在2018中國（深圳）IT領袖峰會期間，網(wǎng)易科技對圖靈機器人創(chuàng)始人兼CEO俞志晨進行了專訪。俞志晨透露，2018年語義識別領域最核心的就是圈場景，這也是圖靈機器人目前最核心的目標。此前圖靈機器人主要產(chǎn)品在兒童機器人市場，2018年下半年，圖靈機器人將進入更多場景。（溫泉）
以下為訪談全文，略經(jīng)編輯：
　　網(wǎng)易科技：之前提到人工智能，提語音和圖像識別比較多，為什么語義識別不像前兩者那么廣為人知？
　　俞志晨：圖像識別，它會更前端一些，語音很多時候是會偏后端一些，后端一些支撐的技術，包括一些后端的應用，這兩個其實是有些差別的。而且它的整個的技術的發(fā)展的節(jié)奏也不太一樣，比如說語音，包括應用語音的整個市場發(fā)展，從時間上來看，第一語音整個的模式和它的商業(yè)化這塊，其實是走得最前的，視覺主要是去年，去年的市場處于爆發(fā)期。然后語義，語義實際上還是屬于第三波的產(chǎn)業(yè)機會。
　　單從大的未來來看，語義毫無疑問它的市場覆蓋面肯定會比語音和視覺要大。
　　網(wǎng)易科技：這是為什么？
　　俞志晨：你看語音的發(fā)展契機像科大訊飛，還有包括國內出來一些語音公司，基本上都屬于大概，最早第一波2000年初就開始起來了，2000年左右科大訊飛就屬于發(fā)展的比較好的，上市，包括國外也是這樣的。之前整個人工智能行業(yè)，早期就是以語音為主。去年、前年視覺開始爆發(fā)。
　　這一方面是說本身這個技術在不斷成熟，另一方面是說，有安防的這個場景來托它，這么一個大的市場機會，就導致整個視覺這塊的市場在催化。語義現(xiàn)在還處于一個沉淀、積累的階段。我認為語義的能量還遠遠沒有爆發(fā)出來，這是從目前整個市場的形態(tài)來看是這樣的。
　　網(wǎng)易科技：為什么它還處于沉淀和積累的階段，它為什么發(fā)展的程度沒有語音和視覺那么成熟？它要解決哪幾個關鍵問題才算比較成熟，它目前已經(jīng)解決了哪幾個問題，有哪幾個問題沒有解決？
　　俞志晨：剛才為什么說像語義將來的市場空間會更大？我認為語義現(xiàn)在技術通常有兩個階段。一方面是說很多時候它會提升效率，給to B的企業(yè)來用，這個是目前不管是語音、視覺、語義都會經(jīng)歷這個階段，這個過程是必不可少的。當然我認為再往后走，整個語義整個是能夠，比如客服也好，其實它的基本技術全部是圍繞語義來做的。
　　客服是一大塊，它實際上像很多的智能音箱，語音識別是一部分。但是為什么一開始大家很關注語音，因為語音它是一個很容易感受到的東西，你里面所有的功能都是基于語義來做出來的東西。
　　但是對用戶來講，他可能以為它是基于語音做出來的。但是實際上像智能音箱那個產(chǎn)品，90%的東西是在語義。但是你可能感覺這就是語音識別，就跟SIRI是一樣的，因為人對這種，有一個詞叫定義，定義上語音的這個詞更容易帶人們腦中里面產(chǎn)生一個更加直觀的印象。語義這個詞太過技術化，一般大部分的消費者其實不太容易理解語義這個詞的。你看絕大部分語音交互的產(chǎn)品，大部分是在語義這塊。
　　網(wǎng)易科技：所以您剛剛是解釋它將來的市場空間更大，是因為大部分的語音交互的產(chǎn)品，語音交互的產(chǎn)品90%的工作是在語義這塊，而不是語音這塊？
　　俞志晨：這是必然的，從可辨性來看，語音和視覺的可辨性其實是固定的，它的價值就很明確，就是我要把語音信號轉成文字。但是它的前期的落地性會比較容易一些，因為它目的明確，所以它的普及度更快一些。視覺也一樣，視覺這塊也是說通過人臉識別、物體識別去做一些視覺的事情，它的場景相對來講比語音復雜一些，但是也是相對來講比較明確的，就是它作為市場是比較明確的，就是是別人，識別物體。但是語義的合并性就多了，我用語義怎么來跟這些場景結合。相當于這種場景的結合性和延伸性，會比單純一個語音識別的模塊要大很多的。
　　就像是說我做手機的，其實毫無疑問，你說做手機公司整個市場價值規(guī)模更大，還是說基于移動互聯(lián)網(wǎng)整個這一套里面的App市場價值更大？
　　網(wǎng)易科技：我覺得有一個比喻可能更能翻譯您的這個意思，是不是就是有一千個讀者，就有一千個哈姆雷特，你一段文字在那，有一千個人理解的是不同的意思，他反饋出來的行為也是完全不同的，是這個意思吧？
　　俞志晨：你也可以這么來去理解，因為語義實際上真的是一個，它其實目前來講是一個偏技術化的概念。它不像語音這么通俗，但是語音其實就是說我剛舉的例子，你看現(xiàn)在智能音箱這個硬件，硬件其實沒多少錢，一百多塊錢，但是里面的那些應用和那些服務技能，全部是基于語義來做的。所以語義能夠延伸的價值會比，其實音箱，一個硬件或者一個語音識別的模塊，其實要大很多的。但是很多時候它倆是不同的階段，不同的模塊。
　　網(wǎng)易科技：您為什么覺得它還處于積累和沉淀期？
　　俞志晨：因為語義不好實現(xiàn)，就像你剛才說的，一千個讀者有一千個哈姆雷特，這個事情從技術層面來講很難實現(xiàn)它。不像語音識別，剛才說語音是一個，比如我說一個字，它是一對一的關系，視覺也是一對一的關系，就是傳感，感知系統(tǒng)是一對一的關系。但是語義是一對X，不知道多少個關系。所以這個事情本身從技術上來說很難，因為它很難，所以它結合起來的話，可能需要的工作量會大很多。
　　網(wǎng)易科技：語義識別現(xiàn)在發(fā)展到什么程度了，哪些問題是可以現(xiàn)在完全能解決掉的，哪些問題是沒有被解決掉的？
　　俞志晨：語義通常有幾個方面，從大的來看，第一個是說指令型的這種理解，比如說很多音箱，智能家居，說打開或者關閉，我們叫指令級的理解，這個是屬于最低的層次，但是這個也是目前解決的比較好的。第二是問答系統(tǒng)。比如說很多客服，它實際上還是多輪，就是屬于帶有一定的復雜任務的，這個其實會更高階一些，用在客服，用在一些其他的虛擬的一些助手這些領域。這個領域其實門檻又會更高了一些。第三個層次是在開放域的聊天系統(tǒng)，就跟人一樣，我們閑聊，天馬行空的在聊。這個從技術實現(xiàn)來說應該是最難的，這也是整個行業(yè)的難點，從技術上來講，可能技術上還做不到這種突破吧。
　　網(wǎng)易科技：目前能夠達到的這個和用戶需求的當中，這個距離還有多遠，還有哪些問題沒有解決？
　　俞志晨：我的感覺，第一是說它的整個問題單子里面有很多個，有一堆問題需要解決。第一個是說，這種語境的理解，上下文這塊的理解。比如我說我餓了，你說我真的餓了嗎，其實不是。那它怎么判別是不是餓了還是不餓，還是說他到底說這句話是什么意思。
　　網(wǎng)易科技：它需要的信號不光是這個語言這個項，它需要很多環(huán)境的信號。
　　俞志晨：其實單純從文字的信息抽出來的話，它永遠不能夠百分之百能夠去理解這句話的真實意圖。但是它需要去融合一些背景信息，融合一些這種環(huán)境信息，包括時間，你的一些習慣，還有包括你的一些性格，然后判定你是不是真的餓了，以及你真正的意圖。語義是一個意圖理解和識別的過程。
　　網(wǎng)易科技：你剛剛指的這個對語境的理解是其中的問題之一，還有很多問題沒有被解決。
　　俞志晨：對，語境是一塊，第二是說整個知識圖譜體系。理論上講，如果我們想要做通用的東西，前提是我需要去構建一個龐大的體系化的知識圖譜，而且它還得具備推理功能，這個其實還是挺難的一件事情。第三個是語言的表達層面，說實話現(xiàn)在目前機器人的語言表達的豐富性還是不夠的，語言的表達這塊，怎么讓它像個人一樣的去表達這些語言。它能做到一定的表達的能力，比如說像如果打分的話，100分是滿分，它可能能做到50分、60分，但是離我們所謂的比較好的效果還有一定的差距。
　　最后還有一個歸于它的性價比，我們做的事情，很多時候技術跟它整個的它商業(yè)化的場景，它倆是相輔相成的。如果說這個技術投入過大，那可能這個事情就很難推。但是如果這個技術推起來還能賺到錢，這個事情就比較容易推。像語音識別一樣，它已經(jīng)能賺到一點點錢了，圖像也一樣，圖像識別是它確認已經(jīng)能夠開始去掙錢了，而且能夠商業(yè)化的還不錯。
　　網(wǎng)易科技：你們之后還會如何來推動語義的應用？
　　俞志晨：我們跟百度的VR這塊有合作。用VR結合圖靈AI做了一個虛擬機器人，也就是VR版的一個機器人，就相當于Siri加一個人工形象，然后用在VR世界里面去做交互。
　　網(wǎng)易科技：那我明白了。我之前在很多場合聽過圖靈機器人，但是我不知道現(xiàn)在你們的產(chǎn)品是用在哪些領域，我們生活當中，哪些產(chǎn)品背后其實是用你們的技術？
　　俞志晨：很多音箱，很多機器人可以跟你對話，可以跟你互動，但背后的技術你肯定不知道是誰家的。我們原來最早一大塊是在微信里面，比如微信公眾賬號，微信群還包括有QQ。從過去一兩年也更多是向很多兒童機器人、兒童玩具這類的產(chǎn)品用我們的語義技術。
　　網(wǎng)易科技：你們在微信公眾賬號里面的應用是什么？
　　俞志晨：類似很多的一些公眾賬號，比如你可以給它發(fā)文字、發(fā)語音，然后它給你回答，它就是一個類似一個自動的個性化的群管理機器人。
　　網(wǎng)易科技：圖靈機器人目前主要的競爭優(yōu)勢是什么？
　　俞志晨：第一就是語義技術，第二就是產(chǎn)品體驗。
　　網(wǎng)易科技：你們目前在語義這塊是國內第一嗎？
　　俞志晨：我只能說我們至少在語義這個行業(yè)里面數(shù)一數(shù)二，因為第一這個事情是沒法兒去驗證的，你說我們比微軟的好，這個事情好像也沒有辦法去實際證明。但是至少說從客戶，從整個的各種指標來看，我們還是這個領域的，算是領先的公司吧。第二是說在一些特定場景，那肯定以我們最好，比如像兒童語義，那我們肯定是最好的。比如同樣做語音和對話，微軟小冰可能會用在二次元，或者是一些偏90后、95后這個群體比較多一些，我們的年齡段更小一點，我們可能是在05后，10后，就是偏兒童這塊更多一些。
　　網(wǎng)易科技：我們現(xiàn)在在市場上能見到的那種兒童陪伴的機器人，背后絕大部分都是用的你們的語義識別技術？
　　俞志晨：差不多。
　　網(wǎng)易科技：任何一個牌子嗎？現(xiàn)在我在機場看到好多商店里面不是好多那種陪伴機器人。
　　俞志晨：我看了一下，應該有一半了吧。
　　網(wǎng)易科技：另外一半用的是誰的？
　　俞志晨：有訊飛，也有用百度的，也偶爾會用其他的一些第三方的語義公司的，零零散散的。我去機場看，一半多。因為機場擺的東西不太一樣，我只能說一半、一半多。
　　網(wǎng)易科技：2018年語義這塊，您覺得會有什么樣的一個進展，市場整體上發(fā)展到一個什么狀況？
　　俞志晨：從市場來看，今年各家公司對于語義的關注力度會更大，很簡單因為語義其實格局還是比較確認，而像科大訊飛和百度，這幾家語音的市場份額是比較固定的，想搶也不太容易搶，視覺的那幾家也基本上占得比較緊。
　　第二是說關于這個技術本身的走勢來看，在今年或者明年會有更多的一些好的產(chǎn)品能落地，這是必然的趨勢。
　　第三今年最重要的一個事情就是各家來圈場景，誰能夠真正把場景拿下來，這是很重要的事情。因為我覺得像對于語義來講，它跟場景有很大關聯(lián)性，它目前還不像語音和圖像那樣做得那么通用，但是語義實際上跟場景的依賴性還是比較強。
　　網(wǎng)易科技：圖靈機器人目前，你們今年主要做哪些事，今年主要的核心也是圈場景嗎？
　　俞志晨：圍繞著兒童場景來進行，兒童AI是關鍵。
　　網(wǎng)易科技：圖靈不是已經(jīng)兒童機器人這個場景不是已經(jīng)圈住了嗎，你們還準備圈什么場景？
　　俞志晨：兒童有核心場景，也還有更大的場景，比如穿戴、學習，還有包括線下，比如商超。
　　網(wǎng)易科技：你們主要會圍繞兒童的市場來做嗎，還是說今年你們也會做別的？
　　俞志晨：今年第一肯定是兒童，我們會首先把它做好。別的領域我們也會做，但是現(xiàn)在我估計今年下半年我們會有一些其他領域的產(chǎn)品，會有一些發(fā)布，到時候可以關注一下。
　　網(wǎng)易科技：目前在語義這塊是不是大部分是集中在兒童這個市場上的？
　　俞志晨：也不是，你像客服就很多，還有做輿情，其實挺多的，做輿情分析、客服，還有做一些語音助手，包括智能家電、音箱、車載，其實都有涉及。
　　網(wǎng)易科技：為什么你們沒有選擇那些場景，而是選擇了兒童這個場景呢？
　　俞志晨：我們覺得對于公司來講，可能這個場景相對來講更容易成熟一些，比較容易去把這個市場真的能夠做得比較成熟。
　　網(wǎng)易科技：其他的比如客服好像我也聽到，也挺多的。
　　俞志晨：但是客服這個事情比較分散，這個市場也很大，但是這個市場很分散，很難一家把它占到一個很大的市場份額，就這個意思。所以這個就跟公司的選擇有關系，我們可能不太去選擇做那些定制化程度比較高的領域。
　　網(wǎng)易科技：你們先做通用性比較高的？
　　俞志晨：對，垂直場景在我們看來是說，它的場景的通用性還是比較強的，我們會去做。
　　網(wǎng)易科技：除了兒童機器人這個市場，你們還覺得有哪幾個市場也是比較不錯的，符合你剛才說的比較通用的，能夠大范圍真正落地的？
　　俞志晨：VR、AR這種當然也可以，但是這個市場可能還需要再培育一下。說實話我別的關注的倒不是很多，我現(xiàn)在最主要就是關注兒童還有機器人領域這兩塊。別的車載其實也還行，車載這個市場足夠大，但是車載這個時間會長一點。智能家居也不錯，但是智能家居短期之內想掙到錢，可能不會那么容易。
　　網(wǎng)易科技：為啥不會那么容易？
　　俞志晨：我說對AI技術來講，因為整個市場處于變革期，像音箱這個領域現(xiàn)在量很大，吸引大家的眼球，但是音箱想掙到多少錢，其實有點難。

　　網(wǎng)易科技：為啥？
　　俞志晨：因為他們在燒錢，補貼。
　　網(wǎng)易科技：他們賣的價格比較低？
　　俞志晨：對，因為它從源頭開始就不掙錢，他們就補貼。補貼完了之后其實你，如果它整個前端不掙錢的話，后端這塊也很難真正的能收到錢，這個沒有那么快。
　　網(wǎng)易科技：你們會進入哪些新的領域？
　　俞志晨：我們還是圍繞服務機器人的方向去走。
　　網(wǎng)易科技：但是就不光是兒童了？
　　俞志晨：別的可能會涉及一下，但是現(xiàn)在，可能到下半年我們會明朗一些，現(xiàn)在還在做一些驗證。