三百六十行，行行出狀元。在眾多行業中有這么一個行業迎來了一位“新人”——微軟小冰。

作為一款人工智能伴侶虛擬機器人的小冰，去了歌唱界。不僅發表個人單曲，還參與作詞作曲，經歷了五次迭代的微軟小冰，現在已經成為一個會作曲會唱歌的全能型藝人。

▌作曲寫詩寫詞樣樣精通

2017 年，微軟出版了一本由小冰原創的詩集《陽光失了玻璃窗》，這是第一部 100% 由人工智能創造的詩集。在寫詩之后，小冰還創作不同類型的文體，填詞，唱歌，發表個人單曲等。

據介紹，小冰創作的基本原理有兩大塊，一塊是他需要學習前人的作品，包括上千位詩人的詩集、上千萬行歌詞等等。第一步，訓練深度神經網絡的模型；第二步，有了一定的模型之后，需要給她一個觸發源，工程師們稱為創作沖動。

創作沖動有不同的方式，給出一張圖片或文字，基于圖片里的元素或文字內容的理解去創作，例如知乎上的海量回答，學習知乎預料大數據作為觸發源，基于一個訓練好的模型，生成對應的歌詞。

值得注意的是，在小冰發布的單曲中，還聽到有模擬真人呼吸的聲音，據微軟（亞洲）互聯網工程院微軟小冰首席語音科學家欒劍表示，主要是因為考慮到大眾的習慣，沒有換氣可能會讓人聽著感覺很累，因為有些時候發燒友會跟著哼唱，沒有呼吸換氣的地方，會覺得不太舒服。

在技術上實現呼吸換氣主要分為兩個模塊，第一個模塊，首先要預測什么地方會有呼吸的聲音，第二個模塊，怎么樣把呼吸的聲音生成出來。

關于第一個，人類有兩種呼吸，一個是這個歌到了一個休止符，在語意的地方需要一個停頓；還有一種，這首歌可能節奏很快，中間沒有任何的停頓，這時候人類的歌手必須要在某個地方換一下氣，不然的話，人類的肺活量支撐不了。

關于換氣的聲音，其實換氣的聲音有點類似于人類的聲音，它就是一種沒有聲帶振蕩的聲音，我們可以把他作一種中文語言系統以外的一種新的發言的因素去建模。

▌最早實現全雙工對話

在 2016 年的 9 月份，微軟小冰就開始真正的給人類打電話，到目前為止，打了超過 60 萬通電話。在通話過程中會增加“嗯”、“啊”這樣的語氣詞，給人的感覺更像真人，并且做到了全雙工對話，可以互相打斷，真正做到雙方互動的聊天。

另外，小冰運用的領域是一個很開放的領域。她實際上跟用戶在溝通的過程中話題，內容，都是可以雙方提出來的。不僅是小冰拋出一個話題，就限定在這個話題里聊，而是隨時可以根據對方拋出的新話題去聊。

據欒劍介紹，小冰這種開放領域的聊天難度上會更大一些。首先上下文大篇幅的語義理解在業界和學術界都是一個很難的課題，比如在寫詩的時候，有時候的用詞比較古怪，或者語句之間不太通順，但實際上可能存在有一種潛在的邏輯。

也遇到了一個技術的瓶頸，語意理解像是一個黑盒子，這個黑盒子，會收入一些內容也會反饋一些內容，反饋的內容給人的感覺好像是理解了，但實際上他是不是真正理解了，是沒有辦法判斷的。

人也是這樣，在實際對話過程中，更多的是先給個輸入，然后給個輸出，再根據這個輸出來判斷他是不是真正理解了，但實際上這里面是有一定的套路存在的，你去判斷他是不是理解，可能是很困難的，因為里面并沒有一個那么直觀的東西存在。

▌AI 的三個層次：運算智能、感知智能、認知智能

第一層，運算智能，像算盤一樣；

第二層，感知智能，能夠感知到一個物品是什么；現在大多數的 AI，包括語音、圖象等還是停留感知智能層次上；

第三層，認知智能；像人一樣，知道是什么，還知道為什么這樣，還可以推理，這個層次較難。

說到底，AI 的創造力和人類的創造力之間有什么差別呢？

微軟（亞洲）互聯網工程院人工智能創造事業部副總經理袁晶表示，人的左腦更加偏向于計算；人的右腦是偏向創造力，發散思維，現在希望用計算的方式，讓 AI 用左腦的方式去模擬右腦的行為。

換句話講，這種創造在人里面只有頂尖的藝術家才能干，但是放到 AI 上，就相當于可以簡化這個學習和訓練的過程了。

相當于說，讓她去擬合人類創作者的創作過程，并且能以這樣的能力去幫助普通人去做一些創造，因為每個人都想去做一些創作的行為，只不過說限于自己的能力，AI 能夠做到相當于他的助手，幫助普通人，享受創作的樂趣。比如她可以和你一起為你新出生的孩子、或你的戀人寫首情詩，也可能為你爸爸的生日創作一首歌曲等。

▌未來小冰將嘗試更多內容領域的創作

袁晶表示，未來會漸漸讓小冰去嘗試往內容生成的領域做一些探索，可能半年一年，很多別的公司或者機構，也會跟隨這個趨勢去做類似這樣的事情。

在袁晶看來，人工智能在內容領域有一些新的能力或者突破可能將會是未來的一個方向，所以也會往這個方向不斷的去做一些嘗試，包括聲音、文字、圖像等三個方面，AI 未來會充當協助角色，幫助人類的創作者，去更好更快更高效的創作內容。

首先 AI 創造的成本是很低的，要比人類的創造成本低很多。比如讀故事，當我們找配音員去讀這個故事，他可能要付出一定的成本，但是如果聲音的模型訓練好了之后可以大批量的生成，成百上千個小時的大量的用戶，所以他的成本會攤薄到很低。

小冰的聲音技術里面增加了一些韻律和風格的變換，使得她可以去模仿人類創作者，在各種場景下面做各種不同的演藝。而機器人可以非常真實的模擬人聲，讓很多人有各種各樣的顧慮。

欒劍表示，小冰聲音的生成和使用的過程都是嚴格受控的，將來提供服務的時候，模型本身，以及合成的引擎本身，另外，小冰之前給人類打電話已經打了60萬個，小冰都會先申明身份，明確告訴用戶我們是微軟小冰。微軟設有專門的人工智能的委員會，防止人類利用人工智能技術去做傷害他人和社會的事情。