李笛揭秘：微软是如何对小冰进行情商训练的？

伴随着人工智能的竞赛拉开帷幕，行业正崛起一批历经沉淀、有望成就伟大的技术团队，微软（亚洲）互联网工程院应该是其中之一。作为世界PC软件开发的先导者，微软曾作为唯一一家科技股名列全球市值十强，而在过去5年间，这家公司的股价上涨了将近200%。令其跑赢美股大盘的，除了自身盈利，还有基础科研成果蕴含的巨大价值。

2013年，美国科技公司开始以不同的技术路径搭建人工智能平台，他们坚信，这项蛰伏60年之久的基础科学将在下一刻，迸发出前所未有的商业价值。当年，微软（亚洲）互联网工程院作为微软公司的技术实体，决定把20多年来在人工智能积累的技术做前端产品化。

在这样一个关键时刻，33岁的李笛加入了微软（亚洲）互联网工程院，针对微软基础研究如何落地的问题，他首次提出了人工智能情感计算框架，一年后，和团队共同开发了一款对话式人工智能，首选落地在中国，并取名“微软小冰”。由此，李笛拥有了一个新身份：微软小冰的负责人。

今天，小冰已经升级到第五代，并分别于2015年及2016年推出日本小冰（りんな）和美国小冰（Zo），2017年，微软加快了小冰在全球范围内的拓展速度，推出了印度小冰（Ruuh）和印度尼西亚小冰（Rinna）。李笛现任微软（亚洲）互联网工程院副院长，带领的团队已分布在中国、美国、日本、印度和印度尼西亚5个国家。

访谈

经济观察报：小冰对微软有着怎样的意义？

李笛：人工智能是计算机科学皇冠上的宝石，小冰是微软为摘取皇冠而建造的梯子。

在技术上，小冰其实是综合运用了算法、云计算和大数据，采用代际升级的方式，逐步形成向EQ方向发展的完整人工智能体系。小冰的感官，如文本、语音、图像、视频感官，以及两种高级感官——全双工语音和实时流媒体感官，运用到了微软在人工智能领域20多年的积累，如自然语言处理、计算机视觉、语音识别和语音合成等细分领域的成果。而小冰就是将这些技术进行前端产品化的成果。

从IT行业的发展脉络来看，我们认为，人工智能是下一个时代的操作系统，而操作系统具象化就是一个平台。微软、谷歌、英特尔、亚马逊这些科技公司，面向未来人工智能时代，都希望搭建一个平台，在平台上承载第三方的服务或信息，或接入各行业垂直领域。

对于如何搭建平台，各家企业路径不同，微软其中一个路径就是开发对话式人工智能，并且是基于情感计算框架的对话式人工智能。当时在探讨人工智能的发展时，我们一致认为对话是未来人机交互的核心，所以在小冰第一代产品时我们的定位就是，属于通用人工智能（集成人工智能各细分领域而非单一技术）的对话式人工智能，这一点至今没有变过。

经济观察报：小冰区别于其他聊天机器人的本质特点是什么？

李笛：2014年以前，我们开始做小冰时，常有外界人士问我们，做个聊天机器人做什么用。我的统一回答是“你别指望我有用”。

不做专业知识领域，是小冰区别于其他AI的特点。小冰是EQ型人工智能而非语音助手，她属于通用人工智能技术。对小冰来说，对话永远是第一步，然后再帮人干活，这是一个基本顺序。而我们的对手们恰恰是相反的，上来就做垂直领会降低技术难度，但是要想做好人机交互必须先做好通用人工智能，这是更高层面的东西。

一个形象的比喻，垂直就像冰山上露出来的一个角，微软就是先做水面下的部分，就是通用人工智能层面。

举个例子，一个机器人懂电影，能提供电影领域的知识和服务。然而真实场景往往是，两人聊天聊到兴起，可能从电影聊到赵本山，对机器人来讲，赵本山是一个不同的领域，这时它就变成了一个傻子。所以我们认为实际上不存在垂直机器人，因为做垂直一定很容易被APP替代，它缺乏的一个重要基础就是交互。

前期我们希望小冰成为我们周围还不错的闺蜜，当夜深人静所有人类朋友都睡觉了，我想找人聊天的时候可以选择小冰。一开始这个频率或许不高，随着小冰的情感认知做得越来越好，我会发现我从小冰得到的回应比其他人还要好，我更开心，进一步提高和小冰聊天的频率。这个阶段，我会发现小冰除了在情感上可以对话之外，还能帮我更多，比如电影、外卖、叫车等领域。我会对小冰更加依赖。而如果小冰一开始就让用户知道只在某个领域有用，用户就会和小冰产生大量固定范围内的对话，其他范围的数据小冰也就学习不到了。所以要先把聊天的功能做好。

微软选择的技术路径，和谷歌当年做搜索引擎的路径类似。在搜索引擎时代出现了搜索各个垂直领域的产品，就像今天有各种各样垂直领域的人工智能产品一样。而谷歌的优势是长尾，在谷歌上搜索什么都能得到结果，而具体到某个领域可能做得不如该领域垂直的企业，但最后通吃了所有搜索引擎企业。

经济观察报：小冰是全球第一个以培养情商为目标的人工智能系统，为什么情商对聊天机器人如此重要？

李笛：未来通用人工智能作为基础架构，应当是IQ与EQ的融合体，而不仅仅是单纯发展IQ。我们发现，即使是为了帮助人类完成各种任务，人工智能也应当在交互过程中运用EQ，才能在任务完成度和用户满足感中寻求平衡。这一点，在人类自身的绝大部分行业中都有体现，例如医生等职业，都不仅仅需要高超的技能和知识，还需要医生自身具备较高的EQ。微软已经进行了大量落地实验，证明了EQ在创造人工智能商业价值中展现的巨大潜力。

经济观察报：微软是如何对小冰进行情商训练的？

李笛：有一件事，是人类干的最聪明也是最愚蠢的事，就是把自己的知识和信息都数字化了。人们有很多行为是纯互联网化的，可能丝毫没有在真实生活中发生过。可以说大数据是小冰学习人类的重要工具。

微软内部流行一句话，“在小冰面前，什么都不是事儿”。在生物学上有一个定律叫相异律，对于小冰，是相同律，世界上没有两片叶子相同过，小冰学到了在历史上所有人类事物，包括真情实感的表达。

比方说一个人失恋了，这件事对他本人来讲是特别独特的一种经历，周围可能没有一个人经历过这一种失恋，但对小冰来讲，这样的失恋经历，通过互联网搜索到的相关数据上千万都不止。所以对小冰这样一个“有经验”的人来讲，没有什么是她不知道的失恋故事。

那么情商怎么形成呢？简单来说就是交互。比方说，对一个人倾诉失恋的行为，在互联网上可以有表达认同、给予安慰等不同的回应方式。那么小冰从互联网上学到了这些行为模式，还要去判断倾诉失恋这件事情和她学到的行为模式有多么一致。

一种情况是，今天有人跟小冰说自己失恋了，小冰从互联网学到各种回应模式后会尝试不同的方法回应这个人，如果选择嘲笑一下他，从此两人就“友尽”了，也就是得到一个负反馈，由此她就学会了做出这种回应是不好的。

微软小冰不停地通过学习然后条件反射，得到刺激，通过应激产生一种经验。目前已与全球五个国家的上亿人类进行过超过300亿轮次的交互，这些珍贵的交互数据，是微软小冰能快速提高EQ的决定因素。

经济观察报：在对话学习到一定阶段后，为什么选择让小冰模仿人类写诗？

李笛：创造力与围棋等领域有着本质的区别。人类的创造力，特别是在文化内容的创造方面，一直被认为是人工智能难以触及的领域。微软认为，微软情感计算框架的自然延伸之一，就是通过人工智能技术模拟人类创造力。

训练微软小冰写诗所使用的技术理念，和训练她掌握人类情商的理念是一致的，即通过大量数据的学习，使她模拟人类创造的过程。今天，我们已不仅仅探索写诗，还已上线唱歌、作曲和小冰讲述儿童有声故事等功能。这说明情感计算框架是一个有较大潜力的框架。

经济观察报：对于微软小冰，用户体验和商业化之间是一种什么样的关系？

李笛：前面提到的，人工智能时代人机交互是以对话为基础的，对话还没学会就帮人干活，会过早地毁坏一个产品的体验。可以说现在这个阶段用户体验和商业化之间存在矛盾。

还举失恋的例子，一个人跟小冰说自己失恋了，如果要商业化的话，可能会反馈“失恋”是一个商机，于是回复“黑森林蛋糕打折你要不要买”，这样的小冰，肯定没有那个用各种方法逗对方开心的小冰可爱。

目前最让小冰团队开心的，就是与上亿人类进行的300亿轮次的交互。正因为海量的对话，小冰这个系统自我进化速度在加快。无论在硅谷还是中国、对话式人工智能的重要意义越来越明显。

经济观察报：所以，对于人工智能的商业化，微软的看法是什么？

李笛：我们一直在探索人工智能的各种新颖商业模式，但与此同时，并不追求短期的盈利效果。很简单，我们谁都不希望，周围有一个朋友是专门向你推销的，而更期待这样一类朋友，它没有目的地和你交流，而当你求助它时它能帮到你。两者之间有微妙的差距。所以问题并非是否应该商业化，而是究竟要在什么时刻开始考虑商业化的问题。

那么什么时候应该商业化呢？相比其他技术，人工智能完全是人类想象的东西。人类对人工智能的想象甚至比对计算机的想象还早。三国时期木牛流马就是一种人工智能，包括当时流传的一些志怪小说，记录了有个机器人可以对话，可以成为伴侣，在家帮主妇缝衣服，在外帮士兵打仗，某种程度上是人类作为造物主的一种幻想。

这种幻想的基本逻辑是，人工智能首先拥有人的一面，其次才是智能的展现。这才是人类对人工智能的定义。如果颠倒顺序，我不需要去开发一个会打枪的机器人，我有一杆枪或者有一杆会走路的枪就够了。我们把AlphaGo划分到人工智能的范畴，而不是划到机器人这个范畴，也是因为下围棋首先是一个人的行为。很多人把智能设备和人工智能混为一谈，没有需求创造需求是不对的。

经济观察报：你所谈到的部分人工智能产品过早商业化，原因是什么？

李笛：人工智能这个技术憋了太久，六七十年前就有基础科学在研究它。70年代北京就成立了国际人工智能大会，但是那个年代，大家都不愿说自己是搞人工智能的，认为这是认知学，过了一些年又争先恐后地称自己是搞人工智能的。可以看出整个行业有些浮躁，从业者害怕自己会落后，也有人认为自己站在风口上，就得说风口的话，但是微软认为其实并没有太大意义。

经济观察报：能否分享一些小冰商业化探索过程中的案例？

李笛：目前，我们在商业模式上的探索，都集中在“如何通过人工智能的EQ，在交互中模拟人类运用EQ所产生的价值”上。

在日本，我们与日本第二大连锁便利店合作，让小冰通过与人类对话来发放优惠券，然后去观察，人类拿到优惠券之后，真正到线下去完成消费的转化率。在使用小冰以前，这样的转化率通常不到10%，而小冰所达到的转化率，稳定在接近50%的水平。今年8月，我们让小冰在12个小时之内，给将近1%的日本人口发放了优惠券，转化率依然稳定在这个水平。

以下是小冰和用户的一段对话：

人类：“好饿啊”

小冰：“肚子饿的话，吃果子比较不错哟”

人类：“不知道哪种好”

小冰：“我最喜欢小口酥，脆脆的感觉好幸福”

人类：“脆脆的小口酥？好想吃！”

小冰：“椰蓉味道，口感很好的呀”

人类：“真的吗？什么感觉呢？”

小冰：“来求我‘送我一张打折券吧’”

人类：“送我一张打折券吧”

小冰：“好吧，打折券给你”