AI商业化之争：高质量NLP数据成“抢手货”

如今调戏Siri已经成为网友们的固定节目。数据显示，苹果语音助手Siri大约每天会收到全国427000个问题，其中80%的问题都是：“你会说东北/四川/湖南话吗？”“来段beatbox好吗？”

不得不说，Siri真的为人类付出太多了。事实上，像Siri这样的AI聊天机器人，生来并不是为了逗笑人们，而是作为一个虚拟AI助手，去帮助用户解决生活中各种各样的问题，比如天气预报、吃饭订餐、查询新闻资讯、交通路线等等。

这背后，不乏有AI企业的深耕细作，同时也有众多传统企业智能化转型，运用AI技术优化用户体验、增强企业协同效率等。

然而，由于AI聊天机器人背后的NLP（自然语言处理）技术太过艰深，打通了NLP技术的“任督六脉”，几乎等同于拥有了人类的认知智能，因此至今没有任何一个科技巨头敢宣称自己的AI产品拥有和人类一样的语言和认知能力。

这也是为什么尽管苹果Siri、亚马逊Alexa、谷歌Google Assistant、微软Cortana等各种AI聊天机器人，每天都在孜孜不倦地改进自己的NLP技术能力，但是在和人类的对话中，依然会出现令人发笑、困惑、担忧等多种结果的原因。

最近，亚马逊Alexa再次爆出负面新闻，有用户称在使用Alexa期间，提问过有关心跳周期信息的问题，Alexa竟回应称“心跳是人体中最糟糕的过程，人活着会导致自然资源的迅速枯竭同时会导致人口过剩”，并建议用户刺死自己。

这种恐怖的对话，不禁让人们想起了2016年微软推出的一款AI聊天机器人Tay，上线不到一天的时间就被网友们教成了满口脏话的“小孩”，在Twitter上大肆发布各种胡言乱语的帖子，导致Tay在24小时内被迫下架。

如果一个“智能低下”、“胡言乱语”的AI被广泛应用于商业化产品中，其后果可想而知，不仅是AI产品质量饱受质疑，还可能会酿成大祸。因此，提升AI产品的认知智能水平，即背后的NLP技术，成为现阶段AI商业化竞争的关键点。

事实上，NLP作为AI技术中的一个重要分支，同样依赖算力、算法、数据三因素。其中，算力基于IT基础设施的发展，NLP算法基于深度学习的突破，在近年来都得到了较大的进展，但是作为NLP技术得以落地的“养料”——NLP数据，却一直处于较为“粗糙”的状态。