曾就職于IBM全球咨詢服務(wù)部，作為高級(jí)咨詢顧問(wèn)參與了銀行、航空、教育行業(yè)的多個(gè)客戶信息化咨詢項(xiàng)目；后加入百度深度學(xué)習(xí)研究院負(fù)責(zé)識(shí)圖產(chǎn)品，為百度IDL研究院首位AI產(chǎn)品經(jīng)理。

加入ROOBO以后，負(fù)責(zé)將ROS.AI平臺(tái)快速落地于智能家居、兒童機(jī)器人方向；截止18年上半年助力ROOBO完成了兒童機(jī)器人軟硬件方案500萬(wàn)臺(tái)的出貨量，行業(yè)內(nèi)穩(wěn)居第一；同時(shí)打造童秘兒童智能平臺(tái)，連接更多的兒童設(shè)備，使交互變得便捷和智能。

兒童機(jī)器人與AI的行業(yè)發(fā)展回顧

如往期一樣，在了解兒童機(jī)器人目前的整體現(xiàn)狀和如何打造一款合格的兒童機(jī)器人前，我們需要先了解一下這個(gè)行業(yè)的歷史進(jìn)程與發(fā)展。

“兒童機(jī)器人”這個(gè)概念目前其實(shí)還算比較小眾，甚至在百科上都沒(méi)有一個(gè)具體的詞條能夠完整描述它。也就是說(shuō)，兒童機(jī)器人仍然沒(méi)有一個(gè)合適的定義。

因此，想要了解這個(gè)行業(yè)，我們需要從產(chǎn)品入手，以產(chǎn)品共性看待行業(yè)。我們發(fā)現(xiàn)，所有的兒童機(jī)器人產(chǎn)品現(xiàn)在都有一個(gè)重要的功能特點(diǎn)，那就是需要傾聽(tīng)兒童的聲音，并和他們交流、互動(dòng)。所以，這類產(chǎn)品最核心和關(guān)鍵的技術(shù)就是智能語(yǔ)音技術(shù)。而這，恰恰離不開人工智能的第三次浪潮。

從06年誕生深度學(xué)習(xí)理論技術(shù)后，短短5年時(shí)間語(yǔ)音識(shí)別和圖像技術(shù)便迎來(lái)了商業(yè)化時(shí)代。以2011年為節(jié)點(diǎn)，微軟率先使用深度學(xué)習(xí)，將語(yǔ)音識(shí)別正確率從75%提升到95%以上。隨后，訊飛輸入法、SIRI這樣的智能助理誕生。

最早的兒童智能機(jī)器人雛形則來(lái)源于語(yǔ)音識(shí)別鼻祖訊飛的一款應(yīng)用APP《開心熊寶》。這是基于手機(jī)的一款軟件，而對(duì)于硬件來(lái)說(shuō)，2014年一家國(guó)外的公司打造了“JIBO”的硬件產(chǎn)品，很遺憾地，它并沒(méi)有得到量產(chǎn)的機(jī)會(huì)。

如今我們有著很多公司在共同耕耘兒童機(jī)器人市場(chǎng)，不論是最初的樂(lè)橙公司、小魚在家還是如今的北京智能管家ROOBO，多多少少在設(shè)計(jì)及理念上都借鑒了他們的“老大哥”JIBO。

在各家公司紛紛進(jìn)入兒童機(jī)器人市場(chǎng)的2015年，整個(gè)行業(yè)也開始騰飛，從不足10萬(wàn)的年銷量，發(fā)展到3年以后的2018年預(yù)估2000萬(wàn)銷量。鐘升達(dá)分析，這樣的井噴效果不僅來(lái)自于硬件成本的降低，其次也有故事機(jī)、早教機(jī)產(chǎn)品轉(zhuǎn)型帶來(lái)的影響。

兒童機(jī)器人1.0時(shí)代：同質(zhì)化產(chǎn)品當(dāng)?shù)?/p>

作為一個(gè)擁有潛在銷量2000萬(wàn)的市場(chǎng)，大家普遍都會(huì)認(rèn)為兒童機(jī)器人產(chǎn)品銷售一定擁有“快速增長(zhǎng)性”和“藍(lán)海”的特點(diǎn)。

然而并不是這樣。

據(jù)鐘升達(dá)的描述，外行會(huì)認(rèn)為兒童機(jī)器人市場(chǎng)像是廣闊藍(lán)海，而從業(yè)者都深知他們所處的環(huán)境只是一個(gè)小小的魚塘，并且競(jìng)爭(zhēng)非常激烈。

這是因?yàn)椋谝唬改笇?duì)兒童機(jī)器人產(chǎn)品的認(rèn)知度依然不高。父母及孩子，乃至我們廣大消費(fèi)者，在被各種影視作品及通俗文化的影響下，都會(huì)認(rèn)為：

“兒童陪伴機(jī)器人” = 哆啦A夢(mèng)或大白

第二，盡管兩種產(chǎn)品在品類上毫不相關(guān)，智能音箱的“千機(jī)大戰(zhàn)”以及各種巨頭補(bǔ)貼在不斷沖擊著兒童機(jī)器人市場(chǎng)。這主要是因?yàn)樯a(chǎn)者在產(chǎn)品編輯上處理較為模糊

你能分得清誰(shuí)是兒童機(jī)器人嗎？

作為主打兒童智能語(yǔ)音交互的產(chǎn)品，兒童機(jī)器人的核心應(yīng)當(dāng)是“技能和場(chǎng)景”。目前各種平臺(tái)也在不斷拓展著它們，我們總結(jié)來(lái)看，其實(shí)不外乎兩類。

第一類是工具型，比如咨詢天氣、其它生活信息或常識(shí)信息。第二類是資源點(diǎn)播型，比如聽(tīng)兒歌，聽(tīng)故事或者看動(dòng)畫片。

對(duì)此這些技能和場(chǎng)景，ROOBO專門梳理了用戶在使用它們時(shí)所占據(jù)的比例。

根據(jù)這個(gè)分析，我們可以得出在目前的兒童智能機(jī)器人時(shí)代，鐘升達(dá)稱之為“兒童智能機(jī)器人1.0時(shí)代”，無(wú)論從產(chǎn)品外觀、內(nèi)沿競(jìng)爭(zhēng)或者功能體驗(yàn)上來(lái)講，各家產(chǎn)品都處于一個(gè)非常同質(zhì)化的階段。

那么在同質(zhì)化的競(jìng)爭(zhēng)狀態(tài)下，北京智能管家ROOBO以及行業(yè)內(nèi)所有的兒童機(jī)器人企業(yè)該如何去打造差異化、有特點(diǎn)的機(jī)器人呢？

如何打造2.0時(shí)代的差異化兒童智能機(jī)器人？

深耕行業(yè)多年，北京智能管家ROOBO在積累了大量經(jīng)驗(yàn)的情況下，于今年7月推出了從軟件到硬件統(tǒng)一的開放平臺(tái)——“童秘平臺(tái)”。

“童秘平臺(tái)”的開放性來(lái)自于它可以適配各種系統(tǒng)，如業(yè)界常用的安卓系統(tǒng)、Linux系統(tǒng)，以及RTOS系統(tǒng)。同時(shí)，在對(duì)接硬件方案伙伴上，ROOBO也將內(nèi)容云這一層面開放出來(lái)，以實(shí)現(xiàn)更多有價(jià)值的、富有教育意義的內(nèi)容覆蓋。

除了平臺(tái)與內(nèi)容外，最基本的語(yǔ)音對(duì)話方面，ROOBO在2.0時(shí)代總結(jié)了百度先前提出的標(biāo)準(zhǔn)，即“聽(tīng)清”、“聽(tīng)懂”、“滿足”。

這三個(gè)方面對(duì)于成年人來(lái)說(shuō)，似乎很好實(shí)現(xiàn)。然而對(duì)于兒童來(lái)講，他們正處在學(xué)習(xí)語(yǔ)言的階段，小到發(fā)音、大到語(yǔ)言邏輯的各種形式都是非常復(fù)雜的。

通過(guò)大量的語(yǔ)音標(biāo)注，以及結(jié)合最新的聲學(xué)模型TDNN神經(jīng)網(wǎng)絡(luò)，ROOBO重新訓(xùn)練生成了專門針對(duì)垂直于兒童領(lǐng)域的ASR語(yǔ)音識(shí)別技術(shù)。至此，ROOBO實(shí)現(xiàn)了差異化的第一個(gè)點(diǎn)：聽(tīng)清。

對(duì)于“聽(tīng)懂”，鐘升達(dá)講述，在大部分常見(jiàn)的用戶對(duì)話中，用戶的意圖遵循著“二八定律”，就是說(shuō)80%的用戶，其對(duì)于產(chǎn)品功能的表達(dá)方式會(huì)集中在20%的話術(shù)上。比如說(shuō)暫停歌曲，普通成年人用戶會(huì)說(shuō)“暫停”、“不要播了”、“停下來(lái)”等，而兒童卻不這樣，也是和兒童的語(yǔ)言邏輯相關(guān)的，他們會(huì)認(rèn)為機(jī)器人并非工具，而說(shuō)出“你這個(gè)歌可不可以自己停呀？”這樣的話語(yǔ)。

這種擬人化的語(yǔ)言如果用傳統(tǒng)的智能語(yǔ)言模板匹配很難會(huì)命中兒童的真實(shí)意圖。在這方面ROOBO又結(jié)合另外的LSTM模型進(jìn)行大量標(biāo)注，實(shí)現(xiàn)了兒童自然語(yǔ)言處理的神經(jīng)網(wǎng)絡(luò)。此外，他們也圍繞產(chǎn)品端進(jìn)行了定制化的迭代，保證時(shí)刻更新兒童語(yǔ)料。

最后一個(gè)階段是“滿足”，這一方面ROOBO和眾多內(nèi)容合作伙伴一起打造了知識(shí)庫(kù)，將目前市面上的內(nèi)容知識(shí)形成體系輸出給廣大兒童。

其實(shí)，僅僅包含“聽(tīng)清”、“聽(tīng)懂”和滿足，兒童智能機(jī)器人仍然和智能音箱無(wú)法形成有效差異化。

對(duì)此，鐘升達(dá)表示，ROOBO給出了一個(gè)絕佳的方式。因?yàn)閮和谔幱谡Z(yǔ)言學(xué)習(xí)的關(guān)鍵時(shí)刻，只是“磨耳朵”對(duì)于他們來(lái)說(shuō)幫助不大，這是一種輸入。更有效的互動(dòng)應(yīng)當(dāng)是輸入與輸出相結(jié)合。

因此ROOBO給孩子們提供了“磨嘴巴”的功能，即是由機(jī)器人在和孩子交流的過(guò)程中根據(jù)內(nèi)容主動(dòng)發(fā)問(wèn)，例如當(dāng)孩子提問(wèn)：“你有家人嗎？”機(jī)器人回答：“沒(méi)有，我是機(jī)器人，你有家人嗎？家里有幾口人呢？”

通過(guò)一些具有條例和邏輯的回復(fù)，鍛煉兒童的語(yǔ)言意識(shí)。這就是2.0時(shí)代的關(guān)鍵——圍繞語(yǔ)言的主動(dòng)交互。

關(guān)于兒童機(jī)器人的未來(lái)

除了分享ROOBO關(guān)于兒童機(jī)器人2.0時(shí)代所做的事情，鐘升達(dá)還對(duì)未來(lái)的兒童機(jī)器人發(fā)展提供了更多想法。

這里，具體在三個(gè)趨勢(shì)上面會(huì)有所表現(xiàn)：

一是IP化，比如一些家喻戶曉的動(dòng)漫形象，如小豬佩奇、小黃人等，以此增強(qiáng)產(chǎn)品的認(rèn)知度。

二是內(nèi)容互動(dòng)多元，就如上面講到的，機(jī)器人會(huì)主動(dòng)引導(dǎo)孩子表達(dá)，之后孩子也會(huì)發(fā)表他關(guān)于上下文的想法，以此實(shí)現(xiàn)教學(xué)性的互動(dòng)。

三是未來(lái)的兒童智能機(jī)器人一定是既能聽(tīng)又能看同時(shí)具有更強(qiáng)感知能力的產(chǎn)品，它可以有效監(jiān)督，或者督促孩子學(xué)習(xí)。

現(xiàn)場(chǎng)答疑環(huán)節(jié)

Q1: 兒童機(jī)器人如此同質(zhì)化，我該如何選擇合適孩子的產(chǎn)品？

答：對(duì)于目前階段，家長(zhǎng)應(yīng)當(dāng)選擇更具有優(yōu)質(zhì)內(nèi)容的平臺(tái)，語(yǔ)言交互方面應(yīng)當(dāng)考慮關(guān)注百科問(wèn)答的質(zhì)量效果。

Q2: 兒童語(yǔ)音分析的過(guò)程中，最困難的是什么？

答：最困難的地方是有些小孩子的說(shuō)話連大人也聽(tīng)不懂，所以在語(yǔ)音標(biāo)注的時(shí)候所需要花費(fèi)的成本也會(huì)比較高。另外就是兒童本身的表達(dá)也會(huì)很不標(biāo)準(zhǔn)，需要大量的語(yǔ)料積累才能達(dá)到較好的意圖識(shí)別。

Q3: 作為家長(zhǎng)，我為什么要購(gòu)買兒童機(jī)器人？

答：這個(gè)我覺(jué)得從兒童機(jī)器人的幾個(gè)方面來(lái)看，一個(gè)是愿景出發(fā)，兒童機(jī)器人本身的出發(fā)點(diǎn)是希望陪伴小孩子學(xué)習(xí)成長(zhǎng)，而手機(jī)上內(nèi)容雖然多，但是畢竟不是適合小孩子的專屬產(chǎn)品。二是兒童機(jī)器人從硬件的配置上來(lái)看，未來(lái)一定會(huì)有更多的可運(yùn)動(dòng)類的機(jī)器人出現(xiàn)，其主動(dòng)交互的能力也會(huì)遠(yuǎn)遠(yuǎn)超過(guò)手機(jī)，比如陪伴小孩子學(xué)習(xí)，假如小孩子不愿意學(xué)，跑開了，手機(jī)能感并追隨小孩子嗎？不太可能，因?yàn)橛布窒蘖似淠芰Γ俏磥?lái)兒童機(jī)器人有可能。

Q4：目前的早教智能產(chǎn)品市場(chǎng)還是故事機(jī)賣得比較好，兒童智能機(jī)器人沖擊這個(gè)市場(chǎng)的優(yōu)勢(shì)有哪些？

答：剛才提到一個(gè)很重要的點(diǎn)，故事機(jī)是一個(gè)被動(dòng)交互的產(chǎn)品，兒童機(jī)器人未來(lái)要拉開差距，需要從主動(dòng)交互上下功夫。把和孩子的交流變?yōu)殡p向的，而不是被動(dòng)響應(yīng)主人的請(qǐng)求。這個(gè)很重要。另外一點(diǎn)就是需要把硬件成本控制好，降低成本。

Q5：外形或者內(nèi)容上，未來(lái)會(huì)考慮引入一些IP元素嗎？業(yè)界的趨勢(shì)是怎樣的？

答：IP化這件事兒一直都有企業(yè)嘗試，但是面臨的問(wèn)題是一是授權(quán)成本比較高，二是IP化除了外觀外，也需要從機(jī)器人本身的內(nèi)涵下功夫，比如IP的聲音是否能有效合成，IP的機(jī)器人畫像是否能做的和原型足夠的匹配。當(dāng)然，最重要的是企業(yè)自身的內(nèi)容和渠道是否能夠讓消費(fèi)者買單。