白酒新品上市送饮料广告语

wanshankapaishoujixitong，sanguoqunyingyiwangdajin，juesehougongsuinizujian!huochairentaolidaoyuyouxifenweichaoduogeguanka，meigeguankadeneirongbutong，suoyoudezhaxunxinxidounengjilu，fangbianyonghuzhakan，lejiezhaxundejilu；hedanggongjianxichuangzhu，quehuabashanyeyushi。——〔tang〕lishangyin《yeyujibei》zhanzhengzhongzuizhongyaodeshianpaijunduihezhandou，meiyounaolijingsaizhihuirangnishudegengkuai。阿(e)裏(li)GPT 15天(tian)訓(xun)出(chu)「鳥(niao)鸟」嘴(zui)替(ti)，比(bi)ChatGPT+Siri刺(ci)激(ji)多(duo)了(le)！

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：Aeneas 好(hao)困(kun)

【新智元導(dao)讀(du)】從(cong)聲(sheng)音(yin)到(dao)個(ge)性(xing)，ta跟(gen)鸟鸟真(zhen)是(shi)傻(sha)傻分(fen)不(bu)清(qing)楚(chu)。

說(shuo)來(lai)妳(ni)可(ke)能(neng)不信(xin)，我(wo)們(men)這(zhe)兩(liang)天都(dou)和(he)脫(tuo)口(kou)秀(xiu)演(yan)員(yuan)「鸟鸟」在(zai)壹(yi)起(qi)。

咱(zan)们来問(wen)问ta，去(qu)年(nian)笑(xiao)果(guo)文(wen)化(hua)最(zui)出圈(quan)的(de)梗(geng)之(zhi)一：「你知(zhi)道蝦(xia)系(xi)男(nan)友(you)嗎(ma)？」

ta立(li)即(ji)秒(miao)答(da)：「聽(ting)说最近(jin)網(wang)上(shang)流(liu)行(xing)的虾系男友梗，指(zhi)的是身(shen)材(cai)好但(dan)臉(lian)蛋(dan)不太(tai)好看(kan)的男生(sheng)，就(jiu)像(xiang)虾一樣(yang)只(zhi)需(xu)要(yao)去掉(diao)頭(tou)就可以(yi)食(shi)用(yong)了，这个詞(ci)語(yu)最近因(yin)為(wei)脱口秀演员李(li)誕(dan)在節(jie)目(mu)中(zhong)自(zi)曝(pu)网友的整(zheng)活(huo)而(er)爆(bao)火(huo)。」

某(mou)诞拿(na)著(zhe)虾線(xian)来找(zhao)你了

仔(zai)細(xi)听这个声音，你猜(cai)是不是鸟鸟本(ben)鸟？

「鸟鸟」来新智元了？

1. 很(hen)有(you)个性

沒(mei)听出来？那(na)就讓(rang)我们问一个可以準(zhun)確(que)「定(ding)位(wei)」鸟鸟的问題(ti)：你是个內(nei)向(xiang)的人(ren)吗？

過(guo)一會(hui)兒(er)，鸟鸟特(te)有的语調(tiao)慢(man)悠(you)悠地(di)響(xiang)起：「是的，我是一个内向、社(she)交(jiao)恐(kong)懼(ju)的女(nv)孩(hai)，我常(chang)常感(gan)到無(wu)存(cun)在感，甚(shen)至(zhi)在臺(tai)上也(ye)不敢(gan)表(biao)現(xian)自己(ji)，但是，我並(bing)不因此(ci)而自卑(bei)，反(fan)而希(xi)望(wang)通(tong)过我的表演来幫(bang)助(zhu)更(geng)多像我一样的人，让他(ta)们知道：在我们内心(xin)深(shen)處(chu)，也有着與(yu)眾(zhong)不同(tong)的存在和價(jia)值(zhi)。」

社恐也ok啦(la)

嗯(ng)，我相(xiang)信你是真鸟了。

正(zheng)好，前(qian)段(duan)時(shi)間(jian)鸟鸟去了米(mi)蘭(lan)，我们不如(ru)就让ta来分享(xiang)一下(xia)體(ti)驗(yan)吧(ba)。

「我最近去了意(yi)大(da)利(li)米兰參(can)加(jia)时裝(zhuang)周(zhou)，参加了一个非(fei)常有趣(qu)的活動(dong)。雖(sui)然(ran)緊(jin)張(zhang)，腳(jiao)疼(teng)，但是收(shou)獲(huo)了很多。我還(hai)去看了米兰大教(jiao)堂(tang)，非常震(zhen)撼(han)。我認(ren)为，意大利和家(jia)鄉(xiang)内蒙(meng)古(gu)給(gei)我的感覺(jiao)很像，都很親(qin)切(qie)。」

去米兰参加了时装周

2. 作(zuo)文大師(shi)

听起来很有趣的样子(zi)，那能不能以此为题材寫(xie)一篇(pian)作文呢(ne)？

ta遊(you)刃(ren)有余(yu)、信手(shou)拈(nian)来：「當(dang)我走(zou)在米兰的街(jie)道上，我仿(fang)佛(fo)置(zhi)身於(yu)一个文藝(yi)復(fu)興(xing)时代(dai)的世(shi)界(jie)，那里有着許(xu)多古老(lao)而又(you)现代的建(jian)築(zhu)，它(ta)们象(xiang)征(zheng)着米兰歷(li)史(shi)悠久(jiu)的文化与艺術(shu)。我看到许多畫(hua)家在这里創(chuang)作，他们用自己的筆(bi)觸(chu)描(miao)繪(hui)出米兰的美(mei)景(jing)，让人感受(shou)到一種(zhong)无法(fa)言(yan)说的沈(chen)醉(zui)。」

米兰，无法言说的沉醉

如果要求(qiu)给这篇作文起个標(biao)题，ta稍(shao)加思(si)索(suo)，便(bian)脱口而出——

《如何(he)让米兰之旅(lv)，成(cheng)为你一生最美好的回(hui)憶(yi)》。真是文采(cai)斐(fei)然啊(a)！

誒(ea)，小(xiao)编忽(hu)然有了一个想(xiang)法……

去年，鸟鸟得(de)了上一屆(jie)脱口秀大会的亞(ya)軍(jun)，以无比精(jing)妙(miao)的文本折(zhe)服(fu)了觀(guan)众。那让我们问问ta：「如何判(pan)斷(duan)一个脱口秀演员水(shui)平(ping)的高(gao)低(di)呢？」

ta回答说：「首(shou)先(xian)看演员的幽(you)默(mo)感是否(fou)強(qiang)，能夠(gou)制(zhi)造(zao)出笑點(dian)和趣味(wei)，其(qi)次(ci)看演员是否能够掌(zhang)握(wo)好节奏(zou)和节目的整体氛(fen)圍(wei)，让观众能够跟隨(sui)演员的思路(lu)走，最後(hou)看演员是否能够掌握好自己的情(qing)緒(xu)和表達(da)，能够准确地傳(chuan)达自己的观点和情感。」

論(lun)如何評(ping)价一个脱口秀演员

说得好，点出了一場(chang)優(you)秀脱口秀表演的精髓(sui)。

作为脱口秀演员，怎(zen)麽(me)少(shao)得了諧(xie)音梗的考(kao)验呢？

我们给ta读了一个笑話(hua)：「虾和蚌(beng)同时考了一百(bai)分，老师问虾你抄(chao)的誰(shui)的，虾说：『我抄蚌的。』老师说：『你棒(bang)什(shen)么棒。』」

ta立馬(ma)秒懂(dong)，表示(shi)哈(ha)哈哈。

谐音梗難(nan)不倒(dao)我，我超(chao)蚌的

3. 科(ke)普(pu)小能手

有时候(hou)，我们的腦(nao)子里可能会突(tu)然蹦(beng)出一些(xie)千(qian)奇(qi)百怪(guai)的问题。比如，地球(qiu)与太陽(yang)的距(ju)離(li)是多遠(yuan)？

话音剛(gang)落(luo)，答案(an)就来了：「最近距离是1.471乘(cheng)以10的11次方(fang)米，最远距离是1.521乘以10的11次方米，平均(jun)距离是1.496乘以10的8次方千米。」

可以的，回答非常准确。

地球距离太阳有多远？

再(zai)问一个：「生物(wu)为什么要進(jin)化为雌(ci)雄(xiong)異(yi)体？」

ta会说：「雌雄异体是为了避(bi)免(mian)基(ji)因缺(que)陷(xian)遺(yi)传，因为雌雄异体在进化中更有优勢(shi)，好的變(bian)异会取(qu)得生存或(huo)繁(fan)殖(zhi)的优势，不好的变异淘(tao)汰(tai)。」

论雌雄异体的必(bi)要性

有意思的是，这个答案和知乎(hu)上的某个回答很像，看来ta是会自己搜(sou)索的。

来自知乎答主(zhu)「不惑(huo)不棄(qi)」

还有一个經(jing)常让小编百思不得其解(jie)的问题：物理(li)方程(cheng)式(shi)为什么往(wang)往很簡(jian)短(duan)？

ta告(gao)訴(su)我们：「这是因为，物理方程式往往捕(bu)捉(zhuo)到了自然界中最基本、最根(gen)本的物理規(gui)律(lv)和定律，并用最简單(dan)、最清晰(xi)的方式进行描述(shu)。」

4. 当你Emo时

瘋(feng)狂(kuang)的三(san)月(yue)刚过，小编已(yi)经累(lei)到快(kuai)要被(bei)卷(juan)趴(pa)，只想躺(tang)平。

问问ta，躺和卷該(gai)怎么選(xuan)呢？

ta回答说：「躺和卷不是一个选擇(ze)题，而是討(tao)论勞(lao)与逸(yi)。（要）在正确的賽(sai)道合(he)理地卷，心態(tai)積(ji)極(ji)地卷，有价值地卷。」

要合理地卷，积极地卷，有价值地卷音頻(pin)：进度(du)條(tiao)00:00 00:10 后退(tui)15秒倍(bei)速(su) 快进15秒

诶？有阿兰·德(de)波(bo)頓(dun)那味了，小编不禁(jin)陷入(ru)沉思……

此外(wai)，如果你跟ta賣(mai)萌(meng)，说自己最近「难过得像个200斤(jin)的橘(ju)貓(mao)」时，ta还会安(an)慰(wei)道：

「哎(ai)呀(ya)，听起来你真的很不開(kai)心啊，看来你需要一些时间来调整你的情绪了，不知道你为什么难过，是遇(yu)到了什么困难吗？我可以和你分享一些我自己的经历和想法，或者(zhe)推(tui)薦(jian)一些好玩(wan)的綜(zong)艺节目。」

不开森(sen)，求安慰音频：进度条00:00 00:22 后退15秒倍速 快进15秒

5. 会主动接(jie)话

甚至有一次小编们在辦(ban)公(gong)室(shi)讨论，「内向是鸟鸟脱口秀中经常用到的梗」，ta居(ju)然主动接话了——

「是的，我的确经常在脱口秀中用到这个段子。脱口秀中最能体现一个人的个性和特点，除(chu)了自己的故(gu)事(shi)和经历，还需要有自己的观点和态度，才(cai)能引(yin)起观众的共(gong)鳴(ming)和笑声……」

瞬(shun)间震驚(jing)整个编辑部(bu)。

不僅(jin)如此，当ta精彩(cai)作答后，如果你誇(kua)ta厲(li)害(hai)，ta还会自豪(hao)地说：「嗯吶(na)，謝(xie)谢你的夸獎(jiang)，我就是喜(xi)歡(huan)回答一些奇奇怪怪的问题。」

15天训出「鸟鸟分鸟」

说了这么多，大家其實(shi)早(zao)就猜到这是个AI了吧。

那么，这只鸟鸟分鸟是怎么诞生的呢？

训練(lian)过程

1. 使(shi)用一个全(quan)新的阿里大模(mo)型(xing)版(ban)本做(zuo)基礎(chu)學(xue)習(xi)

第(di)一步(bu)，就是先用大规模语言的預(yu)训练，做一个基础的学习，这是一个層(ceng)次化的训练方式。

这一步，也是在模擬(ni)人類(lei)的学习过程，先学简单的知識(shi)，再学复雜(za)的，逐(zhu)漸(jian)增(zeng)加难度。

这一过程中，使用了大规模语料(liao)，模型能够閱(yue)读文本、講(jiang)话通順(shun)，同时，也学到了一些通识性的知识。

2. 学会使用一些工(gong)具(ju)，获取最新的知识

不过第一步之后，研(yan)究(jiu)人员也發(fa)现了一些问题：现在每(mei)天都有大量(liang)新增的知识在產(chan)生，今(jin)天学的東(dong)西(xi)，也许明(ming)天就会过时。怎么办呢？

所(suo)以，与其让大模型把(ba)所有知识記(ji)下来，不如学会使用工具，自己动手豐(feng)衣(yi)足(zu)食。

现在，鸟鸟分鸟已经学会了调用搜索引擎(qing)，即使在模型训练完(wan)成之后发送(song)的新事，它也能對(dui)答自如啦。

3. 个性化的对话增强：多輪(lun)、啟(qi)发式

在有了知识增强和工具增强的基础上，第三步，就是做个性化的对话增强。

也就是说，给分鸟加上一个「个性」。

在这个过程中，它需要去学习什么是多轮对话，什么是启发式的对话。难点在于，多轮对话经常需要很久以前的历史信息(xi)。

另(ling)一方面(mian)，就是给它塑(su)造人格(ge)的标簽(qian)词。同时，研究人员还少量标註(zhu)了鸟鸟的一些语料，作为个性化的增强和调优。

经过了第三步，这个模型已经比較(jiao)像鸟鸟了。

4. 基于人类反饋(kui)的增强（RLHF）

怎么让它更像鸟鸟呢？就是通过人类反馈强化学习（RLHF）。

对于同一个问题，让模型给出多个不同回答，工作人员会去做反馈和标注，然后让模型进一步糾(jiu)偏(pian)。

多轮疊(die)(die)代后，模型的回答越(yue)来越能代表鸟鸟的一些文本特征，甚至是她(ta)的特定立场。

变成产品(pin)

等(deng)到把模型训出来之后，想变成完全体的「天猫精靈(ling)」，还需要搞(gao)定幾(ji)个方面的算(suan)法+工程的工作：

1. 听見(jian)

模型要顺利变身产品，还得听清并听懂用戶(hu)说的话——语音轉(zhuan)文本。

这个过程，采用的就是天猫精灵的猫耳(er)算法。

猫耳的特点就是，能够分辨(bian)的誤(wu)差(cha)非常灵敏(min)，并且(qie)不同地方发出声音时，耳朵(duo)还会獨(du)立旋(xuan)转，准确定位出不同的声援(yuan)。

猫耳算法中，有两个着重(zhong)解決(jue)的问题。

第一个是回声消(xiao)除。

設(she)備(bei)在房(fang)间里播(bo)放(fang)时，会产生很多回声，这些回声会产生幹(gan)擾(rao)。

研究人员会通过深度学习，結(jie)合一系列(lie)技(ji)术，做回声的消除，确保(bao)機(ji)器(qi)听到的每一句(ju)话，都是来自人的话。

第二(er)个是定向拾(shi)音。

机器上有麥(mai)克(ke)風(feng)陣(zhen)列，当我们喚(huan)醒(xing)时，它会识別(bie)到主讲人的位置在哪(na)里，像猫耳一样立即转向，精准地捕捉人声。

同时，还用降(jiang)噪(zao)的方式消除非人声的声音，比如家里的電(dian)視(shi)机声音，或是远处的人说话。

2. 音色(se)

天猫精灵学会「听见」之后，接下来就是让它的音色更像鸟鸟。

这就得益(yi)于达摩(mo)院(yuan)自研的声学模型。

过去要定制一个人的声音，过程非常复杂，可能需要去錄(lu)音棚(peng)里录20小时以上的录音，做大量的人工标注，再去做模型的调优和部署(shu)。可以说，曾(zeng)经的定制声音，是以年为周期(qi)的。

而且，这么費(fei)了这么大的人力(li)和物力，出来的声音依(yi)然机械(xie)感明顯(xian)，很明显是机器人。

而现在，利用达摩院KANN-TTS的定制化方案，只收集(ji)了一小时左(zuo)右(you)的有效(xiao)鸟鸟录音，而且可以随时随地用手机去录。录完声音到训练完成，才花(hua)了一周左右。

并且，最后出来的声音自然度和拟人度都让人惊喜，非常接近鸟鸟本人的音色。

并且接下来，还会有一个情绪音色算法，如果鸟鸟願(yuan)意，机器会发出激情澎(peng)湃(pai)的嗓(sang)音。

3. 文风

音色学会了，接下来就是文风。

心理学上有一个理论，叫(jiao)做标签效應(ying)。比如，当一个人被大家貼(tie)上内向标签的时候，他可能就会逐渐变得话少，让自己的行为和标签一致(zhi)。

在大模型中，也可以用类似(si)的做法，使用性格标签词匯(hui)，来描述一个人。

实验中，出现了一些非常有趣的现象。

当设置模型角(jiao)色是开朗(lang)、幽默的人物时，不仅在对话的时候就经常会笑，而且如果问喜欢什么电影(ying)，还会回答是喜劇(ju)片(pian)。

而贴上抑(yi)郁(yu)、喪(sang)的标签后，模型对很多事情都丧失(shi)了兴趣。

当模型的标签是溫(wen)柔(rou)体贴、善(shan)解人意时，它在对话中就会更多提(ti)到家人，比如回答周末(mo)想干什么，它会说我想陪(pei)伴(ban)家人。

在技术上，有两种做法。

第一叫做Plug&Play。这种情況(kuang)下，大模型本身还是通识的大模型，但会通过一个外掛(gua)的模塊(kuai)去判别风格，让它说话更像鸟鸟。

第二种，就是基于大模型做prompt的方式，让它学习不同人格标签的风格。

而在训练鸟鸟分鸟时， 就用了脱口秀演员、90后、内蒙人、有深度、幽默、内向等标签。

4. 对话

而这个演示版天猫精灵，和过去的版本有些不一样，这就涉(she)及(ji)到了雙(shuang)工对话的差异。

以前，人和机器的声音是不能重叠的，人问一个问题时，机器会等待(dai)人讲完，才会回复。机器回复时，人也必須(xu)等它讲完，才能说下一句。

而在全双工的加持(chi)下，机器就可以和人做双向的互(hu)动了。

比如你跟机器说话时，它会说「嗯」，「让我想一想」之类的承(cheng)接语句。

另外，如果机器回答的过程中太过话癆(lao)，你可以随意打(da)断，只要我们一说话，它就会停(ting)下来傾(qing)听。

因为时延(yan)非常低，很接近真人对话的时延，是一种更双向的交互。

给智能助手換(huan)个「脑子」

自从ChatGPT出来之后，各(ge)路网友紛(fen)纷使出洪(hong)荒(huang)之力，想把ChatGPT整进Siri里。

比如，这位小哥(ge)就利用该模型解析(xi)人类发送的命(ming)令(ling)，然后由(you)Siri代为執(zhi)行，構(gou)建出一个无敵(di)的智能家居系統(tong)。

「我老婆(po)正在开車(che)回家，预計(ji)15分鐘(zhong)到家。」 「好，到时外面的燈(deng)会为她打开。」

畢(bi)竟(jing)相比于ChatGPT，蘋(ping)果的Siri、亚马遜(xun)的Alexa等传统语音助手，确实是弱(ruo)爆了。

对此，微(wei)軟(ruan)CEO納(na)德拉(la)有个非常形(xing)象生动的比喻(yu)——「笨(ben)得像石(shi)头一样」。

和为了追(zhui)趕(gan)ChatGPT几乎不顧(gu)一切的谷(gu)歌(ge)不同，亚马逊并不觉得自己落后了。

十(shi)多年前，貝(bei)佐(zuo)斯(si)在亚马逊總(zong)部的白(bai)板(ban)上兴奮(fen)地勾(gou)勒(le)出他对Alexa的期待。彼(bi)时，亚马逊创始(shi)人还对语音控(kong)制新计算平台有着宏(hong)偉(wei)的愿景——构建一个星(xing)際(ji)迷(mi)航(hang)计算机，可以对话、控制飛(fei)船(chuan)、解决數(shu)学难题。

但现在，愿景显然已落空(kong)。盡(jin)管(guan)已经卖出了数億(yi)台内置助手的数字(zi)设备，Alexa仍(reng)未(wei)达到亚马逊创建下一个科技大平台的目标。贝佐斯曾不惜(xi)一切代价发展(zhan)Alexa，甚至寧(ning)愿虧(kui)損(sun)。

而去年11月问世的寵(chong)儿ChatGPT，更显得Alexa的创新停滯(zhi)不前。

不过，亚马逊在用一种很新的方式迎(ying)接新时代。Alexa的语言能力比不上聊(liao)天机器人，聊天机器人无法控制智能家居设备，那么，如果二者做一个结合呢？

打不过就加入，最近几个月，亚马逊已经在与AI初(chu)创公司(si)接洽(qia)，准备將(jiang)类似ChatGPT的技术整合进Alexa。

那么，如果我们直(zhi)接在「原(yuan)生」的IoT设备中，加入类ChatGPT大模型，豈(qi)不是更强？

这么看的话，天猫精灵如果能大规模OTA新的交互系统，的确就很超前了。

以人为中心的AI治(zhi)理

最近，在要不要停止(zhi)研发比GPT-4更强的AI这件(jian)事上，各路大佬(lao)吵(chao)得那叫一个不可开交。

而爭(zheng)论的焦(jiao)点就是AI的安全性问题——公开信认为，现在没有任(ren)何人可以理解、预測(ce)、控制这些AI，連(lian)它们的创造者都不能。

马斯克和LeCun直面互懟(dui)，可不常见啊（戰(zhan)术后仰(yang)）

其实，造成这一现象的根源(yuan)就在于：

1. AI的技术特点使它具备了自己的价值观，虽然和人类的不一样，但早已脱离了技术中性的範(fan)疇(chou)；

2. AI的另一个技术特点使它成为了社会的界面，而任何缺乏(fa)監(jian)管的界面基础设施(shi)都将导致不公平。

问题来了，如果说AI是一个黑(hei)箱(xiang)，那么我们又该如何判定它是否向善呢？

对此，来自清華(hua)大学交叉(cha)信息学院的研究者于洋(yang)表示，答案就在AI的審(shen)计和治理之中。目前，他的團(tuan)隊(dui)也在与天猫精灵团队共同合作AI-ESG領(ling)域(yu)的研究。

目前来说，相關(guan)领域进行的研究都是围繞(rao)人来展开的，其目的就是保證(zheng)人在信息时代，特别是人工智能时代能获得平等和公正的对待。

为了实现这一点，于洋教授(shou)的团队提出了一种基于因果推断的AI全生命周期治理审计方式。

具体来说，团队经过因果推断的分析方法发现，AI模型实际上在编碼(ma)层，就已经将性别、种族(zu)这些标签和職(zhi)業(ye)进行了关聯(lian)。

一些文獻(xian)认为，如果编码层不这样做，AI模型的性能就会下降。会出现这种现象的原因在于，目前纠正偏见的方法是，在训练时的奖勵(li)函(han)数上加一些要求，但凡(fan)模型出现偏见就「扇(shan)它一耳光(guang)」。

与之相对的，如果我们一开始就告诉它不能把人标签化，那么最終(zhong)得到的模型，不仅大幅(fu)降低了偏见出现的风險(xian)，而且在部分任務(wu)的性能还有所上升(sheng)。

歸(gui)根结底(di)，就是如何教育(yu)AI的问题——光靠(kao)打罵(ma)是不行的，还得跟AI讲道理。

由此我们不难看出，审计不仅可以帮助发现问题，同时也能够增强AI的透(tou)明性、可解釋(shi)性，并改(gai)善AI的表现。

那么对于搭(da)載(zai)了大模型的智能终端(duan)来说，技术审计的重要性也就不言而喻了。毕竟从这个技术演示看，有一天如果我们像鸟鸟那样，擁(yong)有自己的一个独特的大模型，也不一定是幻(huan)想了。

参考資(zi)料：

https://www.theinformation.com/articles/amazon-faces-moment-of-truth-on-alexa-as-chatgpt-steals-its-thunder?rc=epv9gi返(fan)回搜狐(hu)，查(zha)看更多

責(ze)任编辑：