编者按：在今年微软Build大会上，两岁的小娜（Cortana）成为亮点。微软CEO萨提亚·纳德拉围绕着人工智能方面发布了一些交互式的方法，想要通过小娜打造一个聊天式的人工智能交互界面，并成为微软的一个长期目标。近日，微软小娜全球负责人Mike Calcagno来华，并接受网易科技的采访，详细阐述了小娜的发展规划。
文/小羿
智能语音助手虽然是一个不太新鲜的话题了，但却在最近得到了国外互联网巨头得到了相当程度的重视。让我么先来回顾下巨头们的布局历史。2011年10月，苹果语音助手Siri随iPhone4s一起推出。2012年6月，谷歌也发布了语音助手Google Now，整合了旗下搜索功能。2014年4月，微软也推出了自行研发的语音助理小娜（Cortana）。2016年3月，微软推出面向Twitter等社交平台的聊天机器人Tay，但因为辱骂用户遭到下架。而在2016年4月份，Facebook也宣布推出聊天机器人Messenger Platform，希望建立一个对话式的系统，实现订餐、下单、获取资讯等各种各样的服务。
可以看出，语音助手正在向着聊天机器人演化。未来这些语音服务系统将不仅仅是识别、搜索和提醒的功能，更多的将是基于聊天的服务系统。这也是微软和Facebook力推聊天机器人的最重要原因。试想一下，如果人们都开始用聊天机器人而非应用，苹果App Store和谷歌Google Play将会失去它在移动生态系统中的中心位置。也就说聊天机器人将可能会颠覆iOS和Android两大手机操作系统的中心逻辑，对于在移动生态系统中没有话语权两家巨头微软和Facebook必然是大力发展聊天机器人产品。
但是，与Facebook CEO扎克伯格将聊天机器人定位于企业互动和购物的新方式不同，微软不仅让小娜面向Android用户开放，而且提供跨越多款设备的通知提醒功能，例如支持用户在计算机上发送短信。小娜甚至还能根据一天中的不同时间提供建议，比如向你提供订餐信息，或是帮你安排一辆出租车，这或许会带来未来计算机交互领域的重大变革。
在微软Build大会上，小娜在微软中的战略地位得到无限提升。那么，微软小娜将如何发展？在开放给第三方开发者之后，小娜是否能用聊天对话式的服务颠覆目前的移动生态系统呢？
以下为采访实录（经网易科技整理）：
聊天对话是最自然的交互方式
记者：在Build上，微软也提出自然交互式对话，那么微软内部是如何规划的，什么时候开始做这件事情？
Mike Calcagno （以下简称Mike，微软小娜全球项目负责人）：实际上，微软在交互式对话上，已经投入了很多年的研究了，超过几十年。最近的深度学习，因为深度学习能力和计算机的计算能力让这个研发更加的提速，这个产品里面，我们可以很得到，微软的产品像Cortana，通过这种一定程度的自然交互，完成一些任务。另外，微软自己的产品，像小冰，他完全是基于对话式的系统，我们这两个产品在不断的研发往前发展的过程中，我们也是不断的学习。对话式交互的技术，是非常有挑战性的，最近的Facebook，也提出了一个机器人的平台，为他的信息，这里面你也可以看到有好多各种各样的问题，不是说你很多东西能够一蹴而就，是需要很多年的研发的积累，我们希望微软在这些年以来，长期的在技术的积累，从我们的研发，到产品开发，能够让我们微软在这个领域处于一个领先的地位。
记者：Mike提到了Facebook的计划，微软和Facebook看到的关于聊天作为UI的事情愿景是一样的，有什么区别？
Mike：是很难猜测，我们并不知道Facebook的愿景到底是什么，Facebook本身一直在强调，希望能够把在地球上的所有人，都连接在一起，在网络上。对话式交互，能够让人很容易的去跟设备和应用场景去服务，作为一个交流，达到一个目的。
记者：我看到彭博上面有一篇文章介绍到Cortana的对话作为UI的方式，是从微信上获得了一些灵感，可以讲一下方面的事情吗？
Mike：从微信来讲，在聊天交互上面的确是一个领先的位置，中国是在领先的一方面，其他的Messaging Service，我们看这些东西不仅仅是看微信，而是通用的，因为微信是其中的一个代表，但是在通用的信息交流，像微软的MSN的Messenger一样，他实际上是一个延伸，在这种即时信息服务来讲，他本身来讲提供了一个很容易让用户使用的一个界面。这个趋势来看，你会来了解到，人通过聊天样自然交互的语言，是一个最自然的，最容易让人去理解和接受。
在这样一个生态环境里面，Cortana也可以作为一个智能的一个代理这样的一个助手，他能进入到这样的一个生态环境里面为广大的用户提供这样的一个智能服务。在未来的自然交互的方式方法上来看地自然语言的交互是最自然的，它能够极大能够让用户和各种各样的智能的设备，IOT物联网这些环境里面的，可以很自然的和他们交互。我们从微信里面学到的，自然对话是未来的一个交互的一个关键。微信这么多人在用。其实里面另外一点，因为这么多人在用，所以他们已经养成了，他们认为，什么叫自然的习惯，什么是自然，重新定义交互的一个概念。
记者：微信是基于有庞大的用户量的，有很多人在使用的，但看起来，微软在国内的移动端没有这么大的用户量。如何去面对这样的问题？
Mike：我们对这个不是特别担心，虽然小娜是从Windows上先设计开发出来的，但事实上我们的一个愿景是希望用户在那儿Cortana就会在哪儿。这里面是一个关键性的转变，并不是说我们拥有这个平台，我们才在这个平台上开发，实际上我们最近的一些产品的服务，比如说我们Cortana在安卓、IOS的上开发以及微软的其他一些主要的产品像Skype，像outlook也都到了其他的平台上，其实我们是跟着用户走，而并不一定是非得是我们必须要用这个平台，才能在平台上做产品的开发。
其实我们一个最强的理念，这个理念是非常重要的，我们从Cortana的角度上看，就是跟设备不相关，是一个以面向用户为核心的，用户在哪里，Cortana就会在那里，比如说我们刚才讲的，在一个家里的这样一个环境里面，其实我们根本不会管，他家里用的是一个什么样一个设备。那小娜会跟着用户最近家庭，为它提供服务。刚才讲的，你可以在不同的环境下，你可以像对你的秘书这样的交流，通过写E—Mail，或者跟她进行语音交流，微软最大的价值是创造价值，为用户带方便，而不是为用户提供一个移动设备。
小娜在微软中的战略地位得到无限提升
记者：我们看到，在Build大会上这些发布，能看到小娜对微软来说，是更加重要的一个角色，所以我想了解一下，他背后的开发人员，在组织架构上，有发生变化吗？
Mike：其实我们从萨提亚上台之后，我们强调的更多的是合作。实际上你会看到，在微软内部有很多这样的举措，在鼓励跳过这种部门的条条框框。多种资源能够集中精力的在某些产品上做一些开发。实际上你可以看到，小娜从策略上的一个重要性提高来讲，其实并不是我们在Build大会上就突然间变的很重要。实际上从微软长期的三个核心方向来看，实际上是有一个非常有交集的一个东西在里面。所以从这个意义上来说，从他的战略的重要性来讲是不容置疑的。而这种战略重要性的体制，放到一个公开的台面上来讲会比较多，但跟组织结构来说，没有任何的关联。
记者：那Mike这次来中国的目的是？
Mike：其实我们在中国的小娜研发团队，在某种程度上你可以看成是Mike团队的一部分。我们和美国团队，还有其他几个国家印度以色列等的团队的联系都很紧密。Mike作为我们的主要负责人，他会定期的到不同的地区去看一下，然后给我们一些指导反馈。中国团队这次不仅仅是在北京，另外一个还会去苏州，两个地方的团队都有。中国团队很早就已经参与到小娜的产品开发里面了。
记者：在Build大会上，微软发布了一个人工智能包，包括了机器人的架构，机器人架构，认知服务和机器学习。那这些在目前，他能做什么事情？然后这里面有没有小娜的服务在里面。微软以后对人工智能包的想象空间有多大？
Mike：从两个角度来看这个问题。第一，你可以想象一下，从搭积木的角度上来看。其实我们的人工智能这块，有很多积木的模块，小娜也是在共享的。我们把这些模块开放给第三方的开发人员，希望他们能够利用这些模块，能够Build这种对话式的应用场景。这个东西将来会很方便的跟小娜进行一个对接跟拓展。另外一个角度，就微软在在人工智能领域方面，投入了很多的东西，刚才提到的像图象的识别，以及人身份鉴别的这些东西。这些东西跟我们人工智能的愿景是非常一致的。我们希望把这些技术，开放给第三方，能够让他们来使用，进一步的推动人工智能发展。所以，这是一个最好的方法，让他们先做起来。
这有两步走，第一步。我们认为未来交互的最主要的方式，是对话式的交互。我们往这个远景上发展的话，作为一个Business来说，他能够让他的应用和他的服务，变成对话式的交互。对他本身就是一个很大的提高。另外，将来对微软用户的一个对接就变的更加容易了。因为我们刚才说，小娜对接服务的一个对接，在这个平台上，就变成了一个新型的对接。
记者：咱们中国也有微软小冰，就是小娜跟小冰的后台技术可能都是一样的。有没有想过，未来这两款东西，会同时出现在同一个平台上呢？让他们实现有一定的交互呢？
Mike：这两款产品的产品定位是不一样的。我们一再强调的就是，小冰主要是集中在娱乐和用户交互上。小娜是集中在作为个人助理，帮你干更多的事情。其实，在某种程度上来讲，你可以想象一下，小冰是在对话式交互里面，把他推到了一个更领先的位置上。我们这个产品，从后台技术、学习，或者是应用上，从这上面得到了很多的经验。我们觉得，短期计划里面，我们还没有打算把他们俩合在一起。虽然我们认为，一个个人助理也是有人性的一面，他不是一个简单的机器人。他在帮你干事情的同时，也能够跟你有一些对话式情感上的交互。
要做平台 将小娜开放给第三方开发者
记者：小娜已经两周岁了，它有什么样的目标？
Mike：两件事情，今年是Cortana的两周岁生日，在今年的Build大会上，小娜成为亮点。是面向开发者的大会，今年微软CEO萨提亚的围绕几个主题的发布，一个是围绕着人工智能方面，我们发布了一些交互式的方法，通过交互比如说像谈到的一些像机器人的这种聊天式交互的未来人工智能交互的一个界面，这个东西Mike也说了，是我们长期的一个目标。
另外一个比较具体的目标，从Cortana角度来讲，我们把Cortana开放给了第三方，第三方的应用以及他们的服务，他们能够利用Cortana对用户的了解把它对接起来，直接在小娜的界面上，把他的内容显示出来，这样第三方的应用能够利用Cortana的智能，为用户提供比较相关的服务，在合适的时间，合适的地点，提供一个合适的服务。
记者：我们Cortana会让一些第三方的开发者来做一些事情，现在你们已经碰到的，或者已经遇到的开发者做的事情中，有没有让你们感觉比较兴奋的。
Mike：从我们大的场景来看，开发人员对Cortana的兴趣，比我们想象的还要大，在Build之前的时候，我们已经有一千多个应用服务厂商通过这种语音交互的方式，把他的服务跟Cortana后面做了一个对接。在Build上，我们推出了（Proactive Action）的界面，能够让第三方的应用程序，通过平台，利用分享用户的理解，能连接到一起，坐在一起来。现在我们已经跟一些集成商，系统服务商在讨论，他们对这个东西非常感兴趣。
Proactive Action这一块我们谈的时候，有两个特别大的优势，第一个优势就是从开发人员的角度上来看，他在这上面的投入会非常少，他只要支持深度结合，这样的一个技能，他能够到我们的开发平台上去登记去注册，很容易就把他连接起来，就比这些第三方自己做语音交互的研发，要省很多的事情。第二点，Cortana通过这样平台，实际上我们不仅仅是把服务连接起来，而我们提供的是一个用户的相关信息。这些东西，你可能在平常本根本都拿不到，我们举一个例子，是UK的一家提供外卖服务这样的服务商。实际上你你们时候提供外卖服务，用户真的需要他的时候，那这些需要他的这个时间点，Cortana把这些信息分享给到服务商，这时候你再给用户介绍这种服务的时候，你就觉得说，我们就觉得总说是在合适的时间，合适的地点，提供这样一个相关的服务。
Mike：另外一个就是小娜平台的一个优势。刚才我们说道，小娜将来是面向用户为中心的一个服务。不管我们是在Skype还是Outlook，只要小娜能出现的地方，你跟之前的投入进去服务对接，你就自然而然的把你的服务也带到了小娜能够到达的一些场景里面。
引入深度学习 将自然语言结构化
记者：小娜进入中国也有一段时间了，是否可以从技术的层面，为我们解释一下，经过这么长时间的开发，小娜在技术上最明显的变化是什么？
Mike：有两个方面的角度。第一，小娜从发布到现在，我们不断的在后台增加新的功能。举个例子，我们在Build上做的演示，我们经常在跟别人交流的过程中，做了很多的承诺。但是我们往往只能记住其中很小的一部分。小娜现在一个新的能力来说。现在有一个秘书替你看的这个东西，他会提醒你。比如，你答应Mike，过两天要跟他去吃饭别忘了。这种事是很容易忘的事，但是小娜从秘书的角度，他能主动的把不经意之间为别人提供的一个承诺，他给你抓住这个承诺，然后会主动的提醒你，让你不要忘记你的承诺。变成一个守信用的人。这是一个方面的例子，就是我们在后台，不断的增加了很多新的能力。
第二，随着用户使用数据越来越多。实际上小娜也是在后台不断的学习，学习过程中，我们可以知道他是用什么样方法完成一个任务，去查询什么样的一个信息。这样，对我们从质量的角度，做了很多的提高。包括从语音识别的准确性，和语义理解的一个准确性能力来说，都做了很多提高。
刚才举了两个例子，这两个例子，都是我们从用户和小娜交互过程中学到的。有的用户就会提到，让小娜帮关机。我们在刚开始设计的时候，其实没有考虑到这个问题，但是根据用户使用的量，还有使用的习惯，常用的东西我们就把他加进去。还有一些，就是我们常说的“现在几点了？”因为我们的设计理念就是，手机上已经有时间了，你为什么要问这个问题，我们当时就没有想到，直接就把他带到了搜索的一个界面里。实际上在用户的使用过程中，小娜也慢慢在养成这样的习惯，我们也是在不断的学习用户的行为习惯。根据这些习惯，我们对产品的定义，重新做了很多的修改。
因为小娜是基于很多服务在云端实现的。所以这样，实际上也是我们利用了现代软件开发带来的便利。以前我们在做这种软件开发的时候，很多时候都是有一个猜测，然后是一个实现。但是经过用户的反馈，你会发现有些猜测是对的，有些猜测是不对的。那对这些不对的猜测，我们很敏捷的能够用云端的一些优势，在云端做这些服务，做一些调整。所以以前，像这样的改动，一般来讲，他会需要一个产品周期，可能要一两年时间。我们现在很快就可以把他在云端改了，用户从终端这边，都能够体验跟访问到。
为了让这些助手非常的成功，所以深度学习的能力非常重要。因为在这种交互当中，经常会发现，有一些新的东西会出现，你怎么样能够快速的学习，能够给出一个变化，一个应答。有时候我们经常讲，同一个问题，过几天答案就不一样了。今天回答不了的问题，可能过几天就能够回答了。
记者：业内人士说，在智能语音助理这方面，会有三个层级，一个是语音识别，一个是NLP自然语言处理，还有一个是深度学习。我想问在自然语言处理这方面，小娜对于中国的本地化这种自然语言的处理，有一些什么样的措施，或者进行了一些什么样的改善？
Mike：实际上你刚才说的那三个层次的东西，第三层次的那个，深度学习实际上是一种技术的能力。实际上这个技术已经在不同的语音识别，在自然语言理解，他都已经被应用到了。所以如果Mike想做这三个层次的定义，可能是说语音识别、自然予以理解、任务完成。因为基于这几个东西，三层要完成一个任务。完成这个任务，从宏观和狭义上，都可以理解成，比如我给你一个正确答案，也是帮你完成一个任务。我帮你买了一份饭，或者买了一张机票，这也是一个任务完成的东西。所以那个类，我们先把你的三个层次定义一下。
从自然语义理解角度来讲，如果把它简化一下，我们可以看到，如何把自然的一句话，把他变的结构化。在结构化这里面，我们简单的一个东西就是，根据这个结构，我们希望将来可以把他变成一个知识库里的查询，或者是完成一个任务。另外一个观点就是，其实这对后台知识库的查询，有一个很重要的要求。比如咱们刚才举的例子，哪个餐厅里面有最好吃的饺子。他不仅仅是要查到餐厅，同时还要查到卖饺子的，同时还要查到饺子的评价会非常好。这里面，实际上这两方面都要去做，从NLP的角度上来看，能够把自然语言理解能力，从一个任何背景语言自然交互，自然的语言能够把他有更多的结构化出来。另外，对知识查询来讲，在这方面要做更进一步的投入。
现在网络搜索的话，只是其中表面解决的问题。但是像对话式的交互，的确是需要更强大的自然语言的理解能力，才能够完成这样的一个任务。
知识库查询背后 如何在中国进行商业化探索？
记者：您刚才说到，他需要对知识的查询。那知识查询，在查询以后，应该是提供了一种服务。那这个知识查询，是不是基于一个数据库，这个数据库就是说有没有计划跟中国本土的一些服务商，或者是有数据的服务商去合作呢？这个方向，是不是小娜未来走向商业化的一个路径呢？
Mike：刚才我们也提到了，小娜里面核心发展的一个重点方向就是，第三方的生态系统扩展。那第三方生态系统扩展里面，我们从两个角度上来看，有一些第三方的服务是帮你完成任务，像美团或者是别的第三方，这是完成一些任务。还有一种，他是从知识的角度，他能够面向知识的查询，我们可以把他通过生态系统扩展，把他接到小娜的生态系统里面来。
闫勃（微软小娜中国项目负责人）：我和Mike这一点特别相似的一点是，一个真正好的助理，他不是能够万能的解决所有的问题，而是他能够帮我找到我想要的答案。或者是这个专家，专门是帮你订餐的，旅游的。或者是这个人的专业知识知道的更多。他是这样的一个个人助理，而不是所有的东西都在他的大脑里，他随时可以干这个，干那个。他是智能的对接，不是一个简单的对接。因为他知道，他了解我，所以他能够利用这个知识，跟我第三方做一个对接。
Mike：刚才说小娜帮我连接第三方，或者是内容的方式，有主动和被动的方式。你可以让他帮你去做，或者他就主动的给你提出来帮你做。因为他对我有很多的了解。一些其他的上下文的信息在里面。他也能够帮我去完成那些任务。从小娜的设计理念来看，我们希望用户搞清楚你到底想要什么东西，小娜会主动的帮你减少你的问题。因为你要找，到底谁来给你提供这样的服务，要花很多的时间和精力。小娜就帮你节省了很多的时间和精力。他就能帮你主动的找到，谁能够提供这样的服务。我到了中国之后，像点餐这种服务，我根本就一窃不通。在这种情况下，如果我的助理能够帮我解决这些问题的话，就极大的节省了他的时间，让他的生活也更有效。
记者：可不可以分享一些数据，在小娜推向市场的过程中，我们在哪一部分的服务对接是比较多的。基于这些的话，以后我们会将小娜定位在什么地方？
Mike：今天我们还在不断的开发和发展过程中，对提供第三方服务方面，还没有达到一个完美的境界。把这个链接起来，不断的去完善生态系统。现在其实很多的智能助手，也没有达到的那样的一种程度。刚才我们谈到了一个观点，我们认为未来的生态系统会非常的庞大。其实在生态系统这么庞大的情况下，同一个服务，可能有不同的服务商来做。这样的一个问题，就对我们提出了一个比较大的挑战。在我们的搜索里面也是一样的。其实搜索的主要问题是一个怎么排序的问题。根据内容相关性做一个排序。同样，我们将来在生态系统里面扩展的时候，也会碰到同样的问题，我们怎么样从这些这么多的服务商里面，挑出更适合用户的服务呢？因为小娜对于用户的理解，以及各种场景下的一个上下文的信息。所以我们希望通过这个，能够给用户推荐一个更适合他的一个服务。我们期望这样的问题就是好问题，因为在现在系统这么发达的时候，好问题是对我们来说是有挑战的，我们去想办法解决。
我们在做服务排序的过程中，用户对服务的喜好程度，都作为一个很强的一个信号来影响他的排序。实际说这里面很多的信息，你都能拿到。那么他常用的是哪一个APP。所以并没有一个，是我们对所有的用户都推某一个这样的服务。而是根据用户自己，面向用户喜好行为习惯的这样一个东西。他的喜好，就能够作为一个对用户的了解，小娜能够掌握。在后来的服务里面，我们会进行优先考虑他喜欢的那个服务。
借助小娜 微软在物联网上如何布局？
记者：刚刚您提到，IoT方面的问题，因为在今年的MWC上，我看到微软跟三星这边有合作，通过Cortana来控制三星的智能家具，我想了解的是，Cortana在未来的IOT这方面是怎么样发展的一个规划？
Mike：首先，IoT（物联网）对微软的战略上非常重视，非常重要。对未来，其实IoT里面最大的一个问题，是对话式的交流，因为物联网设备大部分都没有屏幕，你怎么样通过这样的一个自然语言的交互方式，能够完成很多的任务，这里面最主要的技术难题还是在对话式交互，这就是为什么我们在Build大会上，提出了这个概念，而且很多目前的投入，都是在这个领域上，因为在这个领域上，你一定要得到突破，你才能真正的解决IoT的一个问题，他不是简单的一个语音的回答，这样简单这么一个语言的交互。而是一个自然语言的交互，他里面包括了一些理解的东西在里面。
在IoT之外的，像车载这样的一个系统也是非常很好的应用场景，在做简单的语音交互的过程中，真的要达到很多的事情，实际你是需要同样的一个对话式交互的功能，通过自然交互可以完成很多的事情，不像简单的以前，完成一个指令，打开一个应用。你很多的信息的获取，很多做的事情，就仿佛你在跟一个你的个人助理在交流一样，实际上是通过这种自然交互，对话式的交互。这是我们将来的一个研发重点。
记者：刚才提高IoT，我想到Amazon Ehco这个设备，挺受欢迎，我们挺想看到Cortana在一个这样的设备上存在，微软有这样的计划吗？
Mike：首先明确一下，今天不是一个产品发布会。我个人非常喜欢Amazon Echo这样的产品，而且他在我来讲，为什么我们所提出的自然对话式交互，实际上验证了对话式交互的重要性，我们知道Amazon Echo在很多场景里面，比如在智能家具，在家里。他的整体的用户体验来说还是非常的好。刚才提到Amazon Echo只是一个产品，在里面他的一个助手叫做（Alexa），我们现在进入了一个多助理的时代，一些助理，分别他们擅长的领域，可能在某些特定的领域，比如说像Alexa这样的助理，他擅长的领域在厨房，大家把他放到厨房里，设计几件事情让他的做的，比如说像设置闹钟，播放音乐这样的东西。对Cortana来说，我们现在主要的核心，还是集中在怎么样能够为这追忙碌的这些人，他在不断的移动过程中，这些人我们给他提供一些服务，能够提高他的工作效率，以及能够让他自己能够掌控住自己的这个行程安排，对这部分人群能够给他提供种各样的服务。
本文来源：网易科技报道
责任编辑：
丁广胜_NT1941
