本文从智能助理的根本逻辑动身，详细剖析了国内外首要智能助理亚马逊ALEXA、Google Assistant、苹果Siri、微软Cortana、百度度秘、腾讯叮当、天猫精灵和阿里小蜜的开展前史和首要功用，并给出自己对微软小娜、苹果Siri、百度度秘、腾讯叮当的体会和剖析猜测。

　　跟着人工智能职业的开展，智能个人助理作为人工智能系统运用相对老练的范畴也渐渐被群众熟知。

　　智能助理能够了解为运用AI技能经过一致的对话交互界面来一站式给用户供给需求的信息和服务。

　　现在苹果、谷歌、微软、亚马逊已投入许多资源，活跃研制并推出了Siri、Google Assistant、Alexa、Cortana等具有代表性的智能助理。

　　而国内互联网三大巨子BAT也经过组成实验室、招募AI高端人才等办法紧锣密鼓地发布了百度度秘、阿里小蜜、腾讯叮当等，力求从智能助理的场景切入，完结在未来人工智能商场的布局。

　　智能助理也能够看作是使命导向的chatbot，完结逻辑与chatbot类似，可是多了事务处理的流程，智能助理睬依据对话办理回来的成果进行相关事务的处理。

　　一般chatbot由语音辨认(ASR)、语音组成(TTS)、天然言语了解(NLU)、对话办理(DM)、天然言语生成(NLG)几个模块组成，其间：

　　首要：音频被记载在设备上，经过紧缩传输到云端。通常会选用降噪算法来记载音频，以便云端“大脑”更简略了解用户的指令。然后运用“语音到文本”渠道将音频转换成文本指令。 经过指定的频率对模仿信号进行采样，将模仿声波转换为数字数据，剖析数字数据以承认音素的呈现方位。 一旦辨认出音素，就运用算法来承认对应的文本。

　　然后：运用天然言语了解技能来处理文本，首要运用词性标示来承认哪些词是形容词、动词和名词等，然后将这种符号与核算机器学习模型相结合起来，揣度语句的含义。

　　最终：进入对话办理模块，承认用户供给的信息是否完好，不然进行多轮对话直至得到所需悉数信息。依据得到的信息进行相应的事务处理，履行指令。一起将成果生成天然言语文本，并由语音组成模块将生成文本转换为语音。在这些模块中，对话办理(DM)模块的首要使命是要担任办理整个对话的流程。

　　经过对上下文的保护和解析，对话办理模块要决议用户供给的目的是否明晰，以及实体槽的信息是否满足进行数据库查询或开端实行相应的使命。

　　当对话办理模块以为用户供给的信息不全或许不置可否时，就要保护一个多轮对话的语境，不断引导式地去问询用户以得到更多的信息，或许供给不同的或许选项让用户挑选。

　　对话办理模块要存储和保护其时对话的状况、用户的前史行为、系统的前史行为、常识库中的或许成果等。当以为现已清楚得到了悉数需求的信息后，对话办理模块就要将用户的查询变成相应的数据库查询语句去常识库（如常识图谱）中查询相应材料，或许完结和完结相应的使命（如购物下单，或是类似Siri拨打xx的电话，或是智能家居去拉起窗布等）。

　　实践完结中，对话办理模块由于肩负着许多杂活的使命，是跟运用需求强绑定的，大部分运用规矩系统，完结和保护都比较繁琐。

　　规矩的描绘首要根据正则表达式或许类似正则表达式的pattern，用户的问题匹配到这样的pattern上，然后获得答案成果。

　　运用规矩的优点是精确率高，可是缺陷也很显着：用户的句式千变万化，规矩只能掩盖比较少的部分。

　　而越写越多的规矩也极端难保护，常常有或许会发生互相矛盾的规矩，而往往一个事务逻辑的改动就要牵一发而动全身。另一个办法是保护一个巨大的问答数据库，对用户的问题经过核算语句之间的类似度来寻觅数据库中已有的最邻近的问题来给出相应答案。

　　扼要来说便是将用户输入的内容直接映射到系统的答复上，可是这种办法也存在需求许多的练习数据的问题，还不能彻底替代传统规矩系统。

　　智能助理开展至今也遇到一些瓶颈问题，人脑究竟非常杂乱，用户问出的问题有时即使是人也需求结合多年日子经历和常识才干了解，所以这些问题对智能助理来说目的了解难度很高，常识杂乱度也比较高。所以现在不少公司的思路是做笔直范畴的智能助理，场景比较小，语料库、语义相对有限，对话简略收敛。

　　亚马逊于2014年推出智能音箱Echo，首要功用会集在语音购物和对智能家居的操控上。跟着Echo成为家庭的交互进口，其搭载的“大脑”Alexa智能语音帮手也开端遍地开花。

　　经过亚马逊Alexa与智能家居设备的衔接，用户能够轻松操控智能家居设备，如开关灯、开关窗布、开关电视等。Alexa还能够经过多个信息源播映流媒体音乐和阅览新闻，供给气候、交通等信息，以及经过语音在Amazon Prime会员服务上购物，乃至还能够预订披萨。

　　现在Alexa现已能够支撑亚马逊语音设备（Echo、Echo Dot、Tap）和Fire TV机顶盒，亚马逊正在测验让Alexa支撑其他可衔接设备，比方闹钟和宠物喂食器。不过Alexa现在在国内还不行用，有必要“科学”上网才干够运用Alexa的服务。

　　关于智能音箱用户而言，与音箱中语音帮手的每一句对话都需求经过重复运用唤醒词才干完结，无法与之进行一场正常的，具有接连性的对话，在感觉上极不天然。

　　Alexa此前就为一切英文Alexa用户推出Follow Up Mode，当你宣告一个指令后，Alexa将会持续收听接下来的指令，你能够进行接连的指令，不需求重复呼叫“Alexa”来唤醒它。用户能够经过 Cancel 、Go To Sleep 这样的指令主动中止对话，或许Alexa在检测到用户中止说话之后主动中止对话。

　　不过现在Alexa首要在智能家居上发力，由于亚马逊没有自己的智能手机渠道，所以现在还没有完结智能家居操控和智能手机的整合。

　　华为也于本年8月底发布了一款搭载Alexa的智能音箱AI Cube，这款产品仅在海外出售，Alexa在全球智能家居商场的影响力也可见一斑。

　　背靠Google十余年的尽力，GoogleAssistant运用了大数据、机器学习、天然语义剖析等一系列技能，能够在不断对话之中为用户处理问题，而不像之前那样只能用简略的发问和答复。

　　在技能强化之外，GoogleAssistant的产品逻辑也在不断进化。经过让视觉、语音、文字等多个人机交互办法的无缝组合，完结更活跃地对话，以及更个性化的引荐。

　　本年5月份举行的谷歌I/O大会谷歌CEO Sundar Pichai宣告谷歌帮手现已登陆5亿台设备，将于本年底支撑30种言语，80多个国家可用。

　　此外，Google Assistant还在活跃向外部协作进行拓宽，还与70多家智能家居厂商达成了协作，呈现出愈加容纳的敞开性。

　　Google Assistant本年在人机交互的智能性上做出了非常大的打破。

　　5月份举行的谷歌I/O大会谷歌 CEO Pichai现场展现了晋级后的Google Assistant新才能，包含支撑主动分化对话，并进行多重回复。也便是说：当用户一句话里边问了两个问题，谷歌帮手会分开答复，一起人声发音愈加天然流通。

　　另一项重磅功用便是Google Assistant的Google Duplex，能够代打预订电话，协助用户点外卖、查道路、预订理发店、预订饭馆。经过与Google Assistant对话，告知它你想要预订什么店，什么时刻和多少人，Google Assistant便会直接拨打电话给这家店，并用人的白话和发音，和对方谈天，承认好预订信息。整个演示过程中Google Assistant体现得非常挨近真人，不知情的商家直到电话完毕都没有意识到自己在和 AI 对话。

　　与Alexa的follow up形式类似，接连对话功用使得用户能够与 Google Assistant 进行愈加天然的会话，而无需在一场对话中屡次重复 Hey Google。敞开该功用之后，只需用 Hey Google 或许 OK Google 引发一次Google Assistant，就能够与之进行接连对话（买东西、设置闹铃、查气候等）。

　　用户能够经过 Thank You 或许 Stop 主动中止对话，或许 Google Assistant 在检测到用户中止说话之后主动中止对话。

　　此外，Google Assistant从本年9月起就现已能够支撑双语无缝切换辨认。

　　当用户混用两种言语向Google Assistant提出问题时，运用深度神经网络开发白话辨认（LangID）技能，谷歌帮手都能够辨认出来，并且做出回应，而这只需用户设置好两种言语即可。

　　谷歌近年来在 AI 范畴堆集了许多的抢先优势，Google Assistant作为其在AI方面的中心之一，现已获得了适当不俗的成果。

　　2011 年，在 iPhone 4s 问世的当天，苹果 Siri 也以智能语音帮手的身份初度正式露脸，并成为其时发布会上最大的亮点。

　　它是苹果在iPhone、iPad等产品中运用的一项智能语音操控系统，现在现已能够支撑Apple TV和Apple Watch。

　　经过Siri，用户能够轻松的完结设置闹钟、引荐本地商户、进行道路规划、播映音乐、读发短信、组织日程、守时提示、获取资讯、查找材料、实时翻译等功用，Siri还经过用户的行为习气，前瞻性地向用户引荐需求履行的行为等。

　　Siri其实是语音帮手范畴里起步比较早的运用，是群众认知里了解度最高的个人智能助理，也使群众第一次对智能帮手的概念有了认知，“调戏”Siri也曾是风行一时的文娱项目。

　　可是在曩昔的几年时刻里，它的智能程度显着没有得到较大提高，现在依然仍是在吃老本的阶段。

　　Siri现在还未彻底敞开Sirikit给开发者，跟第三方运用整合的开展也非常缓慢。

　　Siri从前作为智能帮手的前锋现在位置却有些为难，究其原因，与Siri团队的动乱以及苹果对Siri的规划频频变化分不开联系。

　　2014年2月，微软公司推出了自己的语音帮手小娜（Cortana），并嵌入装置Windows操作系统的核算机和手机中。

　　它是一款根据语音和文本的虚拟帮手，现在现已能够支撑Windows、iOS、以及Android系统。凭仗微软本身深沉的技能功底，Cortana完结了对语音的较高辨认率和与系统功用的深度集成，给用户带来了不少便当。

　　Cortana能够处理事务提示和日常预订，设置闹钟，一起它还能发动Bing（必应）查找引擎获取体育，气候和其他信息。

　　小娜还会对用户的习气和喜爱进行学习，在 Cortana与用户对话时，它并不是简略地根据存储式的问答，而是一起记载下用户的行为和运用习气，运用云核算、查找引擎和非结构化数据剖析，读取和学习包含手机中的文本文件、电子邮件、图片、视频等数据，来了解用户的语义和语境，然后完结人机智能交互。

　　Cortana比较于偏重使命和功率，更重视它与用户之间的情感衔接和亲密联系，跟着Cortana越来越了解用户的行为习气，它能够做出愈加个性化的的智能引荐。

　　2016年12月，微软在旧金山宣告，把Cortana敞开给第三方硬件公司，使其能够集成至音响、轿车等多种硬件。

　　本年8月，微软Cortana和亚马逊Alexa正式结盟，推出了交融后的服务。一个微软Cortana的用户，能够经过相关的语音指令直接在亚马逊网站进行购物。

　　别的，亚马逊Echo智能音箱的用户，也能够经过微软Cortana的协助，回复Windows中的电子邮件，或是设置日程提示等。交融语音帮手的服务首要作为大众预览版对美国用户发布。

　　其间，亚马逊Echo音箱的用户能够经过Alexa获取Cortana的服务，别的Windows10个人电脑用户以及三星电子旗下哈曼国际公司Kardon Invoke智能音箱的用户，也能够在Cortana中获得Alexa服务。

　　现在在产品实用性和用户体会这个维度上，Cortana仍是落后于谷歌帮手和亚马逊Alexa。在和第三方硬件产品和互联网服务的整合方面，微软Cortana更是显着落后于谷歌和亚马逊。

　　度秘是李彦宏在2015年9月8日百度国际大会上推出的对话式人工智能秘书。

　　度秘根据DuerOS对话式人工智能系统，用户能够运用文字、图片或许语音与百度机器人进行交流交流，度秘经过语音辨认、天然言语处理和图画辨认能够在对话中明晰的了解用户的多种需求，进而在广泛索引实在国际的服务和信息的基础上，为用户供给各种优质服务。

　　依托百度查找才能、百度地图、百度糯米等O2O类的服务，度秘能够掩盖用户衣、食、住、行、玩各方面的需求和引荐，扩展了用户关于服务的体会宽度和深度，也是每个商家不行错失的新进口和新商机。

　　此外，现在DuerOS现已能够供给为第三方接入的Bots Platform，能够赋能于手机、智能家居、可穿戴设备以及车载等多个场景，搭载DuerOS落地的主控设备也超过了80余款，不乏联想、美的、海尔、小米等闻名企业，设备激活数量现已打破5000万。

　　百度现在的战略现已是“all in AI ”，相同是做查找引擎发家，百度与谷歌由于中美两国的互联网环境不同，在AI范畴的布局思路也不尽相同。

　　而百度由于短少系统级进口，更多的选用从服务和场景的视点构建生态的思路，运用AI撬开新生态，更偏重于“衔接服务”。

　　在国内商场，团购、O2O、新零售、同享经济等现已高度发达，用户更需求能够供给无感服务的AI，只需求一个指令，智能帮手就能够协助咱们订餐、购物、打车、阅览新闻等。百度便是根据DuerOS给用户供给美食、电影、外卖、酒店、购物、打车、保洁、旅行、充值等多种日子O2O服务，凭仗简略的数据交换就能够做到。

　　在这个含义上，谷歌帮手的Google Duplex功用尽管炫酷，但也仅仅适用于大都服务无法直接经过网上预订的美国商场。

　　2017年4月，腾讯推出智能语音帮手“腾讯叮当”，它根据天然言语了解和海量的语料标示数据，整合了信息服务、内容服务、日子服务和各种硬件的衔接服务，掩盖新闻、体育赛事、票务、快递、音乐、股票、文学、LBS的邻近资源等范畴，功用与亚马逊Alexa类似，是一款根据腾讯技能生态和内容生态敏捷发力的产品，能够供给智能帮手产品形状和渠道级的事务支撑，衔接广泛的智能化需求和海量的服务资源。

　　现在叮当现已能够供给API和SDK接入办法给厂商，类似智能穿戴、智能音箱、智能车载、智能电视以及各类形状的机器人，都能够搭载腾讯叮当AI帮手。

　　阿里在智能助理这个范畴有两个比较闻名的产品，一个是智能音箱天猫精灵，另一个则是主打购物这个细分场景的阿里小蜜。

　　天猫精灵是阿里巴巴AI labs于2017年7月5日发布的AI智能产品品牌，当天同步发布了天猫精灵首款硬件产品——AI智能语音终端设备天猫精灵X1。

　　天猫精灵X1内置AliGenie操作系统，AliGenie依托云端，能够听懂中文普通话语音指令，现在可完结智能家居操控、语音购物、手机充值、叫外卖、音频音乐播映等功用。

　　天猫精灵整合了商场中的内容资源、音频资源、技能资源以及本身的渠道资源。接入的互联网服务内容多为阿里生态本身内容，但依托阿里本身的布局，服务数量很客观。家居操控方面，支撑阿里小智以及bordlink等品牌商的接入。

　　AliGenie开发者渠道是首要面向四种类型的开发者，包含内容开发者、运用开发者、智能家居开发商和硬件生产商。开发者既能够创立技能，为更多的语音用户供给服务，也能够将自己的设备接入云端服务，获取语音交互才能。

　　在智能帮手这个场景下，由于不同情境下言语的含义能够多种多样，有时目的无法承认，所以不少产品的思路是限制说话的范畴，从宽度开展变为深度开展，也便是做愈加细分的笔直范畴的智能助理。

　　具体来说便是在一个细分的场景下，用户发生许多类似的疑问和需求，方针明晰或半明晰且或许需求引导，而智能助理具有范畴专业常识（常识图谱）与丰厚问答经历（问答前史数据），能够在几分钟内处理用户问题和需求，智能助了处理不掉的，再扔给人工客服。

　　许多场景或许最频频的前十个问题现已能处理大部分用户通用的问题，而智能助理的优势在于能够主动化获取用户画像、快速读取海量相关常识库、经过多轮对话快速给出针对用户需求的个性化答案。阿里小蜜便是这样一款偏重打造在购物这个细分场景下的智能助理。

　　阿里小蜜是阿里在2015年7月发布的一款人工智能购物助理虚拟机器人，运用进口在手机淘宝客户端【我的淘宝】，根据阿里海量消费和商家数据来结合线上、线下的日子场景需求，以智能+人工的形式供给智能导购、服务、助理的拟人交互事务体会。

　　机器经过智能化技能处理掉绝大部分的简略、重复等可辨认处理的问题，关于处理不了的问题则流向人工。

　　现在阿里小蜜能够在跨终端、多场景范畴支撑多轮交互、多形式交互(文本、语音和图画)和问题引荐猜测，支撑多模型辨认客户目的，经过结合上下文语义了解来给用户引荐想要购买的产品，以及处理淘宝和支付宝相关的服务问题。

　　在这种含义下，阿里小蜜仍是偏重界说为淘宝或支付宝的辅佐功用，而不是独立作为智能助理来产出价值。

　　对人工智能范畴的头部公司而言，AI依然是不知道且需求不断探究的。不同的公司文明，不同的技能系统，不同的事务结构，不同的工业布景等等，决议了在人工智能布局上的差异，除了时刻上的先后顺序，还有对AI场景了解的不同。

　　作为智能帮手范畴的两大巨子，Alexa和Google assistant都在英语国家获得了不俗的成果，但由于智能帮手产品强依托于语音辨认和语义了解，中文能够说是他们进入中国商场的一个强壁垒，由于中文是全国际最杂乱的言语之一，没有对中文长时刻的研讨和数据堆集，很难到达用户的预期。

　　本次首要剖析四款面向国内用户，支撑智能手机终端，主打个人智能帮手场景的产品：微软小娜、苹果Siri、百度度秘、腾讯叮当。首要偏重于剖析智能性上，因而不对APP的结构层、结构层和体现层进行剖析。

　　微软小娜支撑文字或语音输入，可是只要少部分问答支撑语音输入时相同输出语音。在较为安静的环境下语音辨认根本没有过失。

　　小娜供给的服务和内容根本都是根据必应系列产品，强依托必应查找引擎，许多时分无法直接呈现用户需求的服务，而仅仅单纯将在必应里的查找成果展现给用户。

　　例如问询“今气候候怎么样我需求带伞吗”，小娜会答复“我觉得没有这个必要，今日的气候是晴转多云”。

　　Siri首要以语音交互为主，辅佐功用里能够敞开文本输入。在较为安静的环境下语音辨认根本没有过失。语音组成方面中文发音较之英文发音要僵硬刻板许多。

　　Siri团队作为美国本乡的团队，在英文上的语义了解也做的要比中文好许多，并且言语设置为英文时可供给的服务也更多。

　　举个比如，用中文问询“24的平方是多少”，Siri只会给出查找成果，可是用英文问询“the square of 24”就会直接给出答案。

　　相同的，用中文问询“π的平方是多少”，会辨以为“派的平方是多少”，一起只能供给查找成果。而用英文问询则会辨认“the square of pi”，并直接给出答案。

　　尽管李彦宏早前屡次为度秘站台，可是在app store里度秘最新上传的版别现已是1年前了，并且很显着这个最新的版别也并没有适配iPhone x，能够揣度现在在百度的AI版图里度秘并不是很重要的一款产品。

　　运用时，在度秘获取了拜访通讯录权限的情况下测验“打电话给xx”时（xx为通讯录中的联系人），度秘语音辨认精确但反应没有找到该联系人，只要在直接说打电话给某个号码时才干够拨出电话。

　　度秘在用户一次性问两个相关问题时不能够拆分答复。例如问询“今气候候怎么样我需求带伞吗”，度秘的答复与“今气候候怎么样”的答复相同。

　　腾讯叮当支撑文本交互和语音交互，中文状况下语音辨认英文的才能较好，它的语音组成作用是四款产品里最天然流通的，机械感很弱。

　　腾讯叮当现在根本不支撑对一些手机根本操作的操控，细心研讨就会发现它不需求获取通讯录权限，所以打电话发短信更无从谈起，由于这款产品发布时刻并不久，可供给的服务不多，兜底答复呈现的概率也比其他产品要高一些。

　　由于所面临的用户集体不同，用户运用习气也有很大不同，中外AI头部企业在智能助理这一范畴发力方向也都不尽相同。

　　Google Assistant、Alexa等国外具有代表性的智能助理，它们不仅在AI芯片、天然言语处理、语音辨认、机器学习、核算机视觉等技能方向上获得开展，并且在敞开性和智能设备未来生态的布局上，抢占了先机。

　　而国内BAT三家巨子研制的智能助理，现在他们的服务既有重合之处，也有各自的偏重与特征。

　　百度的度秘在资讯查找和日子消费引荐上技高一筹，腾讯叮当根据海量数据和交际基因，它在泛文娱上有着不小的优势，而阿里小蜜则在购物和商业链接上更有发挥之地。

　　未来的智能助理将伴跟着智能生态系统的开展变得无处不在，而作为这个生态中的重要人物，智能助理将承担起和谐指挥这个生态的重担。这意味着，智能助理将成为新的商业会聚点，也将引起新一轮的智能生态大洗牌。