|你看到的AI与智能无关( 五 )


而现在的对话智能所使用的技术 , 还远没到这个阶段 。
Clayton M. Christensen在《创新者的窘境》里描述了每个技术的三个阶段:

  • 第一个阶段 , 缓步爬坡;
  • 第二个阶段开始迅猛发展 , 但是到接近发展的高地(进步减速)的时候 , 另一个颠覆式技术可能已经悄悄萌芽 , 并重复着第一个技术的发展历程;
  • 第三个阶段 , 则进入发展瓶颈 , 并最终被新技术颠覆
下图黑色部分 , 为书中原图:

而当前对话AI的技术 , 还在第一阶段(蓝色旗帜位置)称不上是高速发展 , 还处于探索的早期 。 黑箱的情况 , 会使得这个周期(第一阶段)可能比移动时代更长 。
以当前的技术发展方向 , 结合学术界与工业界的进展来看 , 第二个技术还没有出现的影子 。
但是同样因为深度学习在对话系统中 , 只扮演的一小部分角色 , 所以大部分的空间 , 也是留给大家探索和成长的空间 。 换句话来讲 , 还有很多发展的潜力 。
前提是 , 我们在讨论对话类的产品 , 而不是实现AI本身 。 只是 , 这个阶段的对话AI , 还不会达到人们在电影里看到的那样 , 能自如的用人类语言沟通 。
2) 服务提供者崛起的机会
因为上述的技术发展特点 , 在短期的将来 , 数据和设计是对话智能类产品的壁垒 , 技术不是 。
只是这里说的数据 , 不是指的用来训练的数据 。 而是供给端能完成服务的数据;能够照顾用户整个生命周期的数据;是当对话发生的时候 , 用户的明文以外的数据这些数据;影响用户脑中的环境模型、影响对任务执行相关的常识推理数据 , 等等 。
而随着IOT的发展 , 服务提供者 , 作为与用户在线下直接打交道的一方 , 是最有可能掌握这些数据 。 他们能在各个Touch point去部署这些IOT设备 , 来搜集环境数据 。 并且 , 由他们决定要不要提供这些数据给平台方 。
但是 , 往往这些行业里的玩家都是历史悠久、行动缓慢 。 其组织机构庞大 , 而且是组织结构并不是为了创新而设计 , 而是围绕着如何能让庞大的躯干不用思考 , 高速执行 。 而这也正是互联网企业和创业企业的机会 。
3)超级终端与入口之争
对话智能类的产品必须搭载在硬件终端上 。 很多相关的硬件尝试 , 都是在赌哪个设备能够成为继手机之后的下一个超级终端 。 就好像智能手机作为计算设备 , 代替了PC的地位一样 。
毕竟 , 在移动时代 , 抢到了超级终端 , 就抢到了用户获取服务的入口 。 在入口的基础之上 , 才是各个应用 。
如果对话智能发展到足够好的体验 , 并能覆盖更多的服务领域时 , 哪一个终端更有可能成为下一个超级终端呢?智能音箱、带屏幕的音箱、车载设备甚至车机、穿戴设备等等都可以搭载对话智能 。 在5G的时代 , 更多的计算交给云端 , 在本地设备上留下能耗较低的OS和基础设施 , I/O交给麦克风和音频播放就完成了 。

credit:Pixabay
因此任意一个联网设备 , 都可能具备交互和传递服务的能力 , 进一步削弱超级终端的存在 。 也就是说 , 作为个人用户 , 在任意一个联网设备上 , 只要具备语音交互和联网能力 , 都可能获得服务 。 特别是一些场景依赖的商业服务 , 如酒店、医院、办公室等等 。
随着这些入口的出现 , 在移动时代的以流量为中心的商业模式 , 可能将不再成立 。 而新的模式可能诞生 , 想象一下 , 每一个企业 , 每一个品牌都会有自己的AI 。 一个或是多个 , 根据不同的业务而产生;对内部员工服务或者协助其工作 , 同时也接待外部的客服 , 管理整个生命周期从注册成这家企业的用户开始 , 到最后(不幸地)中断服务为止 。