简要总结一下：
语音技术支持下的语音智能助手发展要解决的首要问题，也同时是发展方向——是持续提升「开放域」的连续对话能力，表达中越来越贴近人类的交流特点，丰富交互文本（在语音基础上增加图片、视频等多媒体文本）。
在此基础上，不仅要关注技术发展，更要关注它可能带来的社会影响，如社会偏见以及技术滥用倾向。
关于这个问题的解答，我们可以考虑从语音智能助手的 重要基础支持——语言模型的最新进展聊起 。
美国时间2021年5月18日，一年一度的谷歌I/O大会如期而至。在一众产品和技术之间，LaMDA的出现被认为很有可能是目前智障语音助手的「拯救者」。
LaMDA
的全称是Language Model for Dialogue Applications，简单而言，
它是一种能力更强的语言模型，适用于对话应用程序。
与前辈BERT、GPT-3一样，LaMDA也基于Transformer架构。后者是谷歌公司于2017年发布并开源的神经网络架构。利用该架构生成的模型，可以被训练阅读一组单词（比如一句话或一个段落），并且关注这些单词之间的联系，然后预测接下来会是什么单词
[1]
。与其他模型不同的是，LaMDA在对话方面接受了更多训练。
在展开介绍之前，我们需要仔细想想，现有的语音助手为何如此「智障」？
智障的根本原因是技术能力不足，具体表现为「文不对题」——不能给我们想要的答案，这一点相对还好解决，只要加大训练量就能逐渐优化。
但另一个更难以解决的问题是，语音智能助手只会孤立地理解我们提出的问题，并且孤立地给出答案。
换句话说，你不能指望它联系上下文语境，跟我们进行长时间的「连续对话」。
要知道，我们在现实中的对话场景是完全开放性的，经常是从一个主题出发，延伸到另一个主题，最后在完全不相关的主题结束。比如，我们见到一个朋友，常常以「你吃饭了没？」打头，聊到前几天推出的一款新游戏，最后打算周末约一场电影。
现实对话的开放性特征，使之成为机器学习领域最难解决的问题之一。
它涉及到一项很重要的能力，即自然语言理解（NLU），要求AI能够进行语义语境情感的判断，这是比自然语言处理（NLP）还要复杂的能力。
现在大多数智能助手，往往按照狭窄的、预先定义好的对话路径被设计，并不能进行开放对话、连续对话。
这就是它们看起来还相当智障的原因。
而LaMDA就针对这一问题进行了技术突破。LaMDA基于谷歌2020年的一项研究
[2]
，这项研究显示，基于Transformer架构的语言模型在经过对话训练后，能够谈论几乎所有话题。
在训练的过程中，LaMDA发现了开放式对话与其他形式语言的细微差别。它最为核心的，就是
进行「开放域」（Open Domain）对话的能力
。而这项能力的重要依托，就是相比于现有的对话模型，LaMDA更能理解对话的语境。它可以通过阅读句子或段落来「破译」对话意图，发现单词之间的关联，并能预测接下来可能出现的单词，从而做出合乎语境的回答。
在这样的能力支撑下，LaMDA能够和人在无穷无尽的话题转换中聊下去，进行长时间的开放性对话。用谷歌官方的话来形容，就是「
能够用自由流动的方式，谈论无穷无尽的主题
」。
举两个具体的例子——
在本次大会的演示环节中，LaMDA扮演了冥王星的角色，与用户进行对话
[3]
。
用户：「我对你真的很好奇。」
冥王星（LaMDA）：「我感受到你的兴奋了，来问我任何事吧。」
用户：「告诉我如果我去参观你，我会看见什么？」
冥王星（LaMDA）：「你会看到一条巨大的峡谷，一些封冻的冰山，间歇泉，还有一些火山口。」
用户：「那听上去真美丽。」
可以发现，在示例场景中，LaMDA能够根据用户的提问作出精准回答，而且还能够将一个主题，引向另一个主题，不断推进对话。这种主题的过渡并不突兀，显得自然而合理。
当被问到：「
你希望大家了解你的哪一面？
」
它这样回答：「
我希望人们知道我不仅仅是一颗随机的冰球（random ice ball），我实际上是一个美丽的星球。
」
对于「冥王星之前是否有过到访者」的问题，LaMDA也能给出准确的答案。它甚至还贴心地提醒用户，如果要访问冥王星，需要带上大衣，因为它非常冷。
这种对话给人的感觉，就像是在和一个知识渊博的朋友聊天。虽然话题天花乱坠、不断涌现，但LaMDA总能接住话茬，并且自然而然地展开对话。
在另一个演示中，LaMDA也展现了高超的对话能力。
用户：「成为一架极好的纸飞机的秘诀是什么？」
纸飞机（LaMDA）：「嗯，我的朋友。我必须先问你如何定义‘好’。有些人会认为这关乎纸飞机能飞多远，有些人认为是纸飞机能飞得多直，还有些人可能会认为是纸飞机平稳落地的程度。所以，你是怎么看的？」
在这个演示中，LaMDA扮演的角色是一架纸飞机。当用户问，你曾经最糟糕的着陆地点是什么？它回答说：「
可能是一个小水洼（puddle）。
」
当被用户问到：「
成为一架真正好的纸飞机的秘诀是什么？
」
它主动追问用户：「
‘好’是什么意思？
」，体现了足够的灵活和机敏。
用户回答：「
我关心距离（distance）。
」LaMDA进而围绕「如何优化纸飞机的飞行距离」这一话题，分享了相关知识。
要知道，LaMDA的这些回复都不是预先设定的，而是自然生成的。这也就意味着，LaMDA不必再经过专门的训练才能进行另一次对话，也不会作出重复的回答。这样的能力确实令人惊奇。
这两个示例中，仅凭寥寥几语就能看出LaMDA使问题应答更有意义了，而这就是理解对话语境能力带来的结果。在这样的能力辅助下，LaMDA表现得相当理智和机敏。
谷歌公司也表示，理智和特异性并不是LaMDA所追求的唯一品质。他们还注重洞察力、幽默感等能力。与此同时，谷歌也非常关注事实性问题，也就是LaMDA的回答是否符合事实
[4]
。
毕竟对于一个语音助手来说，有趣很重要，正确更重要。
虽然现在LaMDA这一语言模型在演示运作中可以根据对话语境提供建议和答案，让对话不违和地进行下去，但它仍在研发初期，想要达到AI助手的功能，还需要时间的磨合。
面对
语言的丰富性、灵活性以及随之伴生的复杂性
，LaMDA的能力同样还称不上成熟。在现实运行中，它仍可能出错，给出荒谬的回应。比如，在扮演冥王星的演示案例中，它就说到自己跳得很高（jump really high），经常练习翻转动作，并且很乐于用它最喜欢的球——月球来玩接球游戏。这些回答显然是违背常识的。
除此之外，作为语言模型，LaMDA也无可避免地面临一些AI的老问题。比如它
可能会被滥用或者传播偏见
。算法偏见是极为复杂的问题，既可能源于算法结构设计，也可能是训练数据集的问题，它的本质是社会偏见在算法层面的延伸。
如谷歌所言，「语言可能是人类最伟大的工具之一，但像所有工具一样，它可能会被滥用。接受语言训练的模型可能传播这种滥用行为——例如，
通过内化偏见、反映仇恨言论或复制误导性信息。
即使它所训练的语言经过仔细审查，模型本身仍然可能不被善用
[5]
。」
当然，LaMDA还会面临许多意想不到的
被滥用的现实风险
。比如被违法犯罪分子用于网络欺诈，类似的新闻已经屡见不鲜。更仿真的对话能力，也就意味着更强大的欺诈能力。
即便在技术层面，LaMDA也有更大的优化空间。目前，LaMDA主要是围绕文本对话进行构建的，
在未来，LaMDA可能会兼容其他的媒介形态，包括图像、音频、视频等等。
这可以寄希望于同在本次大会发布的MUM（多任务统一模型），未来人机交互手段或许会因这两项技术而出现革命性的变化。
LaMDA的具体作用如何，还待进一步观察，毕竟Google之前有过黑历史（2017年，Google发布了餐厅订位服务AI Duplex，后来被发现背后有真人帮忙完成
[6]
）。不过，人们和语音智能助手进行更自然、开放的对话，相信已经不再遥远了。
答案整理节选自 腾讯研究院 文章：【谷歌最新黑科技LaMDA，能让你的语音助手不再智障吗？】
作者：王焕超
参考
- ^https://www.blog.google/technology/ai/lamda
- ^https://ai.googleblog.com/2020/01/towards-conversational-agent-that-can.html
- ^https://www.youtube.com/watch?v=aUSSfo5nCdM
- ^https://www.blog.google/technology/ai/lamda
- ^https://www.blog.google/technology/ai/lamda
- ^https://wallstreetcn.com/articles/3567850
