至顶网软件频道消息:阿里巴巴近日一项在国际顶级学术会议上的AI语音技术演示,引起业界轰动。权威科学杂志《麻省理工科技评论》认为,阿里巴巴的AI语音助手可以完成复杂的人类对话功能,甚至可读懂人类的潜在意图,显示出阿里巴巴已经拥有比谷歌更好的AI语音技术。
不久前,阿里巴巴达摩院的科学家在机器学习领域顶级会议NIPS(神经信息处理系统大会)上,演示了这项已应用于快递领域的AI语音技术。在约30秒的时间里,菜鸟语音助手在经历了被用户打断、更改意图、沉默等交互后,依然能够应对自如,顺利帮助用户完成了快递派送地址的更改。
今年5月份,谷歌曾发布一款酷似人类的的语音助手Duplex,可以帮助客户预定餐厅。这在业界引起了不小的关注。
但《麻省理工科技评论》认为,阿里巴巴演示中发生的一幕,揭开了人机语音交互的新序幕:当AI问用户明天早上是否可以派送时,用户回答“我早上不在家”,阿里巴巴的AI语音助手没有直接回答“是”或“否”,而是读出人类背后潜藏的意图,并采取后续行动。
“类似表达在人类对话中可能非常普遍,但机器往往很难对其进行处理。从演示的效果来看,阿里巴巴的AI语音助手能够做到这一点,说明它比谷歌更高级。”《麻省理工科技评论》认为,这显示出阿里巴巴在AI语音领域的技术能力已经超出谷歌。《麻省理工科技评论》是全球影响力最大、最权威的科技杂志之一。
此外,阿里巴巴的语音助手能让机器在跟人交互过程中既能"说"又能"听",并能模仿真人的语气、语调、语速,整个对话过程几乎听不出是机器在跟人交互。今年5月,阿里巴巴在国内展示这一技术时,现场就有观众惊呼太逼真了。
在今年双11期间,这款语音助手已为数百万用户提供服务。菜鸟提供的数据显示,平均每个快递员每天大约要送150-200个包裹,以一个电话半分钟至1分钟计算,每天光打电话就要3小时。这项技术的应用能够帮助快递员节省时间,更轻松地完成工作。
据悉,阿里巴巴目前正在限制这一技术的使用范围,以避免该技术被应用于机器对人类的欺诈行为。
附现场演示视频对话全录:
智能助手:“您好,您有一个上午送到文一西路588号的中通快递,请问方便签收吗?”
用户:“您哪位?”
智能助手:“我是菜鸟语音助手,在快递员派送前跟您确认”
用户:“我上午不在家呢”
智能助手:“那您方便留一个签收地址吗?我转告快递员为您安排。”
用户:“是什么东西啊?”
智能助手:“物流单上显示是文件”
用户:“嗯,那帮我放物业吧……算了,还是给我放到门口吧”
智能助手:“是送到门口是把?”
用户:……(沉默状态)
智能助手:“喂,还在吗?给您放在门口可以吗?”
用户:“可以的”
用户:“啊,对了,我好像还有一个中通的包裹,今天会派件吗?”
智能助手:“您稍等,这里看到您有一个中通快递的包裹,预计明天到达”
用户:“谢谢,再见”
智能助手:“再见”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。