Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

前谷歌员工解锁智能音箱新玩法:客房里的注意力商人

从语音入口到SaaS平台,完成服务闭环,并将商机引入相对封闭的高频流动空间。这一市场定位离不开一个基本认知:语音的本质不是控制,而是带来服务,酒店天生自带服务。

采访、撰文 | 微胖

先来回答一个问题。

酒店客房所有摆设中,与现代信息化社会最不协调的是哪一样?

电视?空调?冰箱?...... 恐怕都不对。答案是床头柜上那部在现代家庭中几乎绝迹的电话座机。

无论是叫早、问询 wifi 还是客房服务,这部低效的老古董就是你与酒店的唯一纽带。很多时候,你的电话虽打出去了,但是服务落实如何,除了现场投诉,那些 OTA、旅行 app 上的点评,在酒店看来,不过是「事后诸葛」。

更吊诡的是,当住客想对酒店周边了解更多、打开本地服务 app 时,他很可能对所在酒店的各种营销,比如活动、打折甚至节日礼品,一无所知。

能不能设计一款几乎没有使用门槛并将这些问题一网打尽的产品?这正是成立还不到一年的犀动科技(Aiello)尝试的事情。

在去年的上海世界人工智能大会上,我们第一次见到 CEO 沈书纬。当时,他已经在谷歌工作四年,年底离开谷歌后,与来自高通、联发科、HTC 的团队成员在上海创立了犀动科技(Aiello),推出一款智能音箱——小犀管家。

无论是软件算法、硬件设计还是后台系统,这都是一台专门针对酒店客房场景的智能音箱。除了技术与硬件设计上的优化,软硬一体背后的 SaaS 系统以及本地生活服务的集成,构成小犀管家与这个领域巨头玩家产品的主要区别:

一方面,他们希望通过满意度和客户画像,打造服务闭环,帮助酒店更有效地提升服务;另一方面,也让更多商机触达到封闭空间里的手机用户。

小犀管家荣获 CES ASIA 2019 年创新奖

目前酒店经营者所面临的挑战大同小异:与 OTA 博弈,不断优化其他获客渠道,增加营收。由于酒店收入属于线性增加,即便再多增加 1 万间房,房间平均单价不会有影响,因此,设法降低获客成本就显得很重要。

「酒店首先要给抽成,如果是通过 OTA 平台,这个抽成会更高。直客与否,房费至少差了 15 到 20 个点。」一位业内资深人士告诉我们。

如果能让入住客人在离开酒店时的满意度为中上,回头客的几率就会提高,特别是商务性质的住客,因此,利用智能技术帮助酒店获取有价值的直客(和回头客),成为犀动科技试图有所突破的地方。鉴于目前大多数酒店信息化程度并不理想,后台软件之间的打通与协同仍存在一些壁垒,这也为第三方服务的存在提供了相当空间。


另一方面,在一个非常狭小的空间投放广告的概念也是一个很好的卖点。许多公司都在寻找新的渠道来更有效地获得目标消费群体的注意力。挤电梯,你可以接受两分钟的广告时间,在客房,你待的时间远不止两分钟。

这也是为什么亚马逊会在 2018 年推出 Alexa for Hospitality 服务,并携手万豪酒店。除了利用 Alexa 控制酒店内的智能设备,未来还会支持用户连接个人亚马逊账户,播放用户收藏的音乐,听取有声读物,制造更多购买欲望。这一逻辑,很可能同样适合于阿里借用天猫精灵改变酒店。

分众传媒将液晶屏幕铺到众多城市的办公楼和电影院,这台带屏的小音箱悄然进驻到另一个类似电梯的封闭空间。如果说分众传媒是办公楼里的广告,那么犀动小管家就是酒店客房中的分众传媒。

谷歌基因(比如产品思维和广告意识)让沈书纬捕捉到这些细分之处,在他看来,它们也是未来新创团队的想象力与机会所在。目前,公司已与上海数家酒店就产品、服务方案达成合作落地,包括头部酒店。今年计划再铺2000到3000间客房。

实体图片

不过,对于聚焦客房服务的玩家来说,隐私和数据安全仍然是回避不了的话题,事实上也是一些酒店对新技术依旧持保留态度的最主要原因。

对于酒店来说,他们并不愿意与他人(哪怕是 OTA)分享自己的后台数据。如何确保房间住客的隐私也比较棘手,住客难免会质疑自己留下的数据怎么处理?

然而,在「互联网+」席卷所有行业的产业互联网下半场,这似乎不再是一个是与否的选择题,而是一个如何去合理设计甚至博弈的操作题。

据说亚马逊为此提出了一系列措施。比如,从设备收集的数据是匿名的,不会与酒店共享;当客人更换房间或结账时,客人在 Alexa 上面的的账户将从设备中删除。

以下是机器之心的采访实录,我们做了不更改原意的编辑。

犀动科技 CEO 沈书纬(Vic Shen)

机器之心:我们上次见面是在上海的世界人工智能大会上,当时你还在谷歌,能介绍一下从业经历吗?

大约四年前,我加入谷歌(在湾区)。当时,大家刚开始讨论智能家居,人们认为路由器、机顶盒可能会是未来家庭中控,当时语音系统还没有出来。谷歌选择从 Google Wi-Fi 路由器切入,我加入时,谷歌正在做这个。一年后,我从产品设计开始做产品生态推广,然后也开始研究语音系统,大概半年后,我们正式做 Google home。后来,公司让我组建了一个团队,将 Google Assistant 这个软件单独从 Google home 里面拿出来给第三方做产品集成,到最后上市。过去四年,我一直就在做这些事情。

机器之心:满分是一百的话,你给现在的语音技术打多少分?

就目前市场上语音系统整体而言,我给 60-70 分,属于堪用的程度。

所谓 AI,其实就是将人拆分为好几块并将之数位化,做具体分析,比如,影像、语音和语义的数位化。其中,影像数位化发展得比较早,从场景开始做,比如人脸识别开始,慢慢做到姿态识别,最后从大场景里识别人。语音数位化发展得也比较早,从声音变成文字,如今,这一块儿的识别度也比较高。

但是,语义这一块发展得比较晚,从以前的基于规则 (rule-base) 做到现在的语义理解,相对于语音和影像来说,还是比较落后。音箱是一个整体系统,要将不同部分的数位化水平(比如语音、影像)加在一起,才能得到一个完整的评分。我这里讲的 60 到 70 分,是从这个意义上讲的。

另外,打分最难的地方是,你要从使用者的角度来看这个事情,要从是否满足了用户对产品期待的角度来评判。比如,对于音箱的期待止于放音乐的用户来说,智能音箱甚至可以打到 90 分。但是,如果他觉得这个语音系统应用能够回复他所有提问,这套系统可能只有 60 到 70 分。

机器之心:你怎么看未来几年这个技术的发展?

提升的可能性很大,不然,我也不会从事这个行业。现在整个音箱做起来最大的问题之一是语义了解比较困难,你怎么样去了解这个人的意图。

大家在冲智能音箱第一波的时候,包含 Google,会先从这个普世场景去做这个事情,把东西摆在消费者的家里,我不一定知道他会问什么,我只能去猜测,但是这种方式比较慢,也会比较辛苦。

这就像微分积分和微积分的概念。微分就是你要对一个函数的一个点去做一个微分,哪里有点就去切哪里,哪里有问题就去补哪里。我之所以认为还有成长空间,是因为不止我们公司,业界还有很多类似方向的公司都意识到,现在的语义进步还是要从专业垂直场景一块一块地去做,最后把他叠加起来变成一个积分的概念。

在一些垂直场景里面,相较于过去的方式,语义学习速度会快很多。你先把一件事,一个刚需做好,让大家用得起来,用得起来你就越用越活跃,产品就越来越聪明,这是第一件事情。第二件事情,当大家用起来,使用习惯产生的时候,这个界面被用的次数就会更多。

如果在垂直场景里面,能把具体的几件事情先干好,然后把这个垂直场景做好,系统迭代的速度会快很多。

机器之心:我们之前也采访过从做智能音箱转而做 B 端场景的 AI 工程师,他们选择了做法律服务,你们为什么会选择酒店住宿这个领域?

我也经历了一个从失焦到聚焦的思考过程。刚开始在 Google 做语音的时候(亚马逊的还没有出来,但是快了),我在跟很多人聊智能音箱,他们说你傻了吗,这个东西谁会用啊,我们为什么不用手机。

现在,你再跟他推智能音箱,大家基本上不会太排斥。虽然有时候你会听到朋友吐槽说,除了放歌和问天气,智能音箱没啥用,但是,这里透露出关于语音的两个问题。

首先,这表明如果语音本身没有办法带来服务的话,它的价值不大。你在家里用语音操控关灯、或者放音乐,虽然有用,但谈不上什么效率。我一直认为,语音要带来的是服务,而不是控制。

比如说,我要烤鸡,微波炉可以自己上云端把烤鸡的食谱,升温曲线,降温曲线,冷却多久都帮我带过来,这就是服务,也是用户真正想要的。

我一直强调语音带来服务。然而,这在一般的住宅(residential house)里面很难实现。原因很简单,我说小犀管家帮我送两瓶水,没有人会帮我拿两瓶水。所以,我在考虑场景时,第一个想到的是,如果你想让语音比较快地跑起来的话,这个系统一定是能够带来服务。

我们开始找所谓的 2B 场景,也不外乎几块。第一个就是客服服务,或者是像刚才讲的法律相关服务,或者是线上接电话的服务。但是,我们希望从事的业务不仅能够带来算法的积累,还可以实现资料的累积,也就是说,能与 2C 有交互。

我们观察到这几年,旅宿行业成长得非常快,我们相信它也会继续成长,不管 GDP 成长多慢。而且,旅宿行业是一个显性消费,你今天去哪里玩你会发朋友圈,但是,没人会在朋友圈秀买到的 wifi 路由器。而且,酒店本身也是一个人流聚集点,我今天将小犀管家放在一个房间里面,这个房间一个礼拜内被卖给三位不同顾客,一年可以得到快一百多个不同住客。

就像我们常讲说的,hotel is your second home,我们认为,这个产业基本上还比较有想象空间,而且可能是一个新的赛道。

机器之心:除了酒店,你们也提到了民宿这一块儿,这个场景有什么特点?

民宿,我们没有太多的打磨。不过,我们倒是对长租公寓有一些琢磨,它就像是一个长期酒店,本身有物业,有自带服务,所以我们会先去发展长租公寓。

机器之心:你们做了带屏的智能音箱,百度和 Amazon 也出了带显示屏的智能音箱,这是一个趋势吗?

我个人觉得,带屏的智能音箱会越来越多,这是一个主流趋势。

首先,带屏赋予设备更多服务的可延展性。带屏并不是说要你去给它一个触摸,而是说,没有屏幕会限制产品上的服务推广。比如,交通情况如何,有了屏幕,一目了然,如果仅有语音,操作的复杂度明显高得多。

第二,很多人也在问我们,这个产品设计跟小度差别在哪里。其实,我个人认为,这种 side by side 比较,比如,你有屏我有屏、你 4 个麦我也 4 个麦,没有太大意义,每个产品都有自己服务的场景和要解决的问题。这就像以前别人问我,Google Assistant 跟 Amazon Alexa,谁做的比较好,我说,这个东西很难 side by side 比较,因为他们做这个产品的出发点不一样:谷歌是为了占据搜索的语音入口,Amazon 是为了卖出更多的东西。

产品设计出来,是被它使用的方式或者使用意图来定义的,我们这个就是要放到酒店用的。摆在展厅时,观众一看也能猜到它要用到酒店,而不是摆在家里。

我们在设计过程中,很尊重行业的需求。比如,在设计时,我们就考虑到客人入住酒店后,至少在这个晚上会将房间当作自己的私人空间,追求舒适。另外,每个人看法也不一样,有的酒店觉得语音是未来的刚需,觉得语音是加分项,有的酒店觉得语音是可有可无,就像有些人买智能手机是因为他买不到功能机,才买智能手机。

所以,我们的设计思想是,这是一个智能音箱,你也可以当成一个很好的蓝牙喇叭来用,或者闹钟,甚至当控制面板来用,加分项是它也是一个语音入口。

首先要保证先被激活,再存活。如果你的产品做得太突兀,就和环境不搭,很容易被拔掉,收到仓库。

当时在产品设计的概念时候,我们走的中性路线,包括我们自己的 UI 图层的颜色,都是在网上搜了将近 2000 间比较漂亮的房间,把它们的图层颜色抓出来之后,再去做一个模型分析,去找出落在最中间的这些颜色,放在房间里面不会有违和感。

机器之心:小犀管家做了哪些技术和体验上的优化?

ASR 方面,我们采用了目前最先进的深度神经网络所训练的模型,可以提供多语言识别能力;在 NLP 方面,我们支持的多语义识别,采用了堆栈式双向长短期记忆神经网络以及编/译码器的组合,并根据实际场景下的应用模式引入注意力机制,可以达到在一句话中分析用户多个意图的可能性。在小犀管家的解决方案中,还支持多轮对话、双语并发,这也是我们自主开发的。

分析用户多意图可能性

机器之心:你们将智能音箱做成一个服务入口,然后希望能够做到酒店内部服务包括外部服务的集成,具体包括哪些内容?

我们做的是一个独立的酒店服务管理系统。举个例子,现在旅宿舍行业满意度,大部分都通过 OTA 进来,可是入住之后你的满意度如何,没有人知道,当然 check out 之后人家会发邮件询问,可是大部分人不一定会回复。所以,我们希望把几块做起来。

首先,客房服务流程效率如何?譬如,打个电话去总机,你说要送两瓶水,然后总机再打电话给楼层管理,楼层管理再打给打扫,把水送来,这没有办法做一个闭环,因为没有人知道到底水送到了,或者就算送到了,它花了五分钟还是一个小时,就算花了五分钟,入住客满不满意?我们希望把这个流程做起来。

第二件事情,虽然酒店知道打扫阿姨不够,可是,打扫阿姨效率到底怎么样,到底是再请两个打扫阿姨就够了,还是现有效率还有提升余地,现在的酒店没有这套系统,我们也想把它做起来。

第三,当水送来的时候,我怎么知道他对这些服务满意不满意?一个人住 hotel 80% 的时间在房间里面,所有的需求都是从房间里面来的,我们也希望在房间里面去帮他做一个客户满意度调查。

所以,我们的 SaaS 平台覆盖了这几块,第一块,整个效率管理,第二块就是用户画像和用户满意度。假设今天用户的满意是高的,我们就帮他们确认给这些 OTA 平台,让他们做下一次订房的参考,星等的评比。假设他今天是不满意的,我们就马上通知楼层,不要让入住客带着不满离开。

机器之心:这个闭环最后是让用户来做出反馈吗?

对,每做完一个客房服务的时候,我们会在屏幕上面显示出一个东西,让他来选,给星。这和携程这样的 OTA 的角度也不同。后者基本上是在你最后 checkout 的时候,才来问你。他是以一个 OTA 平台的角度在看这件事情,因为他想要知道这个酒店好不好。

但是,我们是站在酒店方来想这个事情,每送一次水,我就问你;或者,你问我 wifi 密码,我可以问你对 wifi 速度满不满意。我们将问题留给酒店去改进,而不是让入住客不开心地离开。

不过,我们不会用语音的方式去问,因为这会很打扰,而是做一个显示出来,他可以选择回复或选择不回复。其实,我们现在设计指导思想就是,绝对不主动播报任何语音,但可能会主动在屏幕上面推送一些东西。

机器之心:也接入到房间里的智能硬件?

我们都接了。其实反倒比智能家居好接,我们是跟他选定的客控系统直接接,所以不用担心今天用谁的灯泡,明天用谁的空调,后天用谁的,因为我们是整套接好进去的。

机器之心:在酒店大堂看见机器人现在已经不是新鲜的事情了,但大堂和房间还是不一样,仍然是非常私密的空间,现在网上也看到一些酒店房间隐私被偷窥的事情,将带屏语音系统引入这样一个相对私密空间,酒店接受程度如何?

这是很好的问题。举个例子,现在登录网页时,如果系统帮你储存 ID 跟密码,下次登陆就不用再登录了,你怎么选择?我相信大多数会选择同意。为什么?因为它很方便。

我们很关注用户的自主权利,也将这个权利完全交给用户,是一个用户主动启动的系统,让用户决定想要什么,不想要什么,同时也做了很多的防护措施。比如,我们会告诉你这是个语音音箱,只有在你叫唤醒词的时候,才会醒来听你讲话。第二,如果你不喜欢的话,你可以把麦克风静音,我们就完全听不到你在说什么,当然也还有其他相关的安全措施。

机器之心:除了隐私问题,在市场推广中还遇到了哪些阻力?

还有一种比较常听到的声音,他们觉得手机 APP 小程序都能做了,为什么要用到音箱上面。坦白讲,这东西没有一个所谓正确或标准答案。很多人都说,手机能做平板的事,平板刚出来的时候说平板能做笔电的事,所以平板会取代掉笔电。很多人说,手机出来的时候会取代掉小平板,可是到今天没有谁取代谁。

虽然这东西能做所有的事情,可是,是不是一个对的东西来做所有的事情?我觉得这是一个很吊诡的问题。手机也可以去做笔电做的事情,可是很多人还是不会用手机去做笔电,因为这东西的物理尺寸不对。

我自己也是这么看语音音箱,APP 可以做所有的事情。就像是十年前物联网刚起来的时候,智能灯泡、智能插座,它都是用手机 APP 控制。可是,五年前基本上要喊停了,使用量不好,为什么?因为不好用。直到语音系统出来之后,大家觉得好像这个东西又更方便了,真的有解决这个问题。

手机 APP 肯定可以解决这件事情,可是,手机 APP 未必对每个人来说都是最自然的交互方式,语音会不会是下一个时代的人机交互界面,是一个可继续加以观察的现象。

机器之心:亚马逊的智能音箱进入了万豪酒店,北美这方面的情况如何?

北美也有这样的案例。可是,我觉得北美旅宿业,跟亚洲不太一样。亚洲商务旅馆多,人口聚集高,对酒店的智能化,还有科技,网络速度要求很高。可是在北美,尤其在欧洲很多酒店,还是没有网络的。因为它的诉求就是你来这边放假,为什么需要网络?这个其实也是欧洲人的习惯。

另外,北美跟欧洲,自助(self-service)概念很强。譬如说你现在在亚洲,你可能会很习惯说叫他送两瓶水来,他就送两瓶水了。可是你在北美的话,你通常不会有这个需求,会自己下楼去拿。所以我觉得大家整个消费习惯,造成酒店整个发展的方向路径其实不太一样。

虽然没有也有酒店引入了智能音箱,不过可能并不是一个刚需。我倒是觉得,旅宿业包括共享经济,其实是东方在影响西方,不是西方影响东方,这边人群聚集,本身生态系是跑得比较快。

机器之心:酒店分为不同类型,目前他们的信息化程度怎么样?

酒店的信息化对酒店其实会有很大的帮助,但是在酒店集团和单体酒店之间还是有比较大的差异,在信息和智能化这一块儿,我们还是看到相当的空间可以存在专业服务的厂商的。

机器之心:就目前接触过的酒店来说,对购买这样的第三方服务,接受度如何?

基本上还算高。现在酒店毛利越来越压缩,对酒店来讲,优化这个过程其实很重要。所谓优化,无非就是开源节流。节流,就是你想办法把运行成本降低,开源除了增加入住率和 RevPAR 之外,另外一个角度就是找到你的直客,如果能够拿回直客和回头客增加收入,提升服务效率,就能看到实际效益。如果有一套系统有办法让入驻的人离开酒店时,满意度中上,做回头客的几率就会比较高。

机器之心:2018 年以来百度、阿里、亚马逊等大公司都开始寻求智能语音在酒店场景落地,纷纷与高端酒店合作,新创公司的优势是什么?

这个还好,因为这个市场首先需要大家一起要先把蛋糕做大,做起来之后再来做好。我们是一支很专注做酒店场景的团队,我们有自己的工程团队,工程团队占了全公司的 80% 以上,我们工程团队其实做出来产品会比较细致,产品的整体性能(overall performance),还有可靠性(reliability)是有一定的优势。另外,就是我刚刚讲的就是说,我们希望更贴近自然语义了解的方式去做这个产品,我们可以做到多意图识别,我们将这个场景给了酒店。

机器之心:在集成外部服务时,会涉及诸如 OTA 提供的景区门票、周边游之类的服务,还包括诸如美团提供的本地生活服务,你们在做这些服务集成时,侧重点会有什么不一样?

首先,像携程这样 OTA 提供的服务,我们至少在现在是不做的,也没有能力去做这个事情,也不是我们的基因。我们的关注点是在客房服务,以及酒店里的服务,比如各种营销、特色服务等,这点比较单纯。

其次,随着酒店与旅游业的结合更加紧密,我们还整合周边的 OTA 资源,包括旅游推荐、景点门票、餐厅预定等衍生服务,成为商户服务的出口。不过,和美团、饿了么不一样,他们服务的是移动端用户,而用户有可能出现在任何一个城市,所以,他们的服务需要覆盖全国,而且覆盖率越高越好。我们主要针对酒店里面的产品,仅仅覆盖酒店生活圈三公里以内商户服务,酒店本身的群集效应是够高的。我们是要做一个入口,然后希望把更多的服务带到酒店里面。

机器之心:以后会进一步的去对接酒店后台其他的系统,比如 PMS、财务软件等等?

这个是有可能的,比如说把 PMS 接起来。这个不用太急。我们自己的系统基本上是开放,至少到目前为止,不会去跟什么客控说要收费或怎么样收费,我们先开放达成一个完整平台,把好的用户体验落地,让大家觉得整个酒店,除了住宿以外,还可以变成一个 shopping mall、都市交易厅,这才是大家需要留意的发展方向。



机器之心:做这种垂直行业 SaaS 有一个很难的地方,就是要对内部流程非常熟悉,这样才能找到痛点,犀动科技创始团队有没有相关从业背景?

我们的工程师的头儿是做企业软件出身,以前也是做 SaaS 平台,这也是我们在 cloud 端本身比较有经验的地方。不过,我们没有真正做酒店行业的,所以从去年 10 月成立到现在,我们花了很多时间和许多酒店交流,他们也很开放地和我们沟通系统该怎么样,也很定期地(比如每个月)去 review 我们的系统,看他们用不用得起来,还存在什么问题,流程优化还有什么问题等等。

机器之心:销售模式是你们自己去卖,还是说会找渠道?

模式比较弹性,主要有两种方式,或者直接跟酒店谈,或者通过客控厂商。

机器之心:当酒店有了经营数据,比如说今天有多少营收,多少房租,房间的出租率多少等等,入住的客人来源怎么样,AI 就有更多用武之地,你们这方面的考量是什么?

有的。我们会帮酒店主去做具体分析,比如效率问题出在哪里,我们甚至可以告诉酒店住客可能喜欢什么样的生活模式等等。这些数据,我们都会 share 给酒店主。当然,如果酒店有更多的信息资料希望借助我们 AI 平台的分析能力,无论是收费或顾问还是其他方式,我们会斟酌帮他们做一些更深度的分析。

另外一方面就是我们刚才聊的,在平台上对接一些服务。譬如,如果你希望通过我们这个平台去买一些小礼品送给家人的话,通过我们平台订购,我们会跟酒店分成。

机器之心:最近,OTA 也开始和机器人公司合作,在酒店引入服务型机器人了。

对我们来说,机器人是加分项目。如果今天整个系统可以实现机器人送物的话,系统就更完整,闭环也更漂亮。

机器之心:资本对这块关注度如何?

我个人觉得,还处在一个摸索跟观望阶段。不是观望这个东西用不用得起来,而是酒店对这个东西接受度会有多快。过去几年,除了 OTA 平台,酒店服务智能化仍然是一块未有挖掘的市场。

机器之心:公司融资情况是怎么样的?

种子轮结束,现在正在融 Pre-A。

机器之心:打算怎么收费?

现在有两种模式,租赁和买断。有的酒店是新建的,它可以直接买。有的酒店想用租的,租就没有成本的压力,主要还是看酒店的意愿。

产业智能音箱智慧酒店
3
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
Qualcomm机构

高通公司(英语:Qualcomm,NASDAQ:QCOM)是一个位于美国加州圣地亚哥的无线电通信技术研发公司,由加州大学圣地亚哥分校教授厄文·马克·雅克布和安德鲁·维特比创建,于1985年成立。两人此前曾共同创建Linkabit。 高通公司是全球3G、4G与5G技术研发的领先企业,目前已经向全球多家制造商提供技术使用授权,涉及了世界上所有电信设备和消费电子设备的品牌。根据iSuppli的统计数据,高通在2007年度一季度首次一举成为全球最大的无线半导体供应商,并在此后继续保持这一领导地位。其骁龙移动智能处理器是业界领先的全合一、全系列移动处理器,具有高性能、低功耗、逼真的多媒体和全面的连接性。目前公司的产品和业务正在变革医疗、汽车、物联网、智能家居、智慧城市等多个领域。

http://www.qualcomm.com/
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

注意力机制技术

我们可以粗略地把神经注意机制类比成一个可以专注于输入内容的某一子集(或特征)的神经网络. 注意力机制最早是由 DeepMind 为图像分类提出的,这让「神经网络在执行预测任务时可以更多关注输入中的相关部分,更少关注不相关的部分」。当解码器生成一个用于构成目标句子的词时,源句子中仅有少部分是相关的;因此,可以应用一个基于内容的注意力机制来根据源句子动态地生成一个(加权的)语境向量(context vector), 然后网络会根据这个语境向量而不是某个固定长度的向量来预测词。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

语言识别技术

在自然语言处理中,语言识别或语言猜测是确定给定内容所使用的自然语言的问题。针对该问题的计算方法被视为文本分类的特例,并用各种统计方法解决。

微积分技术

微积分(Calculus)是高等数学中研究函数的微分(Differentiation)、积分(Integration)以及有关概念和应用的数学分支。它是数学的一个基础学科。内容主要包括极限、微分学、积分学及其应用。微分学包括求导数的运算,是一套关于变化率的理论。它使得函数、速度、加速度和曲线的斜率等均可用一套通用的符号进行讨论。积分学,包括求积分的运算,为定义和计算面积、体积等提供一套通用的方法 。

语义学技术

语义学,也作“语意学”,是一个涉及到语言学、逻辑学、计算机科学、自然语言处理、认知科学、心理学等诸多领域的一个术语。虽然各个学科之间对语义学的研究有一定的共同性,但是具体的研究方法和内容大相径庭。语义学的研究对象是自然语言的意义,这里的自然语言可以是词汇,句子,篇章等等不同级别的语言单位。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

百度智能云机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://www.baidu.com
暂无评论
暂无评论~