为什么智能音箱很难实现多轮对话？

当下的人工智能远没有科幻电影中成熟，普遍认为还只有五六岁小孩的智商，可你和五六岁小孩沟通时也会这么费劲吗？就如高亮所言“每一个技术问题都会面临一个技术解决的方法”，或许普通用户只能吐槽抱怨一下，但百度的一群工程师们却默默定了个小目标，不是先挣一个亿，而是：

1、一次唤醒可以连续交互；只需要唤醒一次，就可以进行连续对话，不管智能音箱处于什么样的工作状态，哪怕正在播放音乐。就像人与人之间的对话那样有问有答，不再是每次对话都要说出唤醒词，真正的语音交互不应该是刻板的。

2、说话停顿不会打断；当你说“给我放一首周杰伦的…呃…菊花台”，智能音箱不是着急随便放了一首周杰伦的歌，而是播放菊花台。智能音箱要明白你什么时候说完了，什么时候没说完，不会把你没说完的话切断，毕竟谁还没有犹豫的时候呢。

3、知道说话人是谁；一个典型的三口之家，有爸爸、妈妈、孩子，每个人的需求是不一样的。智能音箱要精准识别出每一个人的声音，知道问题是谁问的，然后给出准确的答案。

4、上下文对话连贯；智能音箱在回答你现在的问题时，也要知道上一个问题是什么，要学会结合上下文，不能答非所问。只有这样人和智能音箱的对话才会更自然，我们想要的不是没有情感的机器，至少对话要有逻辑性。

5、听清听懂不傻冒泡；你在客厅和朋友聊天时，可能有些话是说给朋友听的，有些是给智能音箱的指令，这时候智能音箱就要进行精准判断，准确识别出你是不是在和音箱对话，而不是在不该出现的时候“插两句嘴”。

现在语音交互用到的技术主要是麦克风阵列、语音识别、语义理解、语音转文字、文字转语音等等，都是人工智能技术最基本的应用，几乎一个十几人的创业团队就能完成。但百度工程师们的小目标，却需要一连串的技术攻坚。

人工智能我相信只要参与的人数次数越多他会进步的很快，大量的云数据库会让他们越来越聪明

智能音箱的智能化操作完全依靠它本身的编程，而这些编程注定了智能音箱只能根据编程进行一些简单的操作，不能进行一些相对复杂的命令，更别说实现多轮对话了，如果你提出的对话是智能音箱本身没有进行设定的，有时它无法回答你的问题。而且它们的对话不夹杂着任何的感情。更多智能家居生活的信息可以关注【千家网】—传播智能化生活理念，推动智能化产品与技术在城市、建筑、家庭与生活中的应用

现在百度已经能够实现多轮对话

人工只能远没有炒作的那样好，任重道远，再过二十年也没大的改观。