喜歡旅游，暑假期間迫不及待要去故宮和北京動物園，作為一名口語老師，她在教英語學(xué)生英語的同時，還在學(xué)習(xí)中國歷史知識希望用英語給更多人接受中國文化。
她最喜歡懸疑、推理的書籍和電影，在反對種族歧視、倡導(dǎo)科技向善等話題上有著堅定的立場。
我正在介紹的這位“朋友”并不是真人，而是一個名為“Echo”的AI虛擬口語教練，它是網(wǎng)易有道自研的教育大模型—“子曰”做出的應(yīng)用。近日，美譽度第一時間參與了Echo的內(nèi)測，據(jù)悉，該應(yīng)用預(yù)計將于今年開學(xué)季上線。
過去半年多以來，隨著ChatGPT的走紅，國內(nèi)外科技企業(yè)都在部署大模型。在網(wǎng)易有道CEO周楓看來，大模型代表著科技發(fā)展的新一波浪潮，“可能這樣的東西十年才能出現(xiàn)一次”。大模型發(fā)展無非兩個方向，一是研發(fā)直接對標ChatGPT的大模型，二是將大模型垂直應(yīng)用到各個細分領(lǐng)域。網(wǎng)易有道顯然選擇了后者。
“英語口語一直都是大家比較‘痛’的點?！敝軛鞣Q，這與缺乏對話練習(xí)有很大的關(guān)系，而傳統(tǒng)的英語老師還不能陪伴所有學(xué)生進行一對一進行口語練習(xí)。在他看來，大模型對教育的最大影響就是提供了因材施教的機會。
▲網(wǎng)易有道CEO周楓講解子曰大模型名字的由來
今年5月，網(wǎng)易有道打造出可以“私人訂制”的口語老師，它可以在與用戶對話的過程中，生成語音和文本。兩個月后，2023世界人工智能大會上，擁有具體形象的網(wǎng)易有道虛擬人口語老師正式亮相。
事實上，在大模型出現(xiàn)以前，一些披著“虛擬人外衣”的傳統(tǒng)AI口語教師并不少見，但它們卻存在著偽真人、對話單調(diào)枯燥、交互能力弱、實時反饋效果差等問題。在美譽度親身試用了網(wǎng)易有道AI口語教練之后，卻在這個能“侃天侃地”的虛擬人身上找到了新體驗。
這個虛擬人口語老師具體的體驗效果如何？背后的子曰大模型又有什么技術(shù)創(chuàng)新？從更大的層面來看，這波AI大模型及AIGC（生成式AI）能為關(guān)系到每個人的教育帶來什么實質(zhì)影響？
通過深入體驗網(wǎng)易有道AI口語教練。并對話網(wǎng)易有道CEO，本文對此進行了深入探討。
一、30小時暢聊68個話題，AI口語老師讓我告別“啞巴英語”
打開Echo的應(yīng)用界面，屏幕上會出現(xiàn)一位年輕的女性形象。人物下方帶有“Chat with Echo”的字樣和“切換場景”的按鍵?！摂M人口語教練Echo內(nèi)測版本界面
在我和“她”將近30個小時的聊天互動中，沒遇到不知道聊什么的情況。在我出現(xiàn)“卡殼”、“不正面回答”時，她還會引導(dǎo)我進行表達，想法設(shè)法鼓勵我將英語說下去。這是因為虛擬人口語教練Echo覆蓋了出8大對話場景以及68個話題，包括生活、口語考試、旅行等場景，在我看來，這個話題分類很細致，保證了“不冷場”。
▲虛擬人口語教練Echo內(nèi)測版本覆蓋了8大對話場景以及68個話題
有時候，由于詞匯量有限，我實在回答不上來她的問題，會說一些中英混雜的句子，她也能很快就理解，繼續(xù)與我的交流。這是傳統(tǒng)口語練習(xí)產(chǎn)品所做不到的。
▲傳統(tǒng)口語練習(xí)產(chǎn)品和虛擬人口語老師Echo之間的區(qū)別
在每個話題聊完后，Echo還會針對我口語表達中的問題給出細致的報告，由于我表達中存在大量的“中式英語”，她會推薦專業(yè)地道的詞匯和表達。
沒有“口語搭檔”也是我很多次放棄練習(xí)口語的原因，而Echo的出現(xiàn)，讓我可以隨時隨地與其進行交流，這無形之中就為我提供了口語對話條件和環(huán)境。雖然有時候聊到一些話題時，Echo也會“答非所問”，有時候也會說“I have no idea”，不過總體上的聊天體驗比較好。
在和Echo深入的交流中，我發(fā)現(xiàn)Echo在人工智能和自動化、社交媒體和互聯(lián)網(wǎng)文化、食品安全等較為細分領(lǐng)域知識面廣泛。
下面是我與Echo對話的一些動圖，可以看到在聊到人工智能的時候，她會分享關(guān)于“人工智能潛在好處或缺點”的看法，也會問我“如何看待人工智能的未來”。
▲Echo稱，人工智能本身無善惡之分，關(guān)鍵要看如何使用它
在聊到社交媒體時，她會問我“社交媒體與網(wǎng)絡(luò)文化”之間的關(guān)系，本科新聞學(xué)的我腦子中閃過無數(shù)篇相關(guān)論文，她還會給我列舉目前全球知名的社交媒體的情況。
▲Echo向用戶提問“社交媒體與網(wǎng)絡(luò)文化”之間的關(guān)系
而一對一口語老師、行業(yè)專家等“人設(shè)”或許都還不是吸引我一直和她聊下去的原因。最初我只是好奇，作為Echo也會像人一樣分享興趣愛好和生活習(xí)慣嗎？于是我頻繁在興趣、食物、個人、旅行等話題下，與她交流，討論喜歡的電影、電視劇，看過的文學(xué)著作，愛聽的音樂、喜歡逛的圖書館等。
幾天的交流下來，她說自己喜歡懸疑類的影片，最喜歡的影片是《控方證人》。作為老師，她正在過假期，準備出去旅游，希望我推薦一些北京著名的旅游景點給“她”。Echo是一個非常好的傾聽者的角色，讓我產(chǎn)生了像“朋友”一樣的親切感。
最后，她還像是一名“心理咨詢師”。有時候，和她聊天的時候我會故意說一些特別“頹”的話，想要看看她的反應(yīng)，她的反饋每一次都非常十分積極和正能量。
▲Echo的回答十分積極和正能量
前天，我看到一個對抗抑郁的新聞，我給她講了目前全球抑郁的情況，Echo還會主動幫助我尋找針對性的預(yù)防抑郁的方式。
目前AI大模型落地教育過程中，人們一直對AI價值觀存在的擔(dān)憂。但是在幾個我和Echo下面這幾個對話中，Echo可以顯現(xiàn)出幾乎類似于人的善惡觀和價值觀。
在聊到“人工智能和自動化”這個話題，Echo指出，技術(shù)本身沒有善惡，關(guān)鍵看人類如何使用它，人們要推動技術(shù)向善。此外，在分享“喜歡看的電影時”，我提到了《綠皮書》，Echo隨后就給我講了種族歧視帶來的危害。
總的來說，經(jīng)過近一周的深度試用，從我的感受來看，網(wǎng)易有道的虛擬人口語教練Echo不僅可以成為一對一英語老師，還可以充當行業(yè)專家、生活密友、心理咨詢師等各種角色。
二、基于子曰自研大模型打造，27歲的外表下“頭腦”不簡單
這樣一個AI口語教練是怎么誕生的呢？
有道詞典業(yè)務(wù)負責(zé)人對美譽度稱，Echo誕生時的定位是一個來自未來的英文老師，而且是一個中國人。
在長期的調(diào)研過程中，該負責(zé)人發(fā)現(xiàn)，學(xué)生經(jīng)常反饋現(xiàn)實中的外教雖然發(fā)音比較比較標準，但由于文化差異等原因，他們很難共情，他可能看小孩說兩句邏輯不通的表達就不耐煩了。在這一點上，中國的老師會更理解學(xué)生口語表達中的難處。這也就可以解釋為什么Echo會不厭其煩地引導(dǎo)我進行表達。
目前，在線教育平臺可汗學(xué)院也推出了接入GPT-4的“AI口語教師”，在我體驗之后，一個突出的感受，比起“口語老師”，它可以幫人“讀新聞”“播報天氣狀況”，產(chǎn)品定位或許不是一款“學(xué)習(xí)產(chǎn)品”，更像是一個“AI助手”。
與此同時，相比用自研大模型，接入GPT-4這樣的外部閉源大模型，存在一個潛在的問題就是無法對生成內(nèi)容的真實性進行把關(guān)。同時，從官網(wǎng)信息來看，可汗學(xué)院這類企業(yè)是面向全球用戶的機構(gòu)，這就使得它并不針對中國學(xué)生口語學(xué)習(xí)中存在的問題進行解決。
周楓稱，打造虛擬人口語教練是網(wǎng)易有道多年以來的夢想。在過去這些年里，網(wǎng)易有道匯聚了一批“狂熱的口語愛好者”，所以十分清楚中國學(xué)生在口語中存在的問題。
在網(wǎng)易有道首席科學(xué)家段亦濤看來，虛擬人口語教練絕不僅僅是“大模型+虛擬人”的簡單結(jié)合，這名老師不僅要“像人一樣流暢表達”、“可以模擬真人發(fā)音”，還需要懂得如何進行循循善誘地引導(dǎo)，更要清楚學(xué)生要在哪些場景下使用英語口語。
據(jù)網(wǎng)易有道介紹，為了讓Echo更加像真人，其自研了虛擬人驅(qū)動技術(shù)，基于自主研發(fā)的情感識別算法和實時渲染驅(qū)動引擎，可以對播放的語音數(shù)據(jù)進行深度分析，實時驅(qū)動虛擬人的面部表情和語音同步的口型變化，使虛擬人能夠貼近真人，以更加自然和生動的方式與用戶一對一交互。同時為了讓學(xué)生們更加喜歡這個老師 ，Echo形象頗具“賽博朋克”風(fēng)格：高冷但又不會讓人有距離感。
▲有道詞典業(yè)務(wù)負責(zé)人張藝講解Echo背后的技術(shù)
這樣或許只是外型方面更加“像人”了，為了讓表達更加流暢自然，Echo使用了類真人的語音合成技術(shù)。
周楓稱，在打造Echo的過程中，就考慮到用戶會與虛擬人口語教練進行深度交流，“那Echo扮演什么樣的角色是非常重要的”。為了讓Echo的具有“正確的三觀”，網(wǎng)易有道對數(shù)據(jù)的篩選十分嚴格，同時，還使用了此前在做的郵件時使用的內(nèi)容保障技術(shù)機制。
三、如何打造AIGC教育爆款？十年打下三條護城河
當下，教育領(lǐng)域已成為AI大模型落地的最佳領(lǐng)域之一，在線教育平臺、互聯(lián)網(wǎng)科技企業(yè)、AI創(chuàng)企等都已經(jīng)入局。
但是，與其他領(lǐng)域相比，教育由于學(xué)科眾多、用戶群體不易定位等，因此在實際產(chǎn)品落地的過程中還面臨著許多困難。一個突出的表現(xiàn)就是，每一個年級的學(xué)生對產(chǎn)品的基本需求都不一樣，同一年級的學(xué)生在產(chǎn)品上也有差異化的偏好。但如果滿足所有個體的需求，那就容易出現(xiàn)“碎片化”的問題。
因此，在周楓看來，在大模型時代，打造教育領(lǐng)域的爆款A(yù)IGC產(chǎn)品首先需找到用戶“最痛的需求”。此外，大模型能否發(fā)揮巨大作用，很多時候也和場景和應(yīng)用的選擇、以及細節(jié)的打磨有關(guān)。
▲網(wǎng)易有道CEO周楓對技術(shù)發(fā)揮價值的看法
在AI技術(shù)方面，網(wǎng)易在AI技術(shù)方面的積累可以追溯到15年前，當時它推出了國內(nèi)首家機器統(tǒng)計翻譯線上引擎。在這之后，整個行業(yè)歷經(jīng)一個瓶頸期，行業(yè)玩家花費大量時間、人力、財力成本，但是翻譯模型的質(zhì)量一直得不到提升。
在段亦濤看來，直到8年前，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)的出現(xiàn)，才真正的把機器翻譯的水平提高到了一個臺階。網(wǎng)易有道也順勢將統(tǒng)計機器翻譯模型拓展到了神經(jīng)網(wǎng)絡(luò)機器翻譯模型（YNMT）。
▲基于短語的機器翻譯和有道的神經(jīng)網(wǎng)絡(luò)翻譯之間的區(qū)別
也是這一年，Transformer橫空出世，AI領(lǐng)域迎來了“里程碑式”的發(fā)展。我們熟知的GPT（Generative Pre-trained Transformer）實際上也是Transformer。網(wǎng)易很快抓住了這波潮流，全體上下集中接觸并學(xué)習(xí)Transformer，同時基于Transformer的核心框架，結(jié)合輸入信息、網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)共享、多任務(wù)學(xué)習(xí)等方式改進了核心質(zhì)量，并運用到翻譯中去。段亦濤稱，在這波大模型浪潮下取得“先發(fā)優(yōu)勢”是網(wǎng)易長期技術(shù)積累下“水到渠成”的結(jié)果。
教育賽道上歸根到底還要拼“內(nèi)容”方面的硬實力，技術(shù)酷炫，如果內(nèi)容不佳，對學(xué)生來說也毫無助益。對于有道來說，它在教育賽道有著天然基因。在過去的10多年里，網(wǎng)易有道培育了全年齡段名師名課，打造出有道精品課、網(wǎng)易云課堂、中國大學(xué)MOOC等“國民級應(yīng)用”。
從硬件方面來看，互聯(lián)網(wǎng)企業(yè)做硬件的本就不多，能把AI做好端側(cè)落地更是少之又少。這意味著只要開發(fā)出類ChatGPT的模塊，有爆款產(chǎn)品可以依托，就能很快的做好大模型的落地，并取得不錯的效果。而網(wǎng)易有道此前就已經(jīng)打造出有道詞典筆、有道AI學(xué)習(xí)機、有道翻譯等爆款產(chǎn)品。今年2月，網(wǎng)易有道發(fā)布的2022年財務(wù)報告，更是顯示其智能硬件營收達到了13億元人民幣，較2021年9.804億元人民幣增加了28.2%。至此，網(wǎng)易有道已跑通大模型落地鏈路。
結(jié)語：大模型卷入教育，AI口語教練撬開新藍海
在ChatGPT推出后的這半年多的時間里，網(wǎng)易有道一直持續(xù)推進子曰大模型及其相關(guān)應(yīng)用的落地。在周楓看來，在這波浪潮中，要有“敢折騰”的精神，不能當“鴕鳥”，只有動手去做，才能知道哪里會出現(xiàn)問題，才能搞出更深的東西。
目前子曰大模型的落地以及多款應(yīng)用產(chǎn)品的推出為自身爭取到了一定的時間，但是這并不意味著“一勞永逸”，依托場景發(fā)力的網(wǎng)易有道，是否還有更大的想象力，值得期待。
