人工智能在傳統(tǒng)行業(yè)遍地開花已經(jīng)不是新鮮事，但是進(jìn)入地鐵這種人流量大且復(fù)雜、噪聲極強(qiáng)的環(huán)境中，似乎還是第一次。雷鋒網(wǎng)消息，昨日（12月5日），上海地鐵攜手阿里云，落地語(yǔ)音購(gòu)票，打造首個(gè) AI 地鐵城的消息刷了屏。

雷鋒網(wǎng)就此采訪了阿里云 iDST 智能語(yǔ)音交互團(tuán)隊(duì)總監(jiān)的鄢志杰，他也是該項(xiàng)目中語(yǔ)音購(gòu)票技術(shù)的總負(fù)責(zé)人，聊了聊技術(shù)落地背后的故事。

“語(yǔ)音+視覺”搞定強(qiáng)噪音環(huán)境

大概半年前，擔(dān)任阿里云 iDST 智能語(yǔ)音交互團(tuán)隊(duì)總監(jiān)的鄢志杰，和同事參加某個(gè)機(jī)器人展會(huì)。在展會(huì)上，他們發(fā)現(xiàn)很多具有語(yǔ)音交互功能的機(jī)器人“聽力不好”，參展的觀眾需要抱著機(jī)器人的頭，幾乎貼在上面才能完成一兩句對(duì)話，主要原因就是環(huán)境噪音太強(qiáng)，導(dǎo)致機(jī)器人無(wú)法分辨“要聽什么”。

在語(yǔ)音交互領(lǐng)域，“抗噪”是個(gè)難點(diǎn)。市面上相對(duì)成熟的語(yǔ)音交互產(chǎn)品，幾乎全部集中在家庭、辦公等安靜場(chǎng)景中，通過(guò)麥克風(fēng)陣列，可以讓機(jī)器輕易分辨“誰(shuí)是說(shuō)話人”，而類似機(jī)場(chǎng)、高鐵、咖啡廳、超市、展廳強(qiáng)噪音場(chǎng)景則沒有。

鄢志杰當(dāng)下就想，如何才能突破舊有的使用場(chǎng)景，在強(qiáng)噪音的環(huán)境下讓人和機(jī)器進(jìn)行語(yǔ)音交互。

面對(duì)這個(gè)具體的問(wèn)題，?iDST 的人工智能專家們想到了融合語(yǔ)音、視覺兩種模態(tài)的方法。具體來(lái)說(shuō)，如果只通過(guò)擴(kuò)大麥克風(fēng)陣列，提升信噪比的單一方法，還是不夠，如果有了攝像頭之后，就可以通過(guò)視覺識(shí)別是否來(lái)人，來(lái)人是否講話，判斷之后用算法調(diào)整麥克風(fēng)位置，進(jìn)行定向增強(qiáng)。這樣，就可以讓一個(gè)強(qiáng)噪音環(huán)境變得和普通交互場(chǎng)景一樣了。

值得一提的是，采用視覺來(lái)確定目標(biāo)說(shuō)話人后，還帶來(lái)一個(gè)更大的驚喜。此前語(yǔ)音交互產(chǎn)品，都需要通過(guò)“喚醒詞”，讓用戶喚醒，但“誤喚醒率”是個(gè)問(wèn)題。而采用視覺后，機(jī)器可以通過(guò)人臉、嘴巴來(lái)判斷說(shuō)話人是否開口說(shuō)話，從而徹底免去了“喚醒”這一步，從而也就解決了“誤喚醒率”的問(wèn)題。

當(dāng)然，實(shí)際工程化的過(guò)程并不像講起來(lái)這么簡(jiǎn)單。鄢志杰坦陳，這種融合多模態(tài)的方式，學(xué)術(shù)界其實(shí)早有研究，但實(shí)際落地的產(chǎn)品似乎還沒見到。

技術(shù)的問(wèn)題解決之后，?iDST 在商店（嘈雜環(huán)境）里放了一臺(tái)可以使用語(yǔ)音來(lái)買咖啡的機(jī)器，用的就是語(yǔ)音+視覺的解決方案。這或許也是這種方案下，第一個(gè)落地的實(shí)際產(chǎn)品。

兩周之后，這個(gè)方案落地上海地鐵，咖啡機(jī)換成了購(gòu)票機(jī)，乘客可以通過(guò)語(yǔ)音進(jìn)行購(gòu)票，掃碼支付，全程只需不到10秒。

口說(shuō)有憑，自由通行

上海作為全球里程數(shù)最長(zhǎng)的地鐵，共有 17 條線路，367個(gè)站點(diǎn)，以連接兩大機(jī)場(chǎng)、虹橋火車站、川沙、陸家嘴、龍陽(yáng)路磁浮站、南京路、靜安寺，橫貫東西的2號(hào)線為例，全天都處在擁擠狀態(tài)，日客流量接近百萬(wàn)。這條線路因?yàn)檫B接著交通樞紐和重要地標(biāo)，充滿了來(lái)自全球各地不同語(yǔ)言的人，購(gòu)票之難、時(shí)間之長(zhǎng)可想而知。

采用阿里云 iDST 的語(yǔ)音購(gòu)票方案后，每個(gè)人只需要走近售票機(jī)，對(duì)售票機(jī)說(shuō)出你想要去的地方，售票機(jī)就能夠自動(dòng)向乘客推薦線路和站點(diǎn)，乘客掃碼或刷臉即可購(gòu)票，全程不過(guò)10秒。

舉例來(lái)說(shuō)，在此之前如果想去東方明珠，需要先拿出手機(jī)，打開地圖應(yīng)用，查詢公交線路，走進(jìn)推薦的地鐵站，在售票機(jī)上通過(guò)點(diǎn)擊、投幣來(lái)買票，上地鐵。而現(xiàn)在，乘客可以直接進(jìn)入最近的地鐵站，對(duì)售票機(jī)說(shuō)“我要去東方明珠”，售票機(jī)將自動(dòng)建議乘客坐到“陸家嘴站”，然后彈出二維碼進(jìn)行支付。

鄢志杰向雷鋒網(wǎng)表示，試運(yùn)行階段，目前該機(jī)器可以支持帶口音的普通話，但未來(lái)希望能夠覆蓋更多的語(yǔ)種和方言，滿足不同地方的乘客需求。

同時(shí)，該技術(shù)在強(qiáng)噪音環(huán)境下的通用性，也方便將此解決辦法復(fù)制到機(jī)場(chǎng)、高鐵、商店等更多場(chǎng)景中。

多項(xiàng)技術(shù)，打造 AI 地鐵城

除了語(yǔ)音購(gòu)票技術(shù)外，亮相上海地鐵的還有阿里云的“刷臉進(jìn)站”、“智能客流監(jiān)測(cè)”兩項(xiàng)技術(shù)。

雷鋒網(wǎng)了解到，正在研發(fā)中的新型進(jìn)站閘機(jī)上，新增了一塊屏幕，用戶經(jīng)過(guò)屏幕時(shí)，幾乎無(wú)需停留，屏幕就依托阿里云人臉識(shí)別技術(shù)，完成了人臉識(shí)別，開啟閘機(jī)，供乘客通過(guò)。

系統(tǒng)所采用的阿里云人臉識(shí)別算法具備業(yè)內(nèi)領(lǐng)先的精度和效率，在國(guó)際公開的人臉比對(duì)評(píng)測(cè)LFW中，精度超過(guò)99.5%；在身份認(rèn)證1:1比對(duì)場(chǎng)景，誤識(shí)率0.1%條件下，實(shí)測(cè)精度大于99%；1:3000身份識(shí)別場(chǎng)景，現(xiàn)場(chǎng)實(shí)測(cè)識(shí)別率>95%。

而智能客流分析技術(shù)則是基于視頻識(shí)別、數(shù)據(jù)分析機(jī)器學(xué)習(xí)和阿里云的數(shù)據(jù)可視化技術(shù)，替代肉眼，觀察車站的客流速度、密度、擁擠指數(shù)等，同時(shí)結(jié)合地鐵列車運(yùn)營(yíng)信息、外部天氣信息數(shù)據(jù)，對(duì)未來(lái)流量進(jìn)行預(yù)測(cè)，幫助地鐵工作人員進(jìn)行客流疏導(dǎo)、應(yīng)急調(diào)度、危險(xiǎn)防范等，保障乘客安全。

目前，這些技術(shù)已經(jīng)完成實(shí)驗(yàn)室測(cè)試，進(jìn)入樣機(jī)研制階段，未來(lái)都將應(yīng)用于上海地鐵。相信在不久之后，我們就可以享受更為智慧、方便的公共交通服務(wù)了。