“五個巧克力、兩個香草拿鐵，巧克力加奶油。”
“兩個中杯焦糖拿鐵，一個熱的一個冷的。”
“算了巧克力不要了。”
“再要六個小杯少冰摩卡，三杯加焦糖三杯加香草”
“再加一個大的冷的拿鐵，去冰半糖加脫脂奶，打包。”
鄢志傑最快以每秒5個字的語速向一臺機器點單。機器對每一次對話都作出了精準相應，而站在一旁的資深咖啡師選擇了中途放棄，“太快了，記不下來”。
這是發生在5月23日雲棲大會武漢峰會上的一幕。鄢志傑是阿里巴巴機器智能技術實驗室語音交互首席科學家。人類咖啡師在聽了鄢志傑第二次複述後完成了訂單，用時2分37秒，而機器只用了49秒。
“今天我們將機器對人類口語的理解能力帶到了新的高度”，鄢志傑說，這種交互方式完全打破了"語音喚醒+語音指令"傳統命令式交互方式，我們首創的流式多意圖口語理解引擎，極大地提升了對人類隨意、自然的口語表達的理解力，能夠做到免喚醒的自然的人機交流式的語音交互。
上述點單環節包含了修改、刪除、加單等多輪對話，在整個交流過程中，顧客不需要說”hi，點單機“之類呆板的喚醒詞，可直接下單，更符合人與人的自然對話。
據鄢志傑介紹，這些模塊並非簡單級聯，而是深度融合而形成了多模態語音交互方案，包括是公共場所強噪聲環境下的信號處理和語音識別、視頻識別與面部識別、場景感知等多模態融合的感知智能，同時更融合了流式對話、多輪多意圖口語理解、業務知識圖譜自適應等認知智能。
據瞭解，阿里雲這項解決方案除了可以做收銀員之外，還能在地鐵賣票。目前，上海地鐵已經部署了這一技術。乘客直接說出目的地，售票機便可選擇合適的站點和路線。這對於初到上海的乘客尤其幫助巨大，面對十幾條線路三百多個站點誰都會懵。測試數據顯示，普通買票耗時往往超過30秒，而語音購票全程只需要10秒左右。
鄢志傑介紹，依託於業務知識圖譜自適應的技術，這套方案能夠快速的在更多場景落地，目前已經落地的場景還有車內語音助手、電話智能客服、可免遙控器操作的遠場語音電視、可精準區分多人對話的智能麥克風等。“未來我們希望實現公眾空間裡的萬物皆能對話。”
阿里雲產品總監何雲飛說，阿里雲去年提供出了”產業AI“的戰略，呼籲行業將AI技術沉澱到產業中，不要成為炒作股價的營銷詞彙。無論是咖啡點餐還是地鐵售票，我們都是讓AI在真實的產業場景下發揮價值。這比那些在實驗室裡炫技的AI更有意義，更具生命力。
據瞭解，除了解決方案之外阿里雲還推出了ET大腦，包含ET城市大腦、ET工業大腦、ET醫療大腦等。目前，ET工業大腦已經幫助工業製造企業創造利潤數十億，ET城市大腦在杭州、澳門、吉隆坡等城市落地，承擔著交通優化、平安城市等職責。
閱讀更多 互聯網新星 的文章
