2016年，AlphaGo 打敗了世界圍棋冠軍李世石，人工智能接受了人類的頂禮膜拜。在這之前，人工智能不是活在和人類談情說愛的電影里，就是活在「人工智能就要統治地球了」這類空洞的標題里。

這一年，凱文.凱利預測人工智能將成為日用品，聽起來仿佛很科幻，實現得卻很快。2019年，在我們毫無意識的情況下，人工智能就已經滲透到我們的日常生活了，今天，為你盤點人工智能在2019年的四大熱門應用，看機器學習、計算機視覺、語音交互、自然語言處理等技術是如何在生活中落地的。

語音合成——給我5秒，就能復制你的聲音

世界上最美妙的技術，莫過于能實現一夜暴富的技術。

“我，秦始皇，打錢”和“我，美女，買茶嗎”的詐騙時代暫時結束了。2019年，電話詐騙卷土重來，甚至實現了產業升級，勢頭還更猛了。

是騙子們今年想賺錢的愿望特別強烈嗎？其實是第一批AI詐騙犯已經上崗了。它們有著真實的電話號碼，感情充沛的語音，甚至還有像真人一樣的話術。

AI電話詐騙不是中國特色，美國人也不堪其擾。2019年還沒結束，美國人民就已經接到了540億通AI騷擾電話，比2018年多了60億。這也意味著，我們以后要面對的已經是一個被訓練了千億次的詐騙精英了。

電話詐騙真正實現了多、快、好、賺，因為語音合成已經取代了人工。語音合成可以說是同時運用語言學和心理學的杰出之作，它的背后是文本轉語音（Text To Speech，簡稱TTS）技術。這個技術我們都很熟悉了，不管是越來越俏皮的Siri，或是可以定制語言導航的百度地圖，都是依靠的TTS技術。

語音合成最簡單粗暴的方法是拼接法，缺陷是拼接出來的語音聽起來就不像正常人，比如我們最常聽的“支付寶到賬X元”用的就是拼接法。

谷歌實驗室旗下的Lyrebird公司在2017年合成了特朗普和奧巴馬的演講，連美國人民都聽不出哪里不對。

Lyrebird靠的是神經網絡和機器學習。神經網絡把文本智能轉換為自然語言，轉換時間之短可以秒計算；同時，智能語音控制器能做到讓人根本意識不到是機器在說話。除了Lyrebird外，谷歌的 WaveNet，百度的 Deep Voice以及科大訊飛和騰訊等等都提供了開源的語音合成應用。

早期語音合成還需要大量的語料和訓練，現在訓練成本已經大大降低了。在GitHub一個開源項目里，你只需要一個人5秒的音源，就能克隆他的聲音，連語氣和情緒都能模仿。不過隨著【尖端技術大廠化】的行業發展趨勢，語音合成技術濫用的情況，目前的整體環境也得到了更好的改善。

語音合成技術也有溫情的一面。對視障群體而言，想看書只能靠觸摸，真人有聲書的數量也有限。現在，只需要二十分鐘，就能用TTS技術合成一本有聲書，讓機器像人一樣讀書了。

語音交互——智能音箱終于能聽懂人話了

智能音箱和iPad、特斯拉ModelS等一起，被《時代周刊》列為十年來最具影響力的科技產品。也許你會嗤之以鼻：不就是個能上網能聊天的音箱嗎？

回想起幾年前，是個廠家就要做音箱，是個音箱就自稱我AI了。第一波嘗鮮的消費者們期待著前沿科技的饋贈，最終卻只收獲了一個“笑話大全語音版”，想讓它干點活，它耳背了，想和它聊個天，它就會打岔。對于這波只會講段子和學放屁的，大家的態度還是：你走吧，我媽媽不讓我和人工智障玩。

如何鑒別人工智能和人工智障？圖靈說：與它對話。

圖靈曾預測，到2000年人和計算機之間就可以用自然語言溝通。所謂的自然語言就是“說人話”。

為了和計算機對話，曾經是人主動學習計算機的二進制語言，現在是人在讓計算機運用人的語言，這背后的核心就是人機交互技術。

人機交互主要分三步：先聽，然后理解，最后給出反饋。

聽清之后智能音箱還需要對轉換后的文字進行處理，把自然語言轉換成機器語言，方便機器做閱讀理解明確意圖，這一步就要用到自然語言理解技術(Natural Language Understanding，簡稱NLU)。鑒于中文的博大精神，自然語言理解的難度系數不是一般的高，比如那句經典的校長說：校服上除了校徽別別別的，讓你們別別別的別別別的你非得別別的」，你看笑了，機器卻聽哭了。

最后機器還需要作出反饋來滿足用戶的需求，比如說和你對話聊天、幫你開關燈或搜索推薦內容。同時，機器還會把反饋結果說出來，這就用到了上文的TTS技術。

最近中國科學院物聯網研究發展中心給智能音箱打了一次分。用8240次對話，對百度、騰訊、天貓、小米四家的智能音箱進行了測評。綜合三個維度，只有小度在家1S的得分達到了80（聽清率98.5% * 聽懂率92.89% * 滿足率86.9%），騰訊的得分為54，剩下兩家的得分都在50分以下。人工智能還是得靠技術說話，依靠在語音領域多年的技術積累，百度提前贏下了這場比賽。

隨著國內巨頭對智能音箱市場的進一步投入，整個行業的產品價格持續走低，無屏音箱最低價幾乎全部被打到百元以下，四舍五入相當于白送，讓許多人迅速過上了家里有「機器人」的生活。上春晚、搞綜藝、跨界營銷，國內第一的小度也嗖的一下子成為了「智能音箱領域的國民級品牌」。用著用著我們也發現，智能音箱好像變得沒那么智障了，開始聽得懂人話了。

手勢識別，控制視頻播放

人臉識別，切換兒童模式

當然，嚴格意義上的圖靈測試離我們還相當遙遠，智能音箱還有著很大的優化和升級潛能，這個潛能恰恰是和用戶量和你的使用次數正相關的。根據Canalys的統計，截止今年Q3，小度有屏音箱的出貨量已經是世界第一了，小度智能音箱的出貨量也達到了中國第一、世界第二，僅次于2014年就入場的亞馬遜。同時，小度音箱搭載的語音操作系統小度助手每天也在接受著數億次的訓練，甚至養成了一個“自學習AI系統”。現在，你可能依然覺得智能音箱產品還有點笨，但可以預見的是，它會成長得很快。

人臉識別——人臉識別成了逃犯克星

眾所周知，每個販賣機里面都有一個人。

比如下面這個刷臉支付遇上死機，只好在販賣機里住了一天的人。

“一對一”認證，一種是提取你的身份證，再和攝像頭前的你進行對比；另一種則更簡單，直接用攝像頭錄入你的人臉信息，比如FaceID。技術門檻相對較低，所以刷臉認證的產品遍地瞎開花，其中刷臉領廁紙應該是最具“中國特色”的人工智能了。

要領取廁紙先刷臉，堅決剝奪你的拉肚子自由

張學友：我都快忘記我警察的身份，真的以為自己是個歌星了。

見微知著，計算機視覺的發展也反應在一家網站小小的進度條上，這家網站就是全球最大的成人網站PornHub。

圖像處理——今天你想換哪張臉

今年的朋友圈短暫的被各種換臉小視頻攻占了一下。

在換臉軟件ZAO中，只要上傳一張照片，你就可以把自己的臉換到明星臉上。輕松實現和本命談戀愛，和愛豆共飆戲的夢想。

換臉技術看著厲害，其實你也可以，只需要了解一下deepfakes技術。

deepfakes是一個程序員在社區Reddit的用戶名，2017年，這名程序員在Reddit發布了一部不可描述的小電影，小電影里的女主角竟然是神奇女俠蓋爾·加朵。只用了一部電腦和開源的AI工具，這名程序員就訓練出了換臉算法，把明星的臉換到任意視頻中，視頻中換臉后的眼神和嘴型這些細節都已經相當真實。

這種訓練源于生成式對抗網絡（Generative Adversarial Network，簡稱GAN）。所謂對抗，就是兩個機器模型之間的博弈。基于一個原始視頻，一個模型負責生成相似的視頻，另一個模型則負責鑒別兩個視頻之間的差異，在海量的對抗訓練之后，最終會生成幾乎找不到差異的偽造視頻。

在這名程序員制作了一波又一波明星臉色情影片后，他的賬號終于被封殺了。于是他一怒之下將換臉項目開源了，“邪惡勢力”就此登場了。

讓這項技術走向不可控的一大原因是超低的工具門檻，今年大火的ZAO只不過是把換臉這一技術變得更容易操作而已。現在，即便你沒有任何編程基礎，只要你有一臺電腦，安裝deepfakes開源的工具包后，只需要半天的學習，你也可以訓練換臉術了。

有人將重大技術的變革比作一列火車，它臨近時你聽到了轟隆隆的聲音，你期待著它的到來，卻又覺得還很遠。等它終于來了，卻又只是一閃而過就把你甩在身后。

人工智能就是這樣一列火車。2019年，我們習慣了刷臉，沉迷于換臉，和AI探討了一下人生，也順便被騙走了一些錢。在這個時候，對人工智能的歡呼和抵制都是無意義的，因為火車已經開過來了。