谷歌助手点餐，微软小娜下单：AI 横行的未来世界里，没有人类什么事
本文首发于百家号 原创文章未经授权请勿转载。航通社 (ID:lifeissohappy) 微博 @lishuhang
国内用户基本上已经熟悉了在手机上下单订餐。不过很多美国人依然习惯直接给餐厅打电话订位或订餐。
不过，如果有人对自己的手机说，想吃什么地方的什么菜，这个手机能够代替你，自动给餐厅打一个电话，用电脑合成的语音跟餐厅服务员点餐，那该是何等令人惊悚的景象呢？
这个时候如果我告诉你，餐厅接电话的服务员也是一个机器人，只要两个机器人之间语音通话，就能把餐送到你的面前，你这个时候又会怎么想呢？
1 | 谷歌替用户点餐
当地时间 5 月 8 日，2018 年谷歌 I/O 开发者大会在谷歌园区召开，会上演示的最惊悚的一项技术，大概就是使用谷歌助手（Google Assistant）生成一段就像真人一样打电话的语音。
这个 AI 助手能够用自动生成的语音与真人理发店店员，或快餐厅接线员进行对话。甚至，谷歌助手还在对话中展现出了强大的纠错能力。
图 / Google
在后一个演示的例子中，接线员英文不太好，没有听懂谷歌助手的诉求，对话过程是零散而混乱的。然而接线员的每一次理解失误，都能够被谷歌助手一一发现并纠正。
谷歌助手：我想定一个位置，在下周三，7 号。
餐厅接线员：7 个人吗？
谷歌助手：4 个人。
餐厅接线员：4 个人的话，哪一天，今晚还是明晚？
谷歌助手：下周三。
亲自负责演示的谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）说：“令人惊讶的是，谷歌助手能够理解对话里的细节之处。”
皮查伊将这一融合了语音-文字互转、语义理解、深度学习三大技术的功能称为“Google Duplex”（Duplex 有电信技术中的“双工传输”之意），计划今年夏天提供给谷歌助手用户测试。
2 | 小娜做餐厅员工
无独有偶，航通社（ID：lifeissohappy）曾在2016年11月参加过微软中国的一次技术交流会，微软展示的一个技术原型，则是让店员和顾客之间的对话过程转换为文字，同时即时抽取出菜单细节。
在一家麦当劳“得来速”（Drive Thru）汽车餐厅（司机不用下车即可点餐），服务员与顾客之间的对话，立即被语音识别转换成精准的文字，并且通过 AI 运算提取了客户描述的关键信息，不需服务员操作即可自动生成订单。
图 / 航通社（ID：lifeissohappy）
顾客：我想要两份快乐儿童餐，一个是吉士汉堡的，一个是鸡米花的，这俩都要加薯条和苹果片，一个配巧克力牛奶，另一个配小橙汁。
系统订单：1 快乐儿童餐（主食：吉士汉堡包，小食：薯条、苹果片，饮料：巧克力牛奶）+ 1 快乐儿童餐（主食：鸡米花，小食：薯条、苹果片，饮料：橙汁）
服务员：嗯。
顾客：再来单点两个吉士汉堡，这俩都不要洋葱，其中一个也不要番茄酱。
系统订单：1 快乐儿童餐（主食：吉士汉堡包，小食：薯条、苹果片，饮料：巧克力牛奶）+ 1 快乐儿童餐（主食：鸡米花，小食：薯条、苹果片，饮料：橙汁）+ 1 吉士汉堡包（特殊要求：不要洋葱）+ 1 吉士汉堡包（特殊要求：不要洋葱，不要番茄酱）
顾客：还有……一个薯条，一杯大杯咖啡，要两个咖啡伴侣，三包糖。
系统订单：1 快乐儿童餐（主食：吉士汉堡包，小食：薯条、苹果片，饮料：巧克力牛奶）+ 1 快乐儿童餐（主食：鸡米花，小食：薯条、苹果片，饮料：橙汁）+ 1 吉士汉堡包（特殊要求：不要洋葱）+ 1 吉士汉堡包（特殊要求：不要洋葱，不要番茄酱）+ 1 薯条（尺寸：大）+ 1 咖啡（尺寸：大，特殊要求：2 植脂末，3 糖包）
服务员：好的，谢谢。
在屏幕左侧生成对话语音转文字记录的同时，屏幕右侧结构化提取的订单信息也在即时改变。
如果顾客临时新增或修改了对某个产品的要求，那么也会把结果及时的显示在屏幕上。服务员不需要按动手指去选择所点的产品，就可以生成一份订单。
当语音合成技术足够成熟之后，像案例中这位人工服务员跟顾客交互的过程，就可以转换为电脑语音实现。这样，一家无人值守的麦当劳汽车餐厅就初具雏形了。
而更值得注意的是，这段演示的技术是 2016 年就已经达到的水平。
3 | 除了生产，消费也将由 AI 代劳？
很显然，如果把自动询问和自动应答的方式结合起来，那么不仅点餐员可以由机器取代，就连去点餐的顾客这个角色，也有语音助手来取代了。
当谷歌助手所代表的顾客，向微软小娜（准确的说法是 Bot Framework）所代表的店家来点餐的，就会出现这样一幅无比戏剧性的场面：
一个机器人向另外一个机器人点餐，最终把点好的餐送给主人。
——在整个过程当中，没有人类什么事情。
两个例子之间仅仅相隔 2 年多，语音助手的巨大进步令人吃惊。其中，最值得注意的突破，自然就是让助手记住上下文，进行连贯的，首尾相关的对话。
到现在，谷歌助手所演示的对话已经难以和真人在同一场景下能说的话区分。
或许今后唯一能够区分的线索就是，机器所生成的对话非常完美，不会有任何的停顿与错别字之类的东西，就像念稿子一样，完整而不间断的准确表达。
但我相信，如果人类想要的话，让机器再附加上一些人类才有的中断，卡壳现象也是不难的。
实际上，一旦 AI 理解了一个来自主人的订单需求之后，将其标准化，并直接使用数字表单的方式提交订单，当然是更简便，也更容易被机器理解的做法。似乎把它转换成语音实在是多此一举。
不过这种技术目前还是有一定用武之地的，主要是因为不能期望所有饭馆和小商贩，都有可适配的在线订餐系统，也许只是打电话给一个路边摊什么的，总还是需要与真正的人类打交道。
但是比起实用价值，无论如何都不能抹杀的，是这种语音交互所体现出来的强烈的符号意义。
机器人和机器人之间的交流，摒弃了任何人类的从中参与。而没有人类的参与，也就同时意味着，这当中的任何一个过程都不由人类来创造价值。
根据朴素的“多劳多得，按劳分配”的理念，如果不能为社会创造价值，一般来说，又没有什么理财或经营手段的话，人们就会没有收入来源，因而陷入贫困。
传统意义上，拯救这些穷人的方法，是让他们达到所谓的“自食其力”。然而，越是最基层的工作，就越会加速由机器人替代。
其实，机器人替代人类劳动之后，最大的问题，并不是人类不能工作了，而是生产出来的东西，没有那么多的家庭买得起，消费得起了。
也就是说，在消费者是谁这个问题上产生了麻烦。做出来的东西大家都享受不起，而唯一能享受的只有机器人。
最终，可能如同占有生产资料的资本家和普通老百姓之间的差异一样，是不是买得起一个机器人，或者简单点，买得起帮自己提高生产力的 AI 程序，一开始只是个小小的差异，最终却可能影响到不同人和家庭的社会分层。
机器人替我们说话，帮我们跑腿，他们为什么不能得到应有的回报，非要把劳动成果拱手让人呢？
而由这些机器人平白无故创造出来的财富，是理应属于它的所有者，还是属于溢出的剩余价值，要合理分配给社会大众呢？
这都是人们将不得不思考的问题。
谷歌和微软分别进行的两项技术测试，只是在告诉人类的伦理学家和政策制定者们，留给他们思考的时间不太多了。
相关阅读
– 你好，我是榨汁机