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
Docker公司发布重大新功能,旨在简化智能体AI应用的构建、运行和部署。公司扩展了Docker Compose工具以支持AI智能体和模型的大规模部署,并推出Docker Offload服务,允许开发者将AI工作负载转移到云端。新功能还支持模型上下文协议网关的安全连接,并与谷歌云、微软Azure等合作伙伴集成。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
欧盟发布AI法案实施细则,要求谷歌、Meta、OpenAI等公司承诺不使用盗版材料训练AI,详细披露训练数据来源和模型设计理念。新规还要求公司尊重付费墙和网站爬虫限制,公开训练和推理的总能耗,并在5-10天内向欧盟AI办公室报告安全事件。违规企业可能面临年销售额7%或3%的罚款。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。