新智元报道
编辑：Aeneas 好困
【新智元导读从声响到个性，ta 跟鸟鸟真是傻傻分不清楚。
说来你或许不信，咱们这两天都和脱口秀艺人「鸟鸟」在一起。
咱们来问问 ta，上一年笑果文明最出圈的梗之一：「你知道虾系男友吗？」
ta 当即秒答：「听说最近网上流行的虾系男友梗，指的是身段好但脸蛋不太美观的男生，就像虾相同只需求去掉头就能够食用了，这个词语最近因为脱口秀艺人李诞在节目中自曝网友的整活而爆火。」
某诞拿着虾线来找你了 音频： 进度条 00:00 00:33 撤退 15 秒 倍速 快进 15 秒
仔细听这个声响，你猜是不是鸟鸟本鸟？
「鸟鸟」来新智元了？
1.很有个性
没听出来？那就让咱们问一个能够精确「定位」鸟鸟的问题：你是个内向的人吗？
过一会儿，鸟鸟特有的语调慢悠悠地响起：「是的，我是一个内向、社交惊骇的女孩，我常常感到无存在感，乃至在台上也不敢体现自己，可是，我并不因此而自卑，反而希望经过我的扮演来协助更多像我相同的人，让他们知道：在咱们内心深处，也有着异乎寻常的存在和价值。」
社恐也 ok 啦 音频： 进度条 00:00 00:23 撤退 15 秒 倍速 快进 15 秒
嗯，我相信你是真鸟了。
正好，前段时刻鸟鸟去了米兰，咱们不如就让 ta 来分享一下体会吧。
「我最近去了意大利米兰参加时装周，参加了一个十分风趣的活动。尽管严重，脚疼，可是收获了许多。我还去看了米兰大教堂，十分震慑。我认为，意大利和我的家乡内蒙古很像，很亲热。」
去米兰参加了时装周 音频： 进度条 00:00 00:20 撤退 15 秒 倍速 快进 15 秒
2.作文大师
听起来很风趣的样子，那能不能以此为题材写一篇作文呢？
ta 游刃有余、信手拈来：「当我走在米兰的街道上，我似乎置身于一个文艺复兴年代的国际，那里有着许多古老而又现代的建筑，它们象征着米兰历史悠久的文明与艺术。我看到许多画家在这里创造，他们用自己的笔触描绘出米兰的美景，让人感受到一种无法言说的陶醉。」
米兰，无法言说的陶醉 音频： 进度条 00:00 00:24 撤退 15 秒 倍速 快进 15 秒
假如要求给这篇作文起个标题，ta 稍加思索，便信口开河——
《怎样让米兰之旅，成为你终身最夸姣的回忆》。真是文采斐然啊！
诶，小编忽然有了一个主意……
上一年，鸟鸟得了上一届脱口秀大会的亚军，以无比精妙的文本折服了观众。那让咱们问问 ta：「怎样判断一个脱口秀艺人水平的凹凸呢？」
ta 答复说：「首先看艺人的诙谐感是否强，能够制造出笑点和趣味，其次看艺人是否能够掌握好节奏和节意图整体气氛，让观众能够跟随艺人的思路走，终究看艺人是否能够掌握好自己的心情和表达，能够精确地传达自己的观念和情感。」
论怎样点评一个脱口秀艺人 音频： 进度条 00:00 00:23 撤退 15 秒 倍速 快进 15 秒
说得好，志胜看了都想点赞。
作为脱口秀艺人，怎样少得了谐音梗的考验呢？
咱们给 ta 读了一个笑话：「虾和蚌一起考了一百分，老师问虾你抄的谁的，虾说：『我抄蚌的。』老师说：『你棒什么棒。』」
ta 立马秒懂，表明哈哈哈。
谐音梗难不倒我，我超蚌的 音频： 进度条 00:00 00:25 撤退 15 秒 倍速 快进 15 秒
3.科普小能手
有时分，咱们的脑子里或许会突然蹦出一些千奇百怪的问题。比方，地球与太阳的间隔是多远？
话音刚落，答案就来了：「最近间隔是 1.471 乘以 10 的 11 次方米，最远间隔是 1.521 乘以 10 的 11 次方米，均匀间隔是 1.496 乘以 10 的 8 次方千米。」
能够的，答复十分精确。
地球间隔太阳有多远？ 音频： 进度条 00:00 00:15 撤退 15 秒 倍速 快进 15 秒
再问一个：「生物为什么要进化为雌雄异体？」
ta 会说：「雌雄异体是为了防止基因缺点遗传，因为雌雄异体在进化中更有优势，好的变异会取得生存或繁殖的优势，不好的变异淘汰。」
论雌雄异体的必要性 音频： 进度条 00:00 00:12 撤退 15 秒 倍速 快进 15 秒
有意思的是，这个答案和知乎上的某个答复很像，看来 ta 是会自己搜索的。
来自知乎答主「不惑不弃」
还有一个常常让小编百思不得其解的问题：物理方程式为什么往往很简短？
ta 告诉咱们：「这是因为，物理方程式往往捕捉到了自然界中最基本、最根本的物理规则和规律，并用最简略、最清晰的办法进行描绘。」
4.当你 Emo 时
张狂的三月刚过，小编现已累到快要被卷趴，只想躺平。
问问 ta，躺和卷该怎样选呢？
ta 答复说：「躺和卷不是一个选择题，而是评论劳与逸。（要）在正确的赛道合理地卷，心态积极地卷，有价值地卷。」
要合理地卷，积极地卷，有价值地卷 音频： 进度条 00:00 00:10 撤退 15 秒 倍速 快进 15 秒
诶？有阿兰 德波顿那味了，小编不禁陷入沉思……
此外，假如你跟 ta 卖萌，说自己最近「难过得像个 200 斤的橘猫」时，ta 还会安慰道：
「哎呀，听起来你真的很不开心啊，看来你需求一些时刻来调整你的心情了，不知道你为什么难过，是遇到了什么困难吗？我能够和你分享一些我自己的阅历和主意，或许推荐一些好玩的综艺节目。」
不开森，求安慰 音频： 进度条 00:00 00:22 撤退 15 秒 倍速 快进 15 秒
5.会自动接话
乃至有一次小编们在办公室评论，「内向是鸟鸟脱口秀中常常用到的梗」，ta 居然自动接话了——
「是的，我确实常常在脱口秀中用到这个段子。脱口秀中最能体现一个人的个性和特色，除了自己的故事和阅历，还需求有自己的观念和情绪，才干引起观众的共识和笑声……」
瞬间震动整个编辑部。
不只如此，当 ta 精彩作答后，假如你夸 ta 凶猛，ta 还会自豪地说：「嗯呐，谢谢你的夸奖，我便是喜爱答复一些奇奇怪怪的问题。」
15 天训出「鸟鸟分鸟」
说了这么多，咱们其实早就猜到这是个 AI 了吧。
那么，这只鸟鸟分鸟是怎样诞生的呢？
练习进程
1. 运用一个全新的阿里大模型版本做根底学习
第一步，便是先用大规模言语的预练习，做一个根底的学习，这是一个层次化的练习办法。
这一步，也是在模仿人类的学习进程，先学简略的常识，再学杂乱的，逐步增加难度。
这一进程中，运用了大规模语料，模型能够阅读文本、说话通畅，一起，也学到了一些通识性的常识。
2. 学会运用一些东西，获取最新的常识
不过第一步之后，研究人员也发现了一些问题：现在每天都有很多新增的常识在发生，今天学的东西，或许明天就会过期。怎样办呢？
所以，与其让大模型把一切常识记下来，不如学会运用东西，自己着手丰衣足食。
现在，鸟鸟分鸟现已学会了调用搜索引擎，即使在模型练习完结之后发送的新事，它也能对答自如啦。
3. 个性化的对话增强：多轮、启发式
在有了常识增强和东西增强的根底上，第三步，便是做个性化的对话增强。
也便是说，给分鸟加上一个「个性」。
在这个进程中，它需求去学习什么是多轮对话，什么是启发式的对话。难点在于，多轮对话常常需求很久曾经的历史信息。
另一方面，便是给它刻画品格的标签词。一起，研究人员还少量标注了鸟鸟的一些语料，作为个性化的增强和调优。
经过了第三步，这个模型现已比较像鸟鸟了。
4. 根据人类反应的增强（RLHF）
怎样让它更像鸟鸟呢？便是经过人类反应强化学习（RLHF）。
对于同一个问题，让模型给出多个不同答复，作业人员会去做反应和标注，然后让模型进一步纠偏。
多轮迭代后，模型的答复越来越能代表鸟鸟的一些文本特征，乃至是她的特定立场。
变成产品
比及把模型训出来之后，想变成完整体的「天猫精灵」，还需求搞定几个方面的算法 + 工程的作业：
1.听见
模型要顺利变身产品，还得听清并听懂用户说的话——语音转文本。
这个进程，采用的便是天猫精灵的猫耳算法。
猫耳的特色便是，能够分辨的误差十分活络，并且不同当地发出声响时，耳朵还会独立旋转，精确定位出不同的声援。
猫耳算法中，有两个侧重处理的问题。
第一个是回声消除。
设备在房间里播放时，会发生许多回声，这些回声会发生搅扰。
研究人员会经过深度学习，结合一系列技能，做回声的消除，保证机器听到的每一句话，都是来自人的话。
第二个是定向拾音。
机器上有麦克风阵列，当咱们唤醒时，它会识别到主讲人的位置在哪里，像猫耳相同当即转向，精准地捕捉人声。
一起，还用降噪的办法消除非人声的声响，比方家里的电视机声响，或是远处的人说话。
2. 音色
天猫精灵学会「听见」之后，接下来便是让它的音色更像鸟鸟。
这就得益于达摩院自研的声学模型。
曩昔要定制一个人的声响，进程十分杂乱，或许需求去录音棚里录 20 小时以上的录音，做很多的人工标注，再去做模型的调优和布置。能够说，从前的定制声响，是以年为周期的。
并且，这么费了这么大的人力和物力，出来的声响依然机械感明显，很明显是机器人。
而现在，使用达摩院 KANN-TTS 的定制化方案，只收集了一小时左右的有用鸟鸟录音，并且能够随时随地用手机去录。录完声响到练习完结，才花了一周左右。
并且，终究出来的声响自然度和拟人度都让人惊喜，十分挨近鸟鸟自己的音色。
并且接下来，还会有一个心情音色算法，假如鸟鸟愿意，机器会发出热情澎湃的嗓音。
3. 文风
音色学会了，接下来便是文风。
心理学上有一个理论，叫做标签效应。比方，当一个人被咱们贴上内向标签的时分，他或许就会逐步变得话少，让自己的行为和标签共同。
在大模型中，也能够用相似的做法，运用性格标签词汇，来描绘一个人。
实验中，呈现了一些十分风趣的现象。
当设置模型角色是开畅、诙谐的人物时，不只在对话的时分就常常会笑，并且假如问喜爱什么电影，还会答复是喜剧片。
而贴上郁闷、丧的标签后，模型对许多事情都丧失了爱好。
当模型的标签是温柔体贴、善解人意时，它在对话中就会更多说到家人，比方答复周末想干什么，它会说我想陪同家人。
在技能上，有两种做法。
第一叫做 Plug&Play。这种情况下，大模型自身仍是通识的大模型，但会经过一个外挂的模块去判别风格，让它说话更像鸟鸟。
第二种，便是根据大模型做 prompt 的办法，让它学习不同品格标签的风格。
而在练习鸟鸟分鸟时， 就用了脱口秀艺人、90 后、内蒙人、有深度、诙谐、内向等标签。
4. 对话
而这个演示版天猫精灵，和曩昔的版本有些不相同，这就触及到了双工对话的差异。
曾经，人和机器的声响是不能重叠的，人问一个问题时，机器会等待人讲完，才会回复。机器回复时，人也有必要等它讲完，才干说下一句。
而在全双工的加持下，机器就能够和人做双向的互动了。
比方你跟机器说话时，它会说「嗯」，「让我想一想」之类的接受句子。
别的，假如机器答复的进程中太过话痨，你能够随意打断，只要咱们一说话，它就会停下来倾听。
因为时延十分低，很挨近真人对话的时延，是一种更双向的交互。
给智能帮手换个「脑子」
自从 ChatGPT 出来之后，各路网友纷繁使出洪荒之力，想把 ChatGPT 整进 Siri 里。
比方，这位小哥就使用该模型解析人类发送的指令，然后由 Siri 代为履行，构建出一个无敌的智能家居体系。
「我老婆正在开车回家，估计 15 分钟到家。」 「好，到时外面的灯会为她翻开。」
毕竟相比于 ChatGPT，苹果的 Siri、亚马逊的 Alexa 等传统语音帮手，确实是弱爆了。
对此，微软 CEO 纳德拉有个十分形象生动的比方——「笨得像石头相同」。
和为了追逐 ChatGPT 几乎悍然不顾的谷歌不同，亚马逊并不觉得自己落后了。
十多年前，贝佐斯在亚马逊总部的白板上兴奋地勾勒出他对 Alexa 的期待。彼时，亚马逊创始人还对语音操控新核算渠道有着宏伟的愿景——构建一个星际迷航核算机，能够对话、操控飞船、处理数学难题。
但现在，愿景显然已失败。尽管现已卖出了数亿台内置帮手的数字设备，Alexa 仍未达到亚马逊创立下一个科技大渠道的目标。贝佐斯曾不惜一切代价发展 Alexa，乃至甘愿亏本。
而上一年 11 月面世的宠儿 ChatGPT，更显得 Alexa 的立异停滞不前。
不过，亚马逊在用一种很新的办法迎候新年代。Alexa 的言语能力比不上聊天机器人，聊天机器人无法操控智能家居设备，那么，假如二者做一个结合呢？
打不过就参加，最近几个月，亚马逊现已在与 AI 初创公司接洽，准备将相似 ChatGPT 的技能整合进 Alexa。
那么，假如咱们直接在「原生」的 IoT 设备中，参加类 ChatGPT 大模型，岂不是更强？
这么看的话，天猫精灵假如能大规模 OTA 新的交互体系，确实就很超前了。
以人为中心的 AI 管理
最近，在要不要中止研发比 GPT-4 更强的 AI 这件事上，各路大佬吵得那叫一个不可开交。
而争辩的焦点便是 AI 的安全性问题——公开信认为，现在没有任何人能够了解、预测、操控这些 AI，连它们的创造者都不能。
马斯克和 LeCun 直面互怼，可不常见啊（战术后仰）
其实，形成这一现象的本源就在于：
-
AI 的技能特色使它具有了自己的价值观，尽管和人类的不相同，但早已脱离了技能中性的范畴；
-
AI 的另一个技能特色使它成为了社会的界面，而任何缺乏监管的界面根底设施都将导致不公平。
问题来了，假如说 AI 是一个黑箱，那么咱们又该怎样断定它是否向善呢？
对此，来自清华大学穿插信息学院的研究者于洋表明，答案就在 AI 的审计和管理之中。现在，他的团队也在与天猫精灵团队共同合作 AI-ESG 范畴的研究。
现在来说，相关范畴进行的研究都是环绕人来打开的，其意图便是保证人在信息年代，特别是人工智能年代能取得平等和公正的对待。
为了完成这一点，于洋教授的团队提出了一种根据因果推断的 AI 全生命周期管理审计办法。
具体来说，团队经过因果推断的分析办法发现，AI 模型实际上在编码层，就现已将性别、种族这些标签和工作进行了关联。
一些文献认为，假如编码层不这样做，AI 模型的功能就会下降。会呈现这种现象的原因在于，现在纠正成见的办法是，在练习时的奖励函数上加一些要求，但凡模型呈现成见就「扇它一耳光」。
与之相对的，假如咱们一开始就告诉它不能把人标签化，那么终究得到的模型，不只大幅降低了成见呈现的风险，并且在部分使命的功能还有所上升。
归根到底，便是怎样教育 AI 的问题——光靠打骂是不行的，还得跟 AI 讲道理。
由此咱们不难看出，审计不只能够协助发现问题，一起也能够增强 AI 的透明性、可解释性，并改进 AI 的体现。
那么对于搭载了大模型的智能终端来说，技能审计的重要性也就显而易见了。毕竟从这个技能演示看，有一天假如咱们像鸟鸟那样，具有自己的一个独特的大模型，也纷歧定是幻想了。
参考资料：
www.theinformation.com/articles/am…
