人工智能科普篇——微信上的人工智能
之前曾经整理过一次微信的发展历史，参见《微信产品探寻录－－重新编辑版》，其中提到了很多微信中的人工智能应用，有兴趣的同学可以阅读一下，以更深入地了解人工智能在微信上的落地时间。
随着深度学习的兴起，AlphaGo的横扫棋坛，人工智能在语音，图像，NLP等领域近乎革命性的效果改进，人工智能可谓盛名有加。不过离人工智能走向寻常百姓家，还是有点距离。要普及人工智能，固然需要考科学家和工程师的强强联合，但是也离不开类似微信这样的国民应用，借助人工智能改进产品体验，给人民的日常生活，更来更多的便捷。
之前提到BAT的人工智能布局，很多朋友总以为腾讯在人工智能方面技术最浅，产品最少。我不以为然。本文就想尝试以微信产品功能为契机，介绍人工智能在当前互联网产品的应用，并尝试一窥人工智能目前的成熟度，未来技术变革可能给亿万人民带来的交互革命。
语音识别
人工智能这么火，各种人才动辄百万千万，除了谷歌的AlphaGo大力普及，投资人推波助澜，恐怕和深度学习技术在语音识别效果上的突飞猛进分不开。自从深度学习在语音领域初试锋芒，得到超过30%的相对错误率降低后，接着便在图像，自然语言处理等领域相续大热，并取得不俗成绩。
语音识别，业界术语为ASR，全称就是自动语音识别。早期是固定小词汇，目前都是大词汇量连续语音识别系统了。顾名思义，语音识别的任务便是，将语音信号转换为文本。深入为语音，输出为转录文本。业界比较知名的语音识别有科大讯飞，百度语音识别。出门问问，云知声，思必驰等，也是比较知名的语音识别相关人工智能公司。
下面我们就来看看语音识别这个事情，在微信上是怎么使用的。
热词唤醒
首先，语音识别一般都一个唤醒词功能。比如谷歌的唤醒词为“Ok ,Google”，亚马逊的Echo唤醒词为“Alexa”，科大讯飞出的灵犀语音助手使用的则是“灵犀灵犀”，出门问问的唤醒词则是“你好问问”。唤醒词功能，目前在微信上并没有相关的产品。不过腾讯系的云小微，是提供了该功能的。可以参考以下网址：
https://xiaowei.qcloud.com/
以下是腾讯云小微的相关介绍，其中我把唤醒词高亮显示，以证明我所言不虚。
小微，是一套腾讯云的智能服务系统，也是一个智能服务开放平台，接入小微的硬件可以快速具备听觉和视觉感知能力，帮助智能硬件厂商实现语音人机互动和音视频服务能力。
在使用小微的时候，只需要说一声“小微”，就可以开始播放音乐和视频、听有声故事和新闻、查询天气、学习英语、 与朋友聊聊天、创建任务提醒、设定闹钟时间等，小微还可以和各种智能设备进行交互，用来控制调节灯光空调和电视， 小微还能通过图像识别技术认识很多东西，这看起来很酷，是吧！来吧，让我们迎接AI时代的到来，用声音连接物理世界！
离线识别
离线识别是说，语音识别系统是不需要依赖网络的。整个识别的解码代码，跑在手机上。比如微信下图的联系人搜索，就可以做成离线识别。
不过经过笔者测试，该功能目前使用的是在线识别，而不是离线。可能是离线识别会使得微信安装包过大，另外， 微信本身是一个社交工具，离线了无法使用，因此做成离线识别也就没有太大意义了。
比如典型的离线识别的例子，就是车载上的车机控制，比如说打开音乐，调高音量等。出门问问的Ticwatch，就使用离线识别，实现了拨打电话等功能。
在线识别
所谓在线识别，就是识别的任务，是跑在云端的。本地只是负责录音和传输数据（当然，本地也可能会做静音检测，以提早结束录音）。
在微信中，聊天窗口中，添加底部“➕”（表情符号旁边），选择“语音输入”功能，即可实现在线语音识别，作用类似讯飞等的语音输入法。微信使用的是“按住说话”的交互方式。这个方式的好处是，放开录音按钮就意味着说话结束。还有一种交互方式，点击语音按钮后，可以放开录音。比如典型的有苹果的SIRI，国内的则有科大讯飞的灵犀，出门问问的语音助手等。
经过本人测试，微信的语音识别经过不断的改进，目前的识别率已经比较领先了。普通话标准的话，应该日常使用已经不是问题。当然语音识别的难题在于，非标准口音，远场，噪声环境。相信随着技术的进步，语音输入法在微信上会越来越流行。
当然，如果对方发送的是语音信息，而不是使用微信的语音输入法来发送文本信息，这时候用户也可以借助微信的语音识别技术，自动转换语音信息为文本。当你在开会的时候，收到了一位重要朋友的消息，比如父母的消息，这时候不方便收听语音信息，但是又想“看”语音内容，就可以借助这个功能啦。操作很简单，长按音频信息，选择其中的“转文字”，即可将音频转换为文字。
以下就是转换后的文本信息——
整体看起来，准确率已经非常高，没有一个错别字。当然，标点符号还不是非常完美，不过我们也没有必要吹毛求疵啦，因为并不影响阅读。
另外， 值得一提的是，微信公众平台已经开放了语音识别功能，只要如下图操作，开启“接收语音识别结果”，即可在接受公众号语音消息的同时，拿到对应的转录文本。这样，大部分的开发者，就不需要接入第三方的语音识别引擎了。
语义理解
有时候，知道说了什么字，并不代表说了什么意思。比如互联网上经常有这样的段子出现：
马云：“我看优酷视频的广告太烦了，帮我买一下。”
秘书：“买好了。”
马云：“买了年费会员还是几个月的？”
秘书：“啊？”
所以，语音识别就是有一天做到了100%的准确率，话说的是什么意思，也是一个巨大的调整。NLP（自然语言处理）就是做这个的。常见的自然语言处理任务包括分词，词性标注，实体词识别，关键词抽取，文本分类，自然语言生成等，这里不再展开。后续有机会再专门撰文介绍。NLP是一个基础技术，直接体验可能没那么直观。比如在微信中的“搜一搜”，“看一看”，就需要使用到NLP技术，才能够理解用户的搜索意图，了解用户阅读背后的喜好信息。
不过除了微信这个手机客户端，微信也提供了开放平台。而开放平台上，则可以看到微信NLP方面的API。
微信开放平台相关链接：
https://open.weixin.qq.com/cgi-bin/showdocument?action=dir_list&t=resource/res_list&verify=1&lang=zh_CN
开放平台本身提供了一份语义理解接口协议文档，文档地址为：
https://open.weixin.qq.com/zh_CN/htmledition/res/assets/smart_lang_protocol_0414.pdf
举一个例子吧。比如用户想要查一下机票信息，问“查一下明天从北京到上海的南航机票”，API的请求信息如下：
微信开放平台返回的信息为Json格式，内容如下：
可以看到，NLP的输出信息包括出发城市，目的城市，起飞时间，航班信息等。这些就是所谓的语义信息了。
相信在不远的将来，NLP的一些技术，在微信的小程序上，将会发挥越来越重要的作用。有了自然语言处理的技术助力，广大的开发者将可以很方便的理解用户的搜索需求，而微信直接对接到小程序上的众多服务，直截了当地满足用户需求。
图像识别
图像识别技术，比较常用的有，人脸识别，车辆检测，OCR等。在微信的扫一扫中，可以扫码，扫封面，扫街景，也可以扫书本等不同媒介上的文字，实现翻译功能。
比如我随便找了一本书，对着二维码扫了一两秒，
微信自动打开了以下页面：
这个页面有书籍的简介信息，在线购买链接（甚至有各个在线商店的比价信息），当然，如果你有微信读书的阅读习惯，也可以在上面购买阅读，或者是订阅对应电子书的上架提醒。（写C++的程序员朋友，这里顺便推荐下这本书。这本书高屋建瓴，读完大有一览众山小的感觉。）
接下来我们再看看翻译怎么玩。我随便找了一个身边的购物盒子，上面有一个艺术化处理的Global 单词。可以看到，微信可以很轻易就识别出来这个单词，并且给出中文翻译。
当然，微信的开放平台，也提供了图像识别的能力。官方介绍如下：
利用微信图像识别接口，第三方开发者可以把微信图像识别能力集成到自己的应用中，通过集成图像识别SDK，使得应用具备移动视觉搜索的功能，可识别海报、广告、杂志、报纸上的图片和内容。
机器翻译
所谓的机器翻译，就是自动自动实现语言A到语言B的转化。上帝为了防止人类建造巴别塔，让人类使用不同的语言，给沟通造成了天然的屏障。而目前人类通过技术翻译自动，已经基本实现了跨语言沟通。这两年随着深度学习技术的进步，谷歌在机器翻译方面，更是取得了重大的进展。
微信产品上，目前使用的机器翻译技术，是使用第三方提供的，目前接入的是网易有道的翻译。使用也很简单，对你接收到的英文等信息，长按消息，点击“翻译”按钮即可。翻译效果如下图所示：
为了测试，我自己输入了一些对话常用语，也在网上随机找了一些名言警句。可以看到，简单的翻译问题不大，不过稍微难一些的，翻译效果差强人意。看起来，文学作品级别的翻译，是人工智能比较难取代的。如此说来，笔者以后失业了，可以考虑转型文学翻译：）
为了产品体验的改进，微信有必要自己投入研发人力，进一步改进翻译的效果。或者短期内，考虑接入更好的翻译引擎。
声纹识别
每个人的声音都有自己的特色，声纹识别就是利用了声音的特色，来实现对身份的确认。当然，音箱等家居产品的到来，可能会催生更多的声纹识别场景。比如根据声纹，识别使用者是家庭中的小孩还是成人，从而提供不同的内容推荐服务等。
目前微信里也有声纹识别的功能，那就是微信的声音锁。微信会根据你说话的声音，来判断话说人是否是合法的账号所有者。这个相比输入冗长难记的密码而言，产品体验上了不止一个台阶。
语音合成
语音合成术语为TTS，意即Text To Speech, 作用是将文本转换为语音。目前主要有参数化合成和拼接合成。目前最知名的语音合成系统，恐怕就是高德地图上的合成了，使用的是林志玲的声音进行播报。
目前我在微信上没有发现语音合成功能。不过在微信读书中，语音合成是挺重要的产品体验。如图所示：
点击右上角的选项，可以看到，可以设置语音播报的快慢，也可以选择朗读的声音。目前提供了四种不同的声音——普通女声，普通男声，特别男声，情感男声。
我试听了一两篇文章，整体还是不错的。大家可以对比下科大讯飞，百度等的语音合成效果。微信的TTS相比是不逊色的。另外， 除了微信读书外，微信开放平台也对外提供了语音合成的API。
可以想象，随着微信阅读的渐渐流行，以及阅文集团的稳步发力，语音合成在微信或整个腾讯平台上，将越来越重要。
搜索推荐
微信上最明显的人工智能硬件，恐怕就是搜索推荐功能了。因为目前受众最广的人工智能产品，也就是搜索和推荐。前者比如谷歌、百度，后者比如今日头条和腾讯新闻。笔者之前写过一篇文章，分析过微信做搜索的优势劣势，详情请阅读在待字闺中投稿的文章《马化腾给李彦宏投了一颗原子弹：搜索来了》。
微信上的搜一搜，就是典型的搜索产品。不过目前还没有扩展到整个互联网而已。相信搜索带来的巨大广告市场，以及微信搜索本身的产品体验，微信未来一定会加大搜索的投入，让我们拭目以待。
而微信上的看一看，则是典型的推荐产品。微信坐拥中国互联网产品中最大的用户群体，最长的使用时长，可以说是最“懂”用户的，只要她想，完全有可能做到最好的推荐效果。看一看的发展前景，我也比较看好，虽然目前看起来还是不温不火。
结语
综上所述，微信上的人工智能技术其实蛮多的，可以说几乎重要的人工智能技术，都在微信上有了很好的场景。这里总结如下：
语音识别——语音输入，搜联系人，语音消息转文字等
语义理解——开放平台
图像识别——扫码，翻译，开放平台等
机器翻译——接入有道词典
声纹识别——声音锁
语音合成——微信读书，开放平台等
搜索推荐——搜一搜，看一看
目前上面的人工智能技术，可能广大的用户使用还不够频繁，不过相比目前人工智能创业公司的产品，详细使用的用户规模也是领先的。相信随着人工智能技术的不断发展，微信在人工智能技术领域的不断投入，未来在微信中，大家将使用到越来越多越来越好的人工智能产品功能。而到时候，可能这些重要的功能，都是润物细无声的，而不是不断告诉你，这是人工智能哦，这是人工智能哦。因为，当大家说人工智能将是水和空气的时候，意味着AI将和无处不在的水和空气一般，不再被人们“意识”到它们的在。
最后，做个小投票，看看大家更看好BAT哪家的人工智能。