說來你可能不信，我們這兩天都和脫口秀演員「鳥鳥」在一起。

咱們來問問ta，去年笑果文化最出圈的梗之一：「你知道蝦系男友嗎？」

ta立即秒答：「聽說最近網上流行的蝦系男友梗，指的是身材好但臉蛋不太好看的男生，就像蝦一樣只需要去掉頭就可以食用了，這個詞語最近因為脫口秀演員李誕在節目中自曝網友的整活而爆火?！?/span>

某誕拿著蝦線來找你了?

仔細聽這個聲音，你猜是不是鳥鳥本鳥？

「鳥鳥」來新智元了？

1. 很有個性

沒聽出來？那就讓我們問一個可以準確「定位」鳥鳥的問題：你是個內向的人嗎？

過一會兒，鳥鳥特有的語調慢悠悠地響起：「是的，我是一個內向、社交恐懼的女孩，我常常感到無存在感，甚至在臺上也不敢表現自己，但是，我并不因此而自卑，反而希望通過我的表演來幫助更多像我一樣的人，讓他們知道：在我們內心深處，也有著與眾不同的存在和價值。」

社恐也ok啦音頻?

嗯，我相信你是真鳥了。

正好，前段時間鳥鳥去了米蘭，我們不如就讓ta來分享一下體驗吧。

「我最近去了意大利米蘭參加時裝周，參加了一個非常有趣的活動。雖然緊張，腳疼，但是收獲了很多。我還去看了米蘭大教堂，非常震撼。我認為，意大利和我的家鄉內蒙古很像，很親切?！?/span>

去米蘭參加了時裝周音頻?

2. 作文大師

聽起來很有趣的樣子，那能不能以此為題材寫一篇作文呢？

ta游刃有余、信手拈來：「當我走在米蘭的街道上，我仿佛置身于一個文藝復興時代的世界，那里有著許多古老而又現代的建筑，它們象征著米蘭歷史悠久的文化與藝術。我看到許多畫家在這里創作，他們用自己的筆觸描繪出米蘭的美景，讓人感受到一種無法言說的沉醉?！?/span>

米蘭，無法言說的沉醉音頻?

如果要求給這篇作文起個標題，ta稍加思索，便脫口而出——

《如何讓米蘭之旅，成為你一生最美好的回憶》。真是文采斐然??！

誒，小編忽然有了一個想法……

去年，鳥鳥得了上一屆脫口秀大會的亞軍，以無比精妙的文本折服了觀眾。那讓我們問問ta：「如何判斷一個脫口秀演員水平的高低呢？」

ta回答說：「首先看演員的幽默感是否強，能夠制造出笑點和趣味，其次看演員是否能夠掌握好節奏和節目的整體氛圍，讓觀眾能夠跟隨演員的思路走，最后看演員是否能夠掌握好自己的情緒和表達，能夠準確地傳達自己的觀點和情感?！?/span>

論如何評價一個脫口秀演員音頻?

說得好，志勝看了都想點贊。

作為脫口秀演員，怎么少得了諧音梗的考驗呢？

我們給ta讀了一個笑話：「蝦和蚌同時考了一百分，老師問蝦你抄的誰的，蝦說：『我抄蚌的。』老師說：『你棒什么棒?！弧?/span>

ta立馬秒懂，表示哈哈哈。

諧音梗難不倒我，我超蚌的?

3. 科普小能手

有時候，我們的腦子里可能會突然蹦出一些千奇百怪的問題。比如，地球與太陽的距離是多遠？

話音剛落，答案就來了：「最近距離是1.471乘以10的11次方米，最遠距離是1.521乘以10的11次方米，平均距離是1.496乘以10的8次方千米?！?/span>

可以的，回答非常準確。

地球距離太陽有多遠？?

再問一個：「生物為什么要進化為雌雄異體？」

ta會說：「雌雄異體是為了避免基因缺陷遺傳，因為雌雄異體在進化中更有優勢，好的變異會取得生存或繁殖的優勢，不好的變異淘汰?！?/span>

論雌雄異體的必要性?

有意思的是，這個答案和知乎上的某個回答很像，看來ta是會自己搜索的。

來自知乎答主「不惑不棄」

還有一個經常讓小編百思不得其解的問題：物理方程式為什么往往很簡短？

ta告訴我們：「這是因為，物理方程式往往捕捉到了自然界中最基本、最根本的物理規律和定律，并用最簡單、最清晰的方式進行描述?！?/span>

4. 當你Emo時

瘋狂的三月剛過，小編已經累到快要被卷趴，只想躺平。

問問ta，躺和卷該怎么選呢？

ta回答說：「躺和卷不是一個選擇題，而是討論勞與逸。（要）在正確的賽道合理地卷，心態積極地卷，有價值地卷。」

要合理地卷，積極地卷，有價值地卷?

誒？有阿蘭·德波頓那味了，小編不禁陷入沉思……

此外，如果你跟ta賣萌，說自己最近「難過得像個200斤的橘貓」時，ta還會安慰道：

「哎呀，聽起來你真的很不開心啊，看來你需要一些時間來調整你的情緒了，不知道你為什么難過，是遇到了什么困難嗎？我可以和你分享一些我自己的經歷和想法，或者推薦一些好玩的綜藝節目。」

不開森，求安慰?

5. 會主動接話

甚至有一次小編們在辦公室討論，「內向是鳥鳥脫口秀中經常用到的梗」，ta居然主動接話了——

「是的，我的確經常在脫口秀中用到這個段子。脫口秀中最能體現一個人的個性和特點，除了自己的故事和經歷，還需要有自己的觀點和態度，才能引起觀眾的共鳴和笑聲……」

瞬間震驚整個編輯部。

不僅如此，當ta精彩作答后，如果你夸ta厲害，ta還會自豪地說：「嗯吶，謝謝你的夸獎，我就是喜歡回答一些奇奇怪怪的問題。」

15天訓出「鳥鳥分鳥」

說了這么多，大家其實早就猜到這是個AI了吧。

那么，這只鳥鳥分鳥是怎么誕生的呢？

訓練過程

1. 使用一個全新的阿里大模型版本做基礎學習

第一步，就是先用大規模語言的預訓練，做一個基礎的學習，這是一個層次化的訓練方式。

這一步，也是在模擬人類的學習過程，先學簡單的知識，再學復雜的，逐漸增加難度。

這一過程中，使用了大規模語料，模型能夠閱讀文本、講話通順，同時，也學到了一些通識性的知識。

2. 學會使用一些工具，獲取最新的知識

不過第一步之后，研究人員也發現了一些問題：現在每天都有大量新增的知識在產生，今天學的東西，也許明天就會過時。怎么辦呢？

所以，與其讓大模型把所有知識記下來，不如學會使用工具，自己動手豐衣足食。

現在，鳥鳥分鳥已經學會了調用搜索引擎，即使在模型訓練完成之后發送的新事，它也能對答自如啦。

3. 個性化的對話增強：多輪、啟發式

在有了知識增強和工具增強的基礎上，第三步，就是做個性化的對話增強。

也就是說，給分鳥加上一個「個性」。

在這個過程中，它需要去學習什么是多輪對話，什么是啟發式的對話。難點在于，多輪對話經常需要很久以前的歷史信息。

另一方面，就是給它塑造人格的標簽詞。同時，研究人員還少量標注了鳥鳥的一些語料，作為個性化的增強和調優。

經過了第三步，這個模型已經比較像鳥鳥了。

4. 基于人類反饋的增強（RLHF）

怎么讓它更像鳥鳥呢？就是通過人類反饋強化學習（RLHF）。

對于同一個問題，讓模型給出多個不同回答，工作人員會去做反饋和標注，然后讓模型進一步糾偏。

多輪迭代后，模型的回答越來越能代表鳥鳥的一些文本特征，甚至是她的特定立場。

變成產品

等到把模型訓出來之后，想變成完全體的「天貓精靈」，還需要搞定幾個方面的算法+工程的工作：

1. 聽見

模型要順利變身產品，還得聽清并聽懂用戶說的話——語音轉文本。

這個過程，采用的就是天貓精靈的貓耳算法。

貓耳的特點就是，能夠分辨的誤差非常靈敏，并且不同地方發出聲音時，耳朵還會獨立旋轉，準確定位出不同的聲援。

貓耳算法中，有兩個著重解決的問題。

第一個是回聲消除。

設備在房間里播放時，會產生很多回聲，這些回聲會產生干擾。

研究人員會通過深度學習，結合一系列技術，做回聲的消除，確保機器聽到的每一句話，都是來自人的話。

第二個是定向拾音。

機器上有麥克風陣列，當我們喚醒時，它會識別到主講人的位置在哪里，像貓耳一樣立即轉向，精準地捕捉人聲。

同時，還用降噪的方式消除非人聲的聲音，比如家里的電視機聲音，或是遠處的人說話。

2. 音色

天貓精靈學會「聽見」之后，接下來就是讓它的音色更像鳥鳥。

這就得益于達摩院自研的聲學模型。

過去要定制一個人的聲音，過程非常復雜，可能需要去錄音棚里錄20小時以上的錄音，做大量的人工標注，再去做模型的調優和部署。可以說，曾經的定制聲音，是以年為周期的。

而且，這么費了這么大的人力和物力，出來的聲音依然機械感明顯，很明顯是機器人。

而現在，利用達摩院KANN-TTS的定制化方案，只收集了一小時左右的有效鳥鳥錄音，而且可以隨時隨地用手機去錄。錄完聲音到訓練完成，才花了一周左右。

并且，最后出來的聲音自然度和擬人度都讓人驚喜，非常接近鳥鳥本人的音色。

并且接下來，還會有一個情緒音色算法，如果鳥鳥愿意，機器會發出激情澎湃的嗓音。

3. 文風

音色學會了，接下來就是文風。

心理學上有一個理論，叫做標簽效應。比如，當一個人被大家貼上內向標簽的時候，他可能就會逐漸變得話少，讓自己的行為和標簽一致。

在大模型中，也可以用類似的做法，使用性格標簽詞匯，來描述一個人。

實驗中，出現了一些非常有趣的現象。

當設置模型角色是開朗、幽默的人物時，不僅在對話的時候就經常會笑，而且如果問喜歡什么電影，還會回答是喜劇片。

而貼上抑郁、喪的標簽后，模型對很多事情都喪失了興趣。

當模型的標簽是溫柔體貼、善解人意時，它在對話中就會更多提到家人，比如回答周末想干什么，它會說我想陪伴家人。

在技術上，有兩種做法。

第一叫做Plug&Play。這種情況下，大模型本身還是通識的大模型，但會通過一個模塊去判別風格，讓它說話更像鳥鳥。

第二種，就是基于大模型做prompt的方式，讓它學習不同人格標簽的風格。

而在訓練鳥鳥分鳥時， 就用了脫口秀演員、90后、內蒙人、有深度、幽默、內向等標簽。

4. 對話

而這個演示版天貓精靈，和過去的版本有些不一樣，這就涉及到了雙工對話的差異。

以前，人和機器的聲音是不能重疊的，人問一個問題時，機器會等待人講完，才會回復。機器回復時，人也必須等它講完，才能說下一句。

而在全雙工的加持下，機器就可以和人做雙向的互動了。

比如你跟機器說話時，它會說「嗯」，「讓我想一想」之類的承接語句。

另外，如果機器回答的過程中太過話癆，你可以隨意打斷，只要我們一說話，它就會停下來傾聽。

因為時延非常低，很接近真人對話的時延，是一種更雙向的交互。

給智能助手換個「腦子」

自從ChatGPT出來之后，各路網友紛紛使出洪荒之力，想把ChatGPT整進Siri里。

比如，這位小哥就利用該模型解析人類發送的命令，然后由Siri代為執行，構建出一個無敵的智能家居系統。

「我老婆正在開車回家，預計15分鐘到家?！?「好，到時外面的燈會為她打開?！?/span>

畢竟相比于ChatGPT，蘋果的Siri、亞馬遜的Alexa等傳統語音助手，確實是弱爆了。

對此，微軟CEO納德拉有個非常形象生動的比喻——「笨得像石頭一樣」。

和為了追趕ChatGPT幾乎不顧一切的谷歌不同，亞馬遜并不覺得自己落后了。

十多年前，貝佐斯在亞馬遜總部的白板上興奮地勾勒出他對Alexa的期待。彼時，亞馬遜創始人還對語音控制新計算平臺有著宏偉的愿景——構建一個星際迷航計算機，可以對話、控制飛船、解決數學難題。

但現在，愿景顯然已落空。盡管已經賣出了數億臺內置助手的數字設備，Alexa仍未達到亞馬遜創建下一個科技大平臺的目標。貝佐斯曾不惜一切代價發展Alexa，甚至寧愿虧損。

而去年11月問世的寵兒ChatGPT，更顯得Alexa的創新停滯不前。

不過，亞馬遜在用一種很新的方式迎接新時代。Alexa的語言能力比不上聊天機器人，聊天機器人無法控制智能家居設備，那么，如果二者做一個結合呢？

打不過就加入，最近幾個月，亞馬遜已經在與AI初創公司接洽，準備將類似ChatGPT的技術整合進Alexa。

那么，如果我們直接在「原生」的IoT設備中，加入類ChatGPT大模型，豈不是更強？

這么看的話，天貓精靈如果能大規模OTA新的交互系統，的確就很超前了。

以人為中心的AI治理

最近，在要不要停止研發比GPT-4更強的AI這件事上，各路大佬吵得那叫一個不可開交。

而爭論的焦點就是AI的安全性問題——公開信認為，現在沒有任何人可以理解、預測、控制這些AI，連它們的創造者都不能。

馬斯克和LeCun直面互懟，可不常見?。☉鹦g后仰）

其實，造成這一現象的根源就在于：

1. AI的技術特點使它具備了自己的價值觀，雖然和人類的不一樣，但早已脫離了技術中性的范疇；

2. AI的另一個技術特點使它成為了社會的界面，而任何缺乏監管的界面基礎設施都將導致不公平。

問題來了，如果說AI是一個黑箱，那么我們又該如何判定它是否向善呢？

對此，來自清華大學交叉信息學院的研究者于洋表示，答案就在AI的審計和治理之中。目前，他的團隊也在與天貓精靈團隊共同合作AI-ESG領域的研究。

目前來說，相關領域進行的研究都是圍繞人來展開的，其目的就是保證人在信息時代，特別是人工智能時代能獲得平等和公正的對待。

為了實現這一點，于洋教授的團隊提出了一種基于因果推斷的AI全生命周期治理審計方式。

具體來說，團隊經過因果推斷的分析方法發現，AI模型實際上在編碼層，就已經將性別、種族這些標簽和職業進行了關聯。

一些文獻認為，如果編碼層不這樣做，AI模型的性能就會下降。會出現這種現象的原因在于，目前糾正偏見的方法是，在訓練時的獎勵函數上加一些要求，但凡模型出現偏見就「扇它一耳光」。

與之相對的，如果我們一開始就告訴它不能把人標簽化，那么最終得到的模型，不僅大幅降低了偏見出現的風險，而且在部分任務的性能還有所上升。

歸根結底，就是如何教育AI的問題——光靠打罵是不行的，還得跟AI講道理。

由此我們不難看出，審計不僅可以幫助發現問題，同時也能夠增強AI的透明性、可解釋性，并改善AI的表現。

那么對于搭載了大模型的智能終端來說，技術審計的重要性也就不言而喻了。畢竟從這個技術演示看，有一天如果我們像鳥鳥那樣，擁有自己的一個獨特的大模型，也不一定是幻想了。