人与机器人之间的沟通、交流,让机器人理解人类行为,并以适当的方式进行回应,即让机器人能够以人类听得懂看得懂的方式进行回应,这便涉及大量前沿技术,尤其是人工智能相关技术。比如,使机器人能听懂、理解人类的语言,就涉及语音识别技术等。

(1)人工智能对语音的影响。语音是人与人交流沟通互动的重要媒介。语音识别是自然语言处理的一项比较基础的分支范畴。自然语言处理主要研究如何理解和产生人类自然语言,包括语音和文字两种形式,而文字又包括词语形态、语法、语义、语用和篇章五个层次,相当于提高计算机的语言智能。具体方法需要借助语言学、心理学、社会学等多个学科的研究成果;也要借助机器学习的研究成果,而基于大量语料借助深度学习等算法进行数据挖掘的自然语言处理技术,则在近几年成效显著。例如,新华社通过自然语言处理技术,制作了中文“AI合成主播”,它模仿的是著名新华社主持人邱浩,不管是邱浩的外形、声音、眼神还是脸部动作、嘴唇动作,首次上岗的“合成主播”与真人邱浩的相似度都高达99%,最令人惊叹的是它可以随意模仿99%的主持人,随意切换,不仅模仿他们的声音,还能克隆他们的相貌。[222]

(2)人工智能对手势等体语的影响。以手势为代表的体语是人与人之间交互的作为符号系统的重要媒介。正如第3章所述,人与智能设备之间如今也能通过手势等体语进行交互,这反映出了人工智能对作为符号系统的媒介的影响。例如,一个广受关注的体感设备是Leap Motion,它通过两个摄像头捕捉经红外线LED照亮的手部影像,经三角测量算出在空间中的相对位置。如前所述,这种人与机器之间的交流方式,随着AI技术的发展,越来越趋向于本能性的交互。人类通过脑电波等方式直接与智能设备互动。(www.daowen.com)

(3)人工智能对图片、视频媒介的影响。当然,作为符号系统的媒介并不仅仅是指语言(包括口头语言和书面语言),同时还应包括图片、视频(尤其是短视频)等形式。那么,人工智能对图片、视频媒介的影响是什么呢?牛津大学的科研人员发明了这样一个AI系统,可以把静态的图片变成动态的视频,甚至可以让照片里的人开口说话,建立音频轨道。科学家表示,希望这个AI系统能将新闻自动翻译成不同语言的版本,并且口型也能对应上。这可大大提高一些国际化的新闻平台新闻输出的效率,并且减少翻译成本。不止牛津在研究这项技术,位于美国的华盛顿大学也开发出了类似的AI系统。相比牛津大学的“照片变视频”,他们开发的人工智能系统能够将嘴型及其纹理移植到现有视频的人脸上。[223]如前所述,2017年7月,华盛顿大学的研究人员利用人工智能技术,经过17个小时的“自主学习”后,通过奥巴马的声音,判断出对应的面部细节,从而模拟出匹配的数字图像,由此制作了一段时长1分55秒的美国前总统奥巴马演讲的假视频,其图像和声音都达到以假乱真的水平。