曾就職于IBM全球咨詢服務(wù)部，作為高級咨詢顧問參與了銀行、航空、教育行業(yè)的多個客戶信息化咨詢項目；后加入百度深度學(xué)習(xí)研究院負(fù)責(zé)識圖產(chǎn)品，為百度IDL研究院首位AI產(chǎn)品經(jīng)理。

加入ROOBO以后，負(fù)責(zé)將ROS.AI平臺快速落地于智能家居、兒童機(jī)器人方向；截止18年上半年助力ROOBO完成了兒童機(jī)器人軟硬件方案500萬臺的出貨量，行業(yè)內(nèi)穩(wěn)居第一；同時打造童秘兒童智能平臺，連接更多的兒童設(shè)備，使交互變得便捷和智能。

兒童機(jī)器人與AI的行業(yè)發(fā)展回顧

如往期一樣，在了解兒童機(jī)器人目前的整體現(xiàn)狀和如何打造一款合格的兒童機(jī)器人前，我們需要先了解一下這個行業(yè)的歷史進(jìn)程與發(fā)展。

“兒童機(jī)器人”這個概念目前其實(shí)還算比較小眾，甚至在百科上都沒有一個具體的詞條能夠完整描述它。也就是說，兒童機(jī)器人仍然沒有一個合適的定義。

因此，想要了解這個行業(yè)，我們需要從產(chǎn)品入手，以產(chǎn)品共性看待行業(yè)。我們發(fā)現(xiàn)，所有的兒童機(jī)器人產(chǎn)品現(xiàn)在都有一個重要的功能特點(diǎn)，那就是需要傾聽兒童的聲音，并和他們交流、互動。所以，這類產(chǎn)品最核心和關(guān)鍵的技術(shù)就是智能語音技術(shù)。而這，恰恰離不開人工智能的第三次浪潮。

從06年誕生深度學(xué)習(xí)理論技術(shù)后，短短5年時間語音識別和圖像技術(shù)便迎來了商業(yè)化時代。以2011年為節(jié)點(diǎn)，微軟率先使用深度學(xué)習(xí)，將語音識別正確率從75%提升到95%以上。隨后，訊飛輸入法、SIRI這樣的智能助理誕生。

最早的兒童智能機(jī)器人雛形則來源于語音識別鼻祖訊飛的一款應(yīng)用APP《開心熊寶》。這是基于手機(jī)的一款軟件，而對于硬件來說，2014年一家國外的公司打造了“JIBO”的硬件產(chǎn)品，很遺憾地，它并沒有得到量產(chǎn)的機(jī)會。

如今我們有著很多公司在共同耕耘兒童機(jī)器人市場，不論是最初的樂橙公司、小魚在家還是如今的北京智能管家ROOBO，多多少少在設(shè)計及理念上都借鑒了他們的“老大哥”JIBO。

在各家公司紛紛進(jìn)入兒童機(jī)器人市場的2015年，整個行業(yè)也開始騰飛，從不足10萬的年銷量，發(fā)展到3年以后的2018年預(yù)估2000萬銷量。鐘升達(dá)分析，這樣的井噴效果不僅來自于硬件成本的降低，其次也有故事機(jī)、早教機(jī)產(chǎn)品轉(zhuǎn)型帶來的影響。

兒童機(jī)器人1.0時代：同質(zhì)化產(chǎn)品當(dāng)?shù)?/p>

作為一個擁有潛在銷量2000萬的市場，大家普遍都會認(rèn)為兒童機(jī)器人產(chǎn)品銷售一定擁有“快速增長性”和“藍(lán)?！钡奶攸c(diǎn)。

然而并不是這樣。

據(jù)鐘升達(dá)的描述，外行會認(rèn)為兒童機(jī)器人市場像是廣闊藍(lán)海，而從業(yè)者都深知他們所處的環(huán)境只是一個小小的魚塘，并且競爭非常激烈。

這是因為，第一，父母對兒童機(jī)器人產(chǎn)品的認(rèn)知度依然不高。父母及孩子，乃至我們廣大消費(fèi)者，在被各種影視作品及通俗文化的影響下，都會認(rèn)為：

“兒童陪伴機(jī)器人” = 哆啦A夢或大白

第二，盡管兩種產(chǎn)品在品類上毫不相關(guān)，智能音箱的“千機(jī)大戰(zhàn)”以及各種巨頭補(bǔ)貼在不斷沖擊著兒童機(jī)器人市場。這主要是因為生產(chǎn)者在產(chǎn)品編輯上處理較為模糊

你能分得清誰是兒童機(jī)器人嗎？

作為主打兒童智能語音交互的產(chǎn)品，兒童機(jī)器人的核心應(yīng)當(dāng)是“技能和場景”。目前各種平臺也在不斷拓展著它們，我們總結(jié)來看，其實(shí)不外乎兩類。

第一類是工具型，比如咨詢天氣、其它生活信息或常識信息。第二類是資源點(diǎn)播型，比如聽兒歌，聽故事或者看動畫片。

對此這些技能和場景，ROOBO專門梳理了用戶在使用它們時所占據(jù)的比例。

根據(jù)這個分析，我們可以得出在目前的兒童智能機(jī)器人時代，鐘升達(dá)稱之為“兒童智能機(jī)器人1.0時代”，無論從產(chǎn)品外觀、內(nèi)沿競爭或者功能體驗上來講，各家產(chǎn)品都處于一個非常同質(zhì)化的階段。

那么在同質(zhì)化的競爭狀態(tài)下，北京智能管家ROOBO以及行業(yè)內(nèi)所有的兒童機(jī)器人企業(yè)該如何去打造差異化、有特點(diǎn)的機(jī)器人呢？

如何打造2.0時代的差異化兒童智能機(jī)器人？

深耕行業(yè)多年，北京智能管家ROOBO在積累了大量經(jīng)驗的情況下，于今年7月推出了從軟件到硬件統(tǒng)一的開放平臺——“童秘平臺”。

“童秘平臺”的開放性來自于它可以適配各種系統(tǒng)，如業(yè)界常用的安卓系統(tǒng)、Linux系統(tǒng)，以及RTOS系統(tǒng)。同時，在對接硬件方案伙伴上，ROOBO也將內(nèi)容云這一層面開放出來，以實(shí)現(xiàn)更多有價值的、富有教育意義的內(nèi)容覆蓋。

除了平臺與內(nèi)容外，最基本的語音對話方面，ROOBO在2.0時代總結(jié)了百度先前提出的標(biāo)準(zhǔn)，即“聽清”、“聽懂”、“滿足”。

這三個方面對于成年人來說，似乎很好實(shí)現(xiàn)。然而對于兒童來講，他們正處在學(xué)習(xí)語言的階段，小到發(fā)音、大到語言邏輯的各種形式都是非常復(fù)雜的。

通過大量的語音標(biāo)注，以及結(jié)合最新的聲學(xué)模型TDNN神經(jīng)網(wǎng)絡(luò)，ROOBO重新訓(xùn)練生成了專門針對垂直于兒童領(lǐng)域的ASR語音識別技術(shù)。至此，ROOBO實(shí)現(xiàn)了差異化的第一個點(diǎn)：聽清。

對于“聽懂”，鐘升達(dá)講述，在大部分常見的用戶對話中，用戶的意圖遵循著“二八定律”，就是說80%的用戶，其對于產(chǎn)品功能的表達(dá)方式會集中在20%的話術(shù)上。比如說暫停歌曲，普通成年人用戶會說“暫停”、“不要播了”、“停下來”等，而兒童卻不這樣，也是和兒童的語言邏輯相關(guān)的，他們會認(rèn)為機(jī)器人并非工具，而說出“你這個歌可不可以自己停呀？”這樣的話語。

這種擬人化的語言如果用傳統(tǒng)的智能語言模板匹配很難會命中兒童的真實(shí)意圖。在這方面ROOBO又結(jié)合另外的LSTM模型進(jìn)行大量標(biāo)注，實(shí)現(xiàn)了兒童自然語言處理的神經(jīng)網(wǎng)絡(luò)。此外，他們也圍繞產(chǎn)品端進(jìn)行了定制化的迭代，保證時刻更新兒童語料。

最后一個階段是“滿足”，這一方面ROOBO和眾多內(nèi)容合作伙伴一起打造了知識庫，將目前市面上的內(nèi)容知識形成體系輸出給廣大兒童。

其實(shí)，僅僅包含“聽清”、“聽懂”和滿足，兒童智能機(jī)器人仍然和智能音箱無法形成有效差異化。

對此，鐘升達(dá)表示，ROOBO給出了一個絕佳的方式。因為兒童正在處于語言學(xué)習(xí)的關(guān)鍵時刻，只是“磨耳朵”對于他們來說幫助不大，這是一種輸入。更有效的互動應(yīng)當(dāng)是輸入與輸出相結(jié)合。

因此ROOBO給孩子們提供了“磨嘴巴”的功能，即是由機(jī)器人在和孩子交流的過程中根據(jù)內(nèi)容主動發(fā)問，例如當(dāng)孩子提問：“你有家人嗎？”機(jī)器人回答：“沒有，我是機(jī)器人，你有家人嗎？家里有幾口人呢？”

通過一些具有條例和邏輯的回復(fù)，鍛煉兒童的語言意識。這就是2.0時代的關(guān)鍵——圍繞語言的主動交互。

關(guān)于兒童機(jī)器人的未來

除了分享ROOBO關(guān)于兒童機(jī)器人2.0時代所做的事情，鐘升達(dá)還對未來的兒童機(jī)器人發(fā)展提供了更多想法。

這里，具體在三個趨勢上面會有所表現(xiàn)：

一是IP化，比如一些家喻戶曉的動漫形象，如小豬佩奇、小黃人等，以此增強(qiáng)產(chǎn)品的認(rèn)知度。

二是內(nèi)容互動多元，就如上面講到的，機(jī)器人會主動引導(dǎo)孩子表達(dá)，之后孩子也會發(fā)表他關(guān)于上下文的想法，以此實(shí)現(xiàn)教學(xué)性的互動。

三是未來的兒童智能機(jī)器人一定是既能聽又能看同時具有更強(qiáng)感知能力的產(chǎn)品，它可以有效監(jiān)督，或者督促孩子學(xué)習(xí)。

現(xiàn)場答疑環(huán)節(jié)

Q1: 兒童機(jī)器人如此同質(zhì)化，我該如何選擇合適孩子的產(chǎn)品？

答：對于目前階段，家長應(yīng)當(dāng)選擇更具有優(yōu)質(zhì)內(nèi)容的平臺，語言交互方面應(yīng)當(dāng)考慮關(guān)注百科問答的質(zhì)量效果。

Q2: 兒童語音分析的過程中，最困難的是什么？

答：最困難的地方是有些小孩子的說話連大人也聽不懂，所以在語音標(biāo)注的時候所需要花費(fèi)的成本也會比較高。另外就是兒童本身的表達(dá)也會很不標(biāo)準(zhǔn)，需要大量的語料積累才能達(dá)到較好的意圖識別。

Q3: 作為家長，我為什么要購買兒童機(jī)器人？

答：這個我覺得從兒童機(jī)器人的幾個方面來看，一個是愿景出發(fā)，兒童機(jī)器人本身的出發(fā)點(diǎn)是希望陪伴小孩子學(xué)習(xí)成長，而手機(jī)上內(nèi)容雖然多，但是畢竟不是適合小孩子的專屬產(chǎn)品。二是兒童機(jī)器人從硬件的配置上來看，未來一定會有更多的可運(yùn)動類的機(jī)器人出現(xiàn)，其主動交互的能力也會遠(yuǎn)遠(yuǎn)超過手機(jī)，比如陪伴小孩子學(xué)習(xí)，假如小孩子不愿意學(xué)，跑開了，手機(jī)能感并追隨小孩子嗎？不太可能，因為硬件局限了其能力，但是未來兒童機(jī)器人有可能。

Q4：目前的早教智能產(chǎn)品市場還是故事機(jī)賣得比較好，兒童智能機(jī)器人沖擊這個市場的優(yōu)勢有哪些？

答：剛才提到一個很重要的點(diǎn)，故事機(jī)是一個被動交互的產(chǎn)品，兒童機(jī)器人未來要拉開差距，需要從主動交互上下功夫。把和孩子的交流變?yōu)殡p向的，而不是被動響應(yīng)主人的請求。這個很重要。另外一點(diǎn)就是需要把硬件成本控制好，降低成本。

Q5：外形或者內(nèi)容上，未來會考慮引入一些IP元素嗎？業(yè)界的趨勢是怎樣的？

答：IP化這件事兒一直都有企業(yè)嘗試，但是面臨的問題是一是授權(quán)成本比較高，二是IP化除了外觀外，也需要從機(jī)器人本身的內(nèi)涵下功夫，比如IP的聲音是否能有效合成，IP的機(jī)器人畫像是否能做的和原型足夠的匹配。當(dāng)然，最重要的是企業(yè)自身的內(nèi)容和渠道是否能夠讓消費(fèi)者買單。