有更自然的对话功能，更像人类。我们会进一步增强它的能力，并赋予它更多的技能。
我们希望，Alexa不仅能在家使用，而是任何你要去的地方，而且尽量让用户忽略它的存在。
Jason Pontin ：问个比较八卦的问题，你们见到的所有开发者为Alexa开发的技能中，最诡异的是什么？
Toni Reid：如何放屁……（全场爆笑）
MIT Technology Review 中国唯一版权合作方，任何机构及个人未经许可，不得擅自转载及翻译。
分享至朋友圈才是义举
一个魔性的科幻号，据说他们都关注了