2016年，AlphaGo 打敗了世界圍棋冠軍李世石，人工智能接受了人類的頂禮膜拜。在這之前，人工智能不是活在和人類談情說愛的電影里，就是活在「人工智能就要統(tǒng)治地球了」這類空洞的標題里。

這一年，凱文。凱利預測人工智能將成為日用品，聽起來仿佛很科幻，實現(xiàn)得卻很快。2019年，在我們毫無意識的情況下，人工智能就已經(jīng)滲透到我們的日常生活了，今天，為你盤點人工智能在2019年的四大熱門應用，看機器學習、計算機視覺、語音交互、自然語言處理等技術是如何在生活中落地的。

語音合成——給我5秒，就能復制你的聲音

世界上最美妙的技術，莫過于能實現(xiàn)一夜暴富的技術。

“我，秦始皇，打錢”和“我，美女，買茶嗎”的詐騙時代暫時結束了。2019年，電話詐騙卷土重來，甚至實現(xiàn)了產(chǎn)業(yè)升級，勢頭還更猛了。

是騙子們今年想賺錢的愿望特別強烈嗎？其實是第一批AI詐騙犯已經(jīng)上崗了。它們有著真實的電話號碼，感情充沛的語音，甚至還有像真人一樣的話術。

AI電話詐騙不是中國特色，美國人也不堪其擾。2019年還沒結束，美國人民就已經(jīng)接到了540億通AI騷擾電話，比2018年多了60億。這也意味著，我們以后要面對的已經(jīng)是一個被訓練了千億次的詐騙精英了。

電話詐騙真正實現(xiàn)了多、快、好、賺，因為語音合成已經(jīng)取代了人工。語音合成可以說是同時運用語言學和心理學的杰出之作，它的背后是文本轉(zhuǎn)語音（Text To Speech，簡稱TTS）技術。這個技術我們都很熟悉了，不管是越來越俏皮的Siri，或是可以定制語言導航的百度地圖，都是依靠的TTS技術。

語音合成最簡單粗暴的方法是拼接法，缺陷是拼接出來的語音聽起來就不像正常人，比如我們最常聽的“支付寶到賬X元”用的就是拼接法。

谷歌實驗室旗下的Lyrebird公司在2017年合成了特朗普和奧巴馬的演講，連美國人民都聽不出哪里不對。

Lyrebird靠的是神經(jīng)網(wǎng)絡和機器學習。神經(jīng)網(wǎng)絡把文本智能轉(zhuǎn)換為自然語言，轉(zhuǎn)換時間之短可以秒計算；同時，智能語音控制器能做到讓人根本意識不到是機器在說話。除了Lyrebird外，谷歌的 WaveNet，百度的 Deep Voice以及科大訊飛和騰訊等等都提供了開源的語音合成應用。

早期語音合成還需要大量的語料和訓練，現(xiàn)在訓練成本已經(jīng)大大降低了。在GitHub一個開源項目里，你只需要一個人5秒的音源，就能克隆他的聲音，連語氣和情緒都能模仿。不過隨著【尖端技術大廠化】的行業(yè)發(fā)展趨勢，語音合成技術濫用的情況，目前的整體環(huán)境也得到了更好的改善。

語音合成技術也有溫情的一面。對視障群體而言，想看書只能靠觸摸，真人有聲書的數(shù)量也有限?，F(xiàn)在，只需要二十分鐘，就能用TTS技術合成一本有聲書，讓機器像人一樣讀書了。

語音交互——智能音箱終于能聽懂人話了

智能音箱和iPad、特斯拉ModelS等一起，被《時代周刊》列為十年來最具影響力的科技產(chǎn)品。也許你會嗤之以鼻：不就是個能上網(wǎng)能聊天的音箱嗎？

回想起幾年前，是個廠家就要做音箱，是個音箱就自稱我AI了。第一波嘗鮮的消費者們期待著前沿科技的饋贈，最終卻只收獲了一個“笑話大全語音版”，想讓它干點活，它耳背了，想和它聊個天，它就會打岔。對于這波只會講段子和學放屁的，大家的態(tài)度還是：你走吧，我媽媽不讓我和人工智障玩。

如何鑒別人工智能和人工智障？圖靈說：與它對話。

圖靈曾預測，到2000年人和計算機之間就可以用自然語言溝通。所謂的自然語言就是“說人話”。

為了和計算機對話，曾經(jīng)是人主動學習計算機的二進制語言，現(xiàn)在是人在讓計算機運用人的語言，這背后的核心就是人機交互技術。

人機交互主要分三步：先聽，然后理解，最后給出反饋。

聽清之后智能音箱還需要對轉(zhuǎn)換后的文字進行處理，把自然語言轉(zhuǎn)換成機器語言，方便機器做閱讀理解明確意圖，這一步就要用到自然語言理解技術（Natural Language Understanding，簡稱NLU）。鑒于中文的博大精神，自然語言理解的難度系數(shù)不是一般的高，比如那句經(jīng)典的校長說：校服上除了?；談e別別的，讓你們別別別的別別別的你非得別別的」，你看笑了，機器卻聽哭了。

最后機器還需要作出反饋來滿足用戶的需求，比如說和你對話聊天、幫你開關燈或搜索推薦內(nèi)容。同時，機器還會把反饋結果說出來，這就用到了上文的TTS技術。

最近中國科學院物聯(lián)網(wǎng)研究發(fā)展中心給智能音箱打了一次分。用8240次對話，對百度、騰訊、天貓、小米四家的智能音箱進行了測評。綜合三個維度，只有小度在家1S的得分達到了80（聽清率98.5% * 聽懂率92.89% * 滿足率86.9%），騰訊的得分為54，剩下兩家的得分都在50分以下。人工智能還是得靠技術說話，依靠在語音領域多年的技術積累，百度提前贏下了這場比賽。

隨著國內(nèi)巨頭對智能音箱市場的進一步投入，整個行業(yè)的產(chǎn)品價格持續(xù)走低，無屏音箱最低價幾乎全部被打到百元以下，四舍五入相當于白送，讓許多人迅速過上了家里有「機器人」的生活。上春晚、搞綜藝、跨界營銷，國內(nèi)第一的小度也嗖的一下子成為了「智能音箱領域的國民級品牌」。用著用著我們也發(fā)現(xiàn)，智能音箱好像變得沒那么智障了，開始聽得懂人話了。

手勢識別，控制視頻播放

人臉識別，切換兒童模式

當然，嚴格意義上的圖靈測試離我們還相當遙遠，智能音箱還有著很大的優(yōu)化和升級潛能，這個潛能恰恰是和用戶量和你的使用次數(shù)正相關的。根據(jù)Canalys的統(tǒng)計，截止今年Q3，小度有屏音箱的出貨量已經(jīng)是世界第一了，小度智能音箱的出貨量也達到了中國第一、世界第二，僅次于2014年就入場的亞馬遜。同時，小度音箱搭載的語音操作系統(tǒng)小度助手每天也在接受著數(shù)億次的訓練，甚至養(yǎng)成了一個“自學習AI系統(tǒng)”?，F(xiàn)在，你可能依然覺得智能音箱產(chǎn)品還有點笨，但可以預見的是，它會成長得很快。

人臉識別——人臉識別成了逃犯克星

眾所周知，每個販賣機里面都有一個人。

比如下面這個刷臉支付遇上死機，只好在販賣機里住了一天的人。

“一對一”認證，一種是提取你的身份證，再和攝像頭前的你進行對比；另一種則更簡單，直接用攝像頭錄入你的人臉信息，比如FaceID。技術門檻相對較低，所以刷臉認證的產(chǎn)品遍地瞎開花，其中刷臉領廁紙應該是最具“中國特色”的人工智能了。

要領取廁紙先刷臉，堅決剝奪你的拉肚子自由

張學友：我都快忘記我警察的身份，真的以為自己是個歌星了。

見微知著，計算機視覺的發(fā)展也反應在一家網(wǎng)站小小的進度條上，這家網(wǎng)站就是全球最大的***PornHub。

圖像處理——今天你想換哪張臉

今年的朋友圈短暫的被各種換臉小視頻攻占了一下。

在換臉軟件ZAO中，只要上傳一張照片，你就可以把自己的臉換到明星臉上。輕松實現(xiàn)和本命談戀愛，和愛豆共飆戲的夢想。

換臉技術看著厲害，其實你也可以，只需要了解一下deepfakes技術。

deepfakes是一個程序員在社區(qū)Reddit的用戶名，2017年，這名程序員在Reddit發(fā)布了一部不可描述的小電影，小電影里的女主角竟然是神奇女俠蓋爾·加朵。只用了一部電腦和開源的AI工具，這名程序員就訓練出了換臉算法，把明星的臉換到任意視頻中，視頻中換臉后的眼神和嘴型這些細節(jié)都已經(jīng)相當真實。

這種訓練源于生成式對抗網(wǎng)絡（Generative Adversarial Network，簡稱GAN）。所謂對抗，就是兩個機器模型之間的博弈?；谝粋€原始視頻，一個模型負責生成相似的視頻，另一個模型則負責鑒別兩個視頻之間的差異，在海量的對抗訓練之后，最終會生成幾乎找不到差異的偽造視頻。

在這名程序員制作了一波又一波明星臉色情影片后，他的賬號終于被封殺了。于是他一怒之下將換臉項目開源了，“邪惡勢力”就此登場了。

讓這項技術走向不可控的一大原因是超低的工具門檻，今年大火的ZAO只不過是把換臉這一技術變得更容易操作而已?，F(xiàn)在，即便你沒有任何編程基礎，只要你有一臺電腦，安裝deepfakes開源的工具包后，只需要半天的學習，你也可以訓練換臉術了。

有人將重大技術的變革比作一列火車，它臨近時你聽到了轟隆隆的聲音，你期待著它的到來，卻又覺得還很遠。等它終于來了，卻又只是一閃而過就把你甩在身后。

人工智能就是這樣一列火車。2019年，我們習慣了刷臉，沉迷于換臉，和AI探討了一下人生，也順便被騙走了一些錢。在這個時候，對人工智能的歡呼和抵制都是無意義的，因為火車已經(jīng)開過來了。

責任編輯：ct