Facebook語音助理發(fā)展慢背后：急功近利干擾開發(fā)進(jìn)程

來源：新浪科技 發(fā)布時間：2018-11-01瀏覽：2937次

Facebook語音助理發(fā)展慢背后：急功近利干擾開發(fā)進(jìn)程

　　新浪科技訊 北京時間11月1日早間消息，據(jù)美國《福布斯》雜志網(wǎng)站報道，Facebook本月早些時候發(fā)布的智能音箱產(chǎn)品Portal背后問題不少，除了數(shù)據(jù)與隱私爭議，這款智能音箱還有個明顯的缺陷——缺少Facebook自己的語音助理，而是搭載亞馬遜的Alexa。

　　這樣就出現(xiàn)一個很尷尬的局面：花350美元購買Portal的Facebook用戶實(shí)際上接入的是亞馬遜系統(tǒng)，而亞馬遜的同類產(chǎn)品Echo Show比Portal至少便宜100美元。而且Facebook無法收集任何語音數(shù)據(jù)，使其語音技術(shù)得到進(jìn)一步訓(xùn)練。

　　Facebook從2013年開始大力投資語音技術(shù)。然而，盡管起步較早，作為擁有30275名員工、2017年利潤近160億美元的世界最大高科技企業(yè)之一，該公司尚未在語音領(lǐng)域贏得一席之地，而該技術(shù)被廣泛認(rèn)為是下一代人機(jī)溝通的媒介。

　　這凸顯出Facebook在將新技術(shù)轉(zhuǎn)化為產(chǎn)品方面存在巨大困難。過去五年，F(xiàn)acebook收購了多家語音公司，并聘請了很多語音技術(shù)專家， 但兩名知情人士表示，上述投資難以轉(zhuǎn)化為有用的服務(wù)。原因很大程度上在于Facebook內(nèi)部的意見分歧——在研發(fā)進(jìn)度上產(chǎn)生混亂，以及開發(fā)者無法決定集 中的領(lǐng)域。

　　直到大約兩年前，公司內(nèi)部人員才一致同意開發(fā)Portal，但已經(jīng)太遲。“Facebook想在Portal上使用自己的語音轉(zhuǎn)文本技術(shù)，但還 沒有準(zhǔn)備好，”一位不愿意透露姓名的資深工程師對媒體說。使用Alexa是一個“重大劣勢”，“如果無法獲取數(shù)據(jù)，就很難進(jìn)步和學(xué)習(xí)，并做出改進(jìn)?！?/p>

　　Facebook的一位發(fā)言人在回應(yīng)中指出，Portal用戶可以通過說“嘿，Portal”來激活設(shè)備，以啟動呼叫和訪問設(shè)備控制，但該發(fā)言 人承認(rèn)，公司必須與亞馬遜合作，“提供人們期望從家用設(shè)備中獲得的各種工具”。Facebook沒有回答關(guān)于語音技術(shù)開發(fā)的問題。在2016 年，F(xiàn)acebook當(dāng)時的Messenger主管大衛(wèi)·馬庫斯（David Marcus）說，該公司對語音技術(shù)的開發(fā)“不夠積極”。

　　產(chǎn)品經(jīng)理與工程師矛盾干擾開發(fā)

　　事實(shí)上，F(xiàn)acebook一直致力于語音技術(shù)的開發(fā)，但產(chǎn)品經(jīng)理和語音研發(fā)者之間的意見分歧干擾了努力方向。由于產(chǎn)品經(jīng)理的開發(fā)進(jìn)度要求快于技術(shù)本身發(fā)展的水平，這讓工程師倍感壓力。

　　一位資深工程人士說，產(chǎn)品經(jīng)理經(jīng)常希望語音技術(shù)研究能在“半年內(nèi)”轉(zhuǎn)化為產(chǎn)品。問題在于，由于語音技術(shù)的復(fù)雜性，構(gòu)建語音技術(shù)需要半年以上時 間。語音數(shù)據(jù)在不斷變化，麥克風(fēng)的類型不同，還有不同的口音和麥克風(fēng)之間不同的處理硬件。要構(gòu)建識別語音的軟件，還需要首先在語音數(shù)據(jù)庫上進(jìn)行訓(xùn)練，然后 將其投入實(shí)際應(yīng)用，然后進(jìn)一步在真實(shí)語音上進(jìn)行訓(xùn)練?！?/p>

　　比如蘋果Siri 的這一過程持續(xù)兩年多。當(dāng)蘋果在2011年10月推出Siri時，它將語音識別軟件外包給了Nuance，一個語音識別領(lǐng)域的老牌企業(yè)。但蘋果不喜歡在戰(zhàn) 略產(chǎn)品方面依靠第三方，因此開始著手建立自己的軟件。2013年，蘋果在波士頓（距離Nuance幾英里）設(shè)立了語音技術(shù)辦公室，2015年，蘋果公司悄 悄放棄了Nuance這一合作伙伴。

　　就語音識別技術(shù)總體而言，谷歌處于領(lǐng)先地位。愛爾蘭語音技術(shù)初創(chuàng)公司Voysis創(chuàng)始人皮特·卡希爾（Peter Cahill）對硅谷語音領(lǐng)域的描述是：“Google在頂部，然后是亞馬遜和蘋果，然后是Facebook?！彼a(bǔ)充說，“最后一家正在努力冒出來?！?/p>

　　當(dāng)時在Facebook高管團(tuán)隊中，有人希望使用語音技術(shù)研發(fā)Siri之類的數(shù)字助理，但這些項(xiàng)目需要長期付出大量時間和人力。由于研究者和產(chǎn)品經(jīng)理之間缺乏合作，最終都不了了之。

　　消息人士稱，很多參與開發(fā)Facebook語音項(xiàng)目的產(chǎn)品經(jīng)理對其中所涉及的技術(shù)缺乏清醒的認(rèn)識。經(jīng)理們也往往每三到六個月一換，核心人員被吸 引到大名鼎鼎的內(nèi)部研究部門——FAIR和AML。這就相當(dāng)于不斷栽樹，卻不給它生根成長的機(jī)會。說到底，F(xiàn)acebook的問題在于缺少“一個有凝聚力 的團(tuán)隊”。

　　比如，F(xiàn)acebook每六個月舉行一次小組產(chǎn)品評審，通常會使研發(fā)方向發(fā)生變化，從基于語音的搜索，到新聞轉(zhuǎn)錄，再到Messenger語音助理——所有這些內(nèi)部項(xiàng)目均未轉(zhuǎn)化為產(chǎn)品。

　　收購初創(chuàng)企業(yè)獲得技術(shù)被浪費(fèi)

　　值得稱道的是，F(xiàn)acebook在語音技術(shù)方面起步較早。2013年收購了移動科技（Mobile Technologies）——一家由卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）推出的初創(chuàng)公司。他們開發(fā)了一款早期的翻譯應(yīng)用程序Jibbigo，可以聽一種語言的語音，然后用另一種語言播放。當(dāng) Facebook以未公開金額收購這家初創(chuàng)公司及其幾十名研究人員時，引發(fā)了令人興奮的猜測，即Facebook將開始與蘋果Siri或者更多競爭對手合 作。

　　“語音技術(shù)已經(jīng)成為人們導(dǎo)航移動設(shè)備和網(wǎng)絡(luò)的方式，其重要性日益顯現(xiàn)，”當(dāng)時領(lǐng)導(dǎo)這項(xiàng)交易的Facebook的湯姆·斯托基（Tom Stocky）寫道?！斑@項(xiàng)技術(shù)將幫助我們更新我們的產(chǎn)品以適應(yīng)進(jìn)化需要?！?/p>

　　然而，即使Facebook將Jibbigo的團(tuán)隊規(guī)模擴(kuò)充到原來的兩倍，后者的語音識別技術(shù)最終也沒派上用場。據(jù)參與交易的人士透露，F(xiàn)acebook主要想利用Jibbigo的技術(shù)來翻譯用戶帖子中的文本，這樣就不必依賴微軟的必應(yīng)（Bing）。而Jibbigo研發(fā)的語音識別技術(shù)在一年后“下馬”，此人補(bǔ)充說，這一收購基本上就是一場浪費(fèi)?！八鼪]有產(chǎn)生足夠的點(diǎn)擊……（人們）沒有那么多說另一種語言的朋友?！?/p>

　　語音技術(shù)由兩個關(guān)鍵組成部分組成。第一個是語音識別，還有一個是自然語言理解，也被稱為語音AI。

　　2014年，F(xiàn)acebook收購了Wit.ai——一家專門從事自然語言理解的公司，向開發(fā)者授權(quán)使用軟件，把文本的混亂結(jié)構(gòu)變成可用軟件查 詢的數(shù)據(jù)。然而，F(xiàn)acebook并沒有將該公司的技術(shù)和語音識別技術(shù)結(jié)合起來，而是使用它來幫助企業(yè)建立Facebook Messenger聊天機(jī)器人，這是在2016年4月發(fā)起的一項(xiàng)變現(xiàn)計劃。

　　“Facebook從來沒有明確的語音識別策略，”另一位高級工程人員說?！皬膩聿磺宄槭裁匆I下（Jibbigo）。這在內(nèi)部是個大問題。我們知道有這樣一支團(tuán)隊，但沒人知道他們?yōu)槭裁闯霈F(xiàn)在這里?！?/p>

　　內(nèi)部研究機(jī)構(gòu)成“雞肋”

　　據(jù)消息人士透露，F(xiàn)acebook的語音努力最終體現(xiàn)在2015年到2017年的兩個領(lǐng)域：一個是轉(zhuǎn)錄Facebook視頻的音頻，以制作實(shí)時字幕，另一個是發(fā)布Facebook人工智能部門FAIR（即Facebook人工智能研究）的尖端研究成果。

　　Facebook在2013年12月啟動FAIR項(xiàng)目，該部門常被比作DeepMind——2014年谷歌花費(fèi)4億美元并購的AI研究公司。這 個部門由50名研究人員組成，在AI研究“大咖”Yann LeCun的帶領(lǐng)下解決人工智能中的長期問題。公司內(nèi)部還有一個類似部門稱為AML（即應(yīng)用機(jī)器學(xué)習(xí)），有大約100名工作人員，負(fù)責(zé)人工智能研究的商業(yè) 化。

　　根據(jù)Facebook一位資深人士透露，這些部門的所扮演的角色很復(fù)雜——聚集一堆研究者，但對產(chǎn)品開發(fā)毫無貢獻(xiàn)，還引誘技術(shù)熟練的工程師脫離產(chǎn)品開發(fā)?！八鼊?chuàng)造了一個平行的研究世界，”消息人士說。

　　最終，F(xiàn)acebook之所以沒有更多投入于語音技術(shù)的開發(fā)，原因正如知情者所言：“沒有客戶，沒有人對Facebook說‘我需要這種技術(shù)?！?/p>

　　這正是那些想在更廣泛競爭中勝出的高科技公司所面臨的挑戰(zhàn)。不斷創(chuàng)新意味著在一個尚未被證實(shí)的技術(shù)上投下決定性賭注，即使缺少明顯的客戶。Facebook之前沒有在語音技術(shù)上及時發(fā)力，等他們出手時，早已時不我待。(斯眉)