我盯着茶几上那个拆得七零八落的智能音箱，感觉自己的脑子跟这些零件一样——支离破碎，拼不回原样。这玩意儿是小李团队最新研发的“第三代智能语音助手”，据说能听懂方言、识别情绪、还能根据对话内容推荐音乐。可现在它躺在这儿，像条被解剖的鱼，而我就是那个拿着手术刀却不知道从哪下手的庸医。
“爷爷，它死了吗？”孙子趴在我腿边，小心翼翼地问。
“没死，”我叹气，“就是...植物人状态。”
事情的起因是上周三。小李兴冲冲地抱着这个新样品来找我，眼睛亮得像探照灯：“陆老师！我们突破了！您试试，现在它能听懂咱们本地土话了！”
我试了试。用老家方言说了句“开灯”，音箱纹丝不动。小李赶紧解释：“可能...可能您发音不太标准？”
我又试了句“今天天气怎么样”，这次音箱有反应了——它开始播放《最炫民族风》，音量开到最大，震得茶几上的茶杯都在跳舞。
小李的脸当场就绿了。小张赶紧掏出笔记本电脑调试，折腾了一下午，最后沮丧地说：“陆老师，算法可能有点问题...我们得拿回去改改。”
这一改就是一周。昨天小李打电话来，声音蔫得像霜打的茄子：“陆老师，我们遇到瓶颈了。识别准确率卡在百分之八十上不去，情绪判断更是乱来，用户说‘我很难过’，它给人家放《今天是个好日子》...”
于是今天，他们把这堆零件搬到了我家，说是“请陆老师帮忙会诊”。我看着满桌子的电路板、芯片、传感器，头大如斗。我是搞管理出身的，懂点市场，懂点战略，可这人工智能算法？那是另一个世界的事。
“陆老师，您看这儿。”小张指着主控芯片旁边的一个小模块，“这是我们新加的‘情感识别传感器’，能通过声音的波动判断用户情绪。理论上是先进的，可实际效果...”
他接上电源，对着音箱说了句“我很生气”，语气故意加重。音箱沉默了三秒，然后一个甜美的女声说：“检测到您情绪低落，为您播放轻松音乐——”接着又开始放《最炫民族风》。
我差点笑出声，赶紧忍住：“这...这是怎么判断的？”
“算法逻辑有问题。”小张推了推眼镜，“我们把‘音量大’等同于‘情绪激动’，把‘语速快’等同于‘高兴’...可实际上，人生气时也可能音量小但语气冷，高兴时也可能语速慢但声音轻...”
好家伙，听着就复杂。我拿起那个“情感识别传感器”，翻来覆去地看。就是个小黑盒子，上面有几个小孔，看着平平无奇。
“这东西，原理是什么？”我问。
“通过麦克风采集声音，分析频率、振幅、节奏这些参数，再跟情绪数据库做匹配。”小张解释得很专业，但我只听懂了一半。
孙子在旁边玩零件，突然拿起一个小喇叭：“爷爷，这个像不像小蜗牛？”
我看着那个喇叭，忽然灵光一现：“小张，你们这个数据库里的‘情绪样本’，是哪来的？”
“呃...是从公开的情感语音数据库下载的，主要是英语和普通话的标准发音...”小张有点不好意思，“方言和带口音的样本比较少...”
我明白了。这就好比用北京话的教材去教一个广东人说话，能对得上才怪。
“这样，”我把零件归拢到一起，“你们去找点真实的语音样本。菜市场、公园、公交车站...去录真实的人说话，高兴的、生气的、难过的，各种各样的。”
小李眼睛一亮：“对啊！我们之前太依赖标准数据库了！真实的语音才是最好的样本！”
说干就干。接下来几天，小李团队化身“街头录音师”，拿着设备到处跑。我偶尔也跟着去，坐在公园长椅上，看他们怎么跟大爷大妈套近乎。
最有意思的是在菜市场。小刘假装买菜的，跟一个因为菜价太贵而抱怨的大妈聊了半天，偷偷录下了她“愤怒”的语音。后来大妈发现他在录音，不但没生气，反而来劲了：“小伙子，你是不是搞研究的？我跟你说，现在的菜价啊，真是气得人肝疼！我年轻时候...”
最后大妈贡献了长达二十分钟的“情绪语音”，从愤怒到无奈到感慨，情绪层次丰富得能当教学案例。
样本收集得差不多了，新的问题又来了：怎么标注？哪些声音算“高兴”，哪些算“生气”？团队内部先吵起来了。
小张认为应该用算法自动标注，小李觉得该请专业心理学人士，小刘提议众包——找网友来听，投票决定。
三个人争得面红耳赤，最后跑来找我评理。我听完，问了一个问题：“你们这个产品，最后是谁用？”
“用户啊。”三人异口同声。
“那为什么不直接问用户？”我说，“做个简单的测试程序，让用户自己标——听到这句话，你感觉说话人是什么情绪？高兴就点笑脸，生气就点生气脸...”
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！