在八十年代初，人工智能的先驅馬爾文斯基曾經談論過人工智能的前景。馬爾文斯基預測，在以后的世界里，機器會具有和人腦相同的思考能力，他們可以獨自進行和人類的行為相同的活動，比如閱讀，比如汽車駕駛，或者聊天。

　　如果在當年看來，這些構想真的很遙遠。而在今天，這些遙不可及的設想也在逐漸實現(xiàn)了，現(xiàn)在的智能產品能夠聽懂我們的指令并做出相應的行動，除了能分辨我們的聲音，機器人還能夠通過人臉識別幫助我們尋找目標人物。人工智能的技術讓機器人行業(yè)掀起了新一輪變革。

　　智能產品不斷涌入大家的視野，智能機器人開始在工業(yè)等眾多行業(yè)投入使用，人工智能的發(fā)展直接影響了眾多行業(yè)，就在11月7日上的世界互聯(lián)網(wǎng)大會，搜狗推出了AI合成主播產品，至此，人工智能的影響行業(yè)又再增添一項。

　　“AI合成主播”是什么

　　所謂“AI合成主播”，顧名思義，是用人工智能技術合成的新聞主播。“他”不僅能用和真人一樣的聲音進行播報，甚至，連唇形、面部表情、肢體語言也能夠與真人主播吻合，達到真假難辨的效果。“AI合成主播”的價值在于，可以大幅壓縮新聞播報視頻的后期制作成本，新華社副社長劉思揚表示：“從今天開始，新華社AI虛擬主播就將正式上崗，成為新華社報道隊伍中新的一員。”

　　“AI合成主播”的技術原理

　　搜狗語音交互技術中心總經理王硯峰透露，只需要由真人主播面對鏡頭錄制一段播報新聞視頻，“搜狗分身”技術憑借這段視頻，就能將真人主播的聲音、唇形、表情動作等特征進行提取，然后再通過語音合成、唇形合成、表情合成以及深度學習等技術，克隆出具備和真人主播一樣播報能力的“AI合成主播”。

　　王硯峰提到的“搜狗分身”技術，是搜狗公司的前沿技術之一，它包含語音合成和圖像生成兩大引擎。

　　(1)語音合成技術：

　　AI主播首先要實現(xiàn)的功能是在計算機有文本輸入時，能夠以主播的音質發(fā)出聲音。這項技術其實也是語音識別的過程，分為以下步驟：

　　語音合成技術首先對主播的聲音進行提取，再通過不斷的訓練學習，提取該主播聲音中的特征信息，進而建立和主播語音相同的多維度語言語音模型，最終實現(xiàn)在輸入文本時，能夠輸出該主播語音的功能。

　　(2)圖像生成技術：

　　除了語音的學習訓練，AI合成主播還需要學習主播的表情。和語言識別的性質相同，圖像生成也要通過不斷的訓練學習構建模型來獲得。現(xiàn)階段可以采用人臉識別、三維人臉重建、表情建模技術對人臉進行分析，建立人臉的多維度數(shù)據(jù)模型。最終在輸入文本，視覺信息和音頻之間構建聯(lián)系。

　　基于這兩種技術，搜狗的AI分身能夠實現(xiàn)和人類主播一樣，為輸出的文本中添加相應的音色和語調，豐富AI合成主播的形象，提高觀眾對AI合成主播的接受度，同時，AI合成主播能夠識別中英文兩種語言，擴大了AI合成主播的使用場景。

　　人工智能發(fā)展還在繼續(xù)

　　目前，機器人已經開始在工業(yè)領域大批量使用，并能夠完成人做不了的事情，不過機器人超越人類只是表現(xiàn)在較少的領域，例如制造業(yè)、服務業(yè)等，如果通用型機器人能夠全面超越人類，那么將是一個很大的震驚。

　　人工智能從多個方面賦予機器人全新的能力，在感知檢測方面，通過視覺、力覺、聽覺等多種傳感器，使機器人獲得了像人類眼耳鼻舌，以及聲音在內等的感知系統(tǒng)，機器人可以聽懂人類的語言，可以識別人臉，這些功能的開發(fā)進一步擴展了機器人的應用場景。

　　現(xiàn)在智能機器人已經被開發(fā)出很多新的功能，例如陪伴老人、下棋、教育小孩子、清掃地面、安防監(jiān)控等等，機器視覺、語音識別以及更多的感知功能的運用，讓機器人和人的交互增加，提升了用戶使用智能產品的用戶體驗。

　　“AI合成主播”的應用是“搜狗分身”的先創(chuàng)案例，它的技術使用不止于此。在之后，搜狗可以依靠這項技術復制各種用戶需要的人類形象，例如合成教師、合成客服等，而這些產品的出現(xiàn)，意味著人工智能產品影響的行業(yè)范圍也會增加。

　　AI機器人蘊含著巨大的潛力，現(xiàn)階段人們已經推出了各種專業(yè)領域的機器人，從工業(yè)機器人到教育機器人、養(yǎng)老機器人、搶險機器人、醫(yī)療機器人等等，這些細分領域市場雖然遠未有爆發(fā)，但未來的前景是不可估量的。