爆火的生成式AI,能让智能音箱起死回生吗?
智能音箱这类如今几乎已经被大量消费者遗忘的产品,在此前经历了2017年、2018年的“疯狂”之后,早已不再是大多数消费者关注的对象。就在大家以为智能音箱会昙花一现时,ChatGPT的横空出世似乎让智能音箱有了焕发第二春的可能,也给了这个在走下坡路的行业一个新的机遇。那么,智能音箱与如今爆红的生成式AI能擦出火花吗?
生成式AI之于智能音箱行业,或许就是久旱逢甘霖。根据相关市场调查数据显示,2023年第一季度,受产品同质化严重和消费者需求下降等因素的叠加影响,国内智能音箱在线上的监测零售量为157万台、再次下跌40.6%,而在整个2022年,智能音箱国内全渠道销量为2631万台、同比下降了28%。
为什么曾经被各大巨头寄予厚望、甚至被视为可能是智能家庭入口的智能音箱,会在近年来滑入深渊呢?原因其实只有一个,那就是智能音箱真的不够智能。
在智能音箱这一概念火热的2017年,业界曾有关于智能音箱的重心到底应该在“智能”、还是“音质”上的讨论。最终,腾讯听听、苹果HomePod等一系列注重音质的产品,用它们的惨烈失败证明智能音箱的卖点只有可能是智能化。
然而遗憾的是,绝大多数智能音箱的智能化程度只能用“捉襟见肘”来形容,而各大厂商对于ASR(语音识别)、NLP自然语义处理、远场拾音等人工智能和声学技术的进步,又实在有些过于乐观。其实智能音箱从技术层面来说很简单,它的工作模式就是收集用户的声音,然后将音频发到服务器上、再计算并产出结果,最终将结果发送到智能音箱上变成具体的行为,比如打开某个应用或是回复用户的提问。
没错,智能音箱本身其实与人工智能并不沾边,小爱同学、小度、天猫精灵的真身藏在了相应的服务器端上。这一切也导致了决定智能音箱使用体验的关键是远场拾音技术,也就是在复杂的声学环境下准确捕捉用户语音指令的能力,毕竟总不能出现用户说“讲个笑话”,智能音箱听成“放首歌”了吧。
智能音箱的解决方案,则是使用大规模麦克风阵列来收集声音,但其中却有一个痛点一直得不到解决,那就是语音唤醒(keyword spotting)。大家在使用智能音箱时,需要用到诸如“Hi,Siri”、“小爱同学”、“小度小度”这样的唤醒词,让智能音箱知道你在和它说话,这也就意味着智能音箱缺乏主动服务的能力。更为重要的是,由于技术的限制,智能音箱长期以来只能理解简单的指令,比如“音量调大一点/调小一点”、“播放某某人的某某歌”等,再复杂一些的语句识别起来往往就很难。
而ChatGPT、文心一言这类生成式AI之于智能音箱的意义,就是前者可以帮助智能音箱理解更加复杂的语句,并提供更加自然的交流。相信使用过微软Bing Chat、百度文心一言或ChatGPT的朋友应该就知道,在与这类生成式AI对话时,并不需要用诸如“Hi,ChatGPT”这样的开场白,直接输入内容即可开始对话进程。
由于生成式AI是在基于大规模语言模型(LLM,Large Language Model)的基础上,加入了人工标注数据和从人类反馈中进行强化学习技术,再辅以知识图谱技术,即一种将知识写成结构化三元组(包含实体、概念和关系)的多关系图,让AI得以理解人类指令的含义,并最终从庞大的信息数据库中选择内容进行回答。
ChatGPT这类产品相比于Siri、小爱同学最大的变化,就是有了多轮对话的能力。相比Siri几乎是“鱼的记忆”,ChatGPT则可以一直与用户对话,再加上对于情绪更清晰的感知,让用户以为真的是在与活生生的人对话。对于一个消费级产品而言,用户显然并不在乎背后的技术原理有多么高深,而是关注它能否解决问题或是满足需求。
生成式AI的魅力就在于它的能力上限很高,其中典型的例子就是微软的Microsoft Copilot,同时它还能在一定程度上满足用户的社交需求,如今在海外已有创作者借助ChatGPT,推出了以自己为模型的“虚拟伴侣”,并收获了超过1000名用户。总的来说,将生成式AI与智能音箱结合几乎能补足后者的短板,使得其在消费级赛道拥有了可堪一用的智能化水平。
事实上,部分智能音箱厂商已经行动起来了。例如今年2月,百度在预热文心一言时,小度就已宣布将融合文心一言,打造针对智能设备场景的AI模型“小度灵机”;4月天猫精灵接入“鸟鸟分鸟”模型打造的“AI嘴替”,同时宣布接入阿里巴巴的通义千问。
但需要指出的是,生成式AI并非“万能灵药”。就目前来说,一切生成式AI都面临着一个不可避免的问题,那就是算力资源的稀缺。最近生成式AI天花板GPT-4“变笨”的消息引发了诸多关注,相比于刚刚发布时的状态,如今GPT-4的文本代码质量全方位下降已然成为了用户的共识。
没错,其实不仅是GPT-4,诸如ChatGPT、文心一言等面向公众的这类产品都出现了类似的情况,用户量的增加导致了大模型性能的下降。
现在生成式AI领域面临的核心问题,就是算力资源紧张、无法应对汹涌而来的用户,而为了确保用户体验,这类产品就只能降低大模型的性能、减少生成内容的时间来给服务器“减负”。相较之下,智能音箱的存量市场规模无疑更加庞大,所以在接入生成式AI后,几乎不可避免地会遇到类似的问题。
未来很有可能会出现的情况,是智能音箱的智能化水平呈现出一条抛物线,初期用户体验会跨越式提升,但随着用户规模的不断增加,智能化表现反而可能会“退化”回数年前的水平。
选好出海目的地,开发者就成功了一半
来自中国的移动应用,正在全球新兴市场“攻城略地”。随着智能手机的兴起和移动通信网络的发展,移动应用已经成为全球用户必不可少的生活娱乐工具。尤其在新兴市场,这种表现更为明显。而近年来,随着国内移动应用的用户增量明显放缓,中国企业开发的移动应用也加快了出海步伐,这其中不乏Temu、《GarenaFreeFire》等优秀移动应用成为海外市场的KILLERAPP(杀手级应用)。站长网2023-11-14 17:53:110000苹果推送iOS 17.4正式版 欧盟地区率先开放第三方应用侧载
凌晨时分,苹果向全球iPhone用户推送了iOS17.4正式版升级,内部版本号为21E219。此次更新标志着苹果操作系统的一个重要里程碑,特别是对于欧盟地区的用户来说。iOS17.4的最大亮点在于首次为欧盟27个成员国的iPhone用户提供了侧载功能。这意味着,用户现在可以从除AppStore以外的第三方应用商店安装应用,这一举措无疑为欧盟用户带来了更多的选择与便利。站长网2024-03-06 11:13:200000阿里集团CEO吴泳铭兼任淘天集团CEO
阿里巴巴宣布,阿里巴巴集团CEO吴泳铭将兼任淘天集团CEO,同时担任阿里巴巴集团、淘天集团和阿里云智能集团的CEO职务。此举是为了推动集团的核心电商业务相关板块的战略协同和资源投入。阿里巴巴集团董事会主席蔡崇信在全员信中表示,阿里巴巴需要面对新时代的变革,并相信经历这轮变革后的阿里巴巴将完成蜕变。淘天集团原CEO戴珊将协助筹建阿里巴巴集团资产管理公司。以下为全员信全文:0000Meta开源的密集视频跟踪工具CoTrack
CoTracker是一个用于视频中任意点跟踪的transformer模型。它可以像光流一样跟踪视频中的每个像素、网格点或手动选择的点。站长网2023-09-01 10:47:310000OpenAI CEO和马斯克在线互怼:Grok真能叫板GPT-4吗?
最近,科技界的两大顶流——OpenAICEO和马斯克“掐”起来了。事情的起因是,SamAltman发了一条推文,说“GPTs可以节省很多工作”,配图充满嘲讽意味,直指马斯克的AI聊天机器人Grok。他让GPTBuilder创建一个聊天机器人,以一种“婴儿潮一代令人尴尬的幽默风格”回答问题。站长网2023-11-17 15:32:500001