強(qiáng)人工智能時(shí)代，多模態(tài)交互技術(shù)成為關(guān)鍵。

人工智能的三個(gè)發(fā)展階段

經(jīng)過半個(gè)世紀(jì)的發(fā)展，人工智能已經(jīng)有了巨大的飛躍。按照人工智能的發(fā)展程度，我們可以將其分為三個(gè)階段：

△資料來源：Venture Scanner，平安證券研究所

計(jì)算智能：機(jī)器具備像人類一樣的記憶能力和計(jì)算能力，從而能夠存儲和處理海量數(shù)據(jù)。能夠幫助人類完成大量的存儲和復(fù)雜的計(jì)算。這一步是感知和認(rèn)知的基礎(chǔ)。

感知智能：機(jī)器具備像人類一樣的感知能力，通過“眼睛”、“耳朵”、“皮膚”等器官，機(jī)器也擁有視覺、聽覺、觸覺等感知能力。能夠幫助人類完成“看”和“聽”的簡單工作。

認(rèn)知智能：機(jī)器具備像人類一樣的學(xué)習(xí)和思考能力，能夠獨(dú)自做出決策和采取行動，能夠部分或全部替代人類的工作。

人工智能正處于弱人工智能時(shí)代

目前，人工智能的發(fā)展仍然處于弱人工智能范疇，主要解決計(jì)算智能和感知智能層面的問題，但是距離達(dá)到能夠獨(dú)立思考、做出決策的強(qiáng)人工智能時(shí)代還有一定距離。

弱人工智能主要是在某個(gè)特定領(lǐng)域擅長的專一人工智能，如語音識別和圖像識別等側(cè)重計(jì)算能力和數(shù)據(jù)積累的領(lǐng)域。

而單模態(tài)交互技術(shù)是弱人工智能時(shí)代典型的代表特征，集中在單一模態(tài)的感知技術(shù)的給智能機(jī)器產(chǎn)品帶來了很多的局限性。

單模態(tài)交互技術(shù)的局限性

目前，感知技術(shù)作為人工智能最重要的一環(huán)在近幾年遍地開花，雖然機(jī)器的單點(diǎn) AI 感知模態(tài)能力逐步走向完善，語音交互、機(jī)器視覺、傳感器智能技術(shù)均獲得極大發(fā)展。但單點(diǎn) AI 模態(tài)感知在產(chǎn)品應(yīng)用上具有較大的局限性。

單一模態(tài)的信號輸入，讓機(jī)器缺乏主動服務(wù)能力，且誤判指令、錯(cuò)誤喚醒的狀況時(shí)有發(fā)生，這些都在影響用戶體驗(yàn)的本質(zhì)提升。

如智能音箱，作為當(dāng)下最火熱的智能機(jī)器，一陣?yán)顺敝螅蠹視l(fā)現(xiàn)單純的語音交互已經(jīng)無法滿足使用者對智能機(jī)器更高的需求。

強(qiáng)人工智能下多模態(tài)交互的趨勢

強(qiáng)人工智能主要是指能夠?qū)W習(xí)知識、思考問題和解決問題的的通用智能，機(jī)器具有多通道的知覺并且具有意識，在各方面都能和人類比肩。

人工智能如果需要在生活中有更好的體驗(yàn)，我們希望它能像人體一樣，能耳目鼻口耳協(xié)同工作，主動提供服務(wù)。

而多模態(tài)交互技術(shù)則是實(shí)現(xiàn)上述需求的關(guān)鍵。

今天主要的 AI 感知模態(tài)有三種：

語音交互（包括語音指令控制、語義理解、多輪對話、NLP、語音精準(zhǔn)識別等領(lǐng)域）;

機(jī)器視覺（包括自然物體識別、人臉識別、肢體動作識別等）;

傳感器智能（包括 AI 對熱量、紅外捕捉信號、空間信號的閱讀與理解、機(jī)器視覺、傳感器智能）。

在強(qiáng)人工智能時(shí)代里，多模態(tài)能把這三種感知模態(tài)融合在一起，物聯(lián)網(wǎng)設(shè)備在單純的能聽會說之外，同時(shí)還用攝像頭觀察、用傳感器判斷。把不同的信號模態(tài)整合在一起，實(shí)現(xiàn)設(shè)備的多維感知和思考，讓智能機(jī)器走向服務(wù)的人性化和主動化。

炬芯科技首顆多模態(tài)交互芯片

經(jīng)過半個(gè)世紀(jì)的發(fā)展，在近十年，人工智能技術(shù)步入了發(fā)展的快車道，高性能的計(jì)算芯片甚至 AI 芯片、海量的數(shù)據(jù)積累和優(yōu)秀的軟件算法都在推動人工智能向更深處不斷發(fā)展。

炬芯科技在單模態(tài)交互芯片設(shè)計(jì)上擁有多年的經(jīng)驗(yàn)積累，相關(guān)產(chǎn)品廣受市場認(rèn)可。面對人工智能的時(shí)代躍遷，我們也在向著更進(jìn)一步的技術(shù)延伸發(fā)展。

本次，炬芯推出旗下首顆多模態(tài)交互芯片，炬芯 ATS 3609D，多麥智能語音、輕智能圖像、手指點(diǎn)讀雙模態(tài)識別輸入解決方案。ATS 3609D 將語音交互、機(jī)器視覺和傳感器三個(gè)模態(tài)綜合起來，為強(qiáng)人工智能下的多模態(tài)交互提供可行的解決方案。

ATS3609D Key Feature

● 雙核架構(gòu)支撐更高計(jì)算能力● DSP NN LIB，提高算法效能● 語音、手指、LCD反饋、touch panle協(xié)助，多模態(tài)交互● 全格式圖片解碼、主流 SWF 格式解碼、完善音視頻播放器、支持視頻通話直播，專為電子教育設(shè)計(jì)

充足的算力，超低的功耗、強(qiáng)大的可擴(kuò)展性，將賦予智能機(jī)器更多的可能性。

強(qiáng)人工智能時(shí)代中多模態(tài)交互技術(shù)的未來及展望

我們可以發(fā)現(xiàn)，市場上逐漸出現(xiàn)一些新的聲音：

智能空調(diào)通過語音交互結(jié)合機(jī)器視覺及傳感器實(shí)現(xiàn)智能送冷;電視通過機(jī)器視覺識別照明、距離等環(huán)境因素實(shí)現(xiàn)智能亮度調(diào)節(jié);工業(yè)設(shè)備通過機(jī)器視覺輔助傳感器或故障信號提高工業(yè)設(shè)備安全性;……

越來越多的多模態(tài)交互技術(shù)開始被應(yīng)用于各類場景，突破智能機(jī)器傳統(tǒng)的單點(diǎn)感知，實(shí)現(xiàn)設(shè)備多維感知和思考，讓智能機(jī)器走向服務(wù)的人性化和主動化。

AI 多模態(tài)交互技術(shù)已經(jīng)成為人工智能交互的必然趨勢，我們也期待著炬芯多模態(tài)交互平臺 ATS 3609D 芯片能在更多的場景中應(yīng)用開來，賦予機(jī)器更強(qiáng)的智能屬性，用更加像人的智能機(jī)器給大家?guī)砀玫姆?wù)。