新浪科技 李根

　　如何不再忍耐一个你不爱好的球赛讲解员？除了换台和静音，现在有了新的方法——用机器淘汰他。

　　比起人来说，机器没有情绪偏向，几乎不会涌现低级毛病，比如把援助商sharp当作球员名字进行介绍，也不会因为把握不好节奏漏掉要害的比赛细节，对于历史数据和信息，甚至没有人能击败它，因为它所拥有的是无穷的材料库和迅速搜索分析的能力，而人只能凭借大脑和记忆。

　　用机器实时讲解比赛，这是人工智能和机器学习的场景性利用之一。在这个过程中可以训练机器对于实时场景信息的处理、分析、解读和断定能力。而且如果对于一场高速进行的球赛都能实时讲解，那这种机器的模型和能力就还能利用到更多场景和情况中。

　　百度版“人机大战”

　　出于上述考虑，百度度秘研发团队正在训练旗下人工智能机器人助理——度秘，讲解奥运男子篮球赛，而且为了让这种讲解更富寻衅性和交互性，度秘团队请来了拥有多年篮球讲解经验的杨毅，他将和度秘同场毛病讲解。这是百度版的“人机大战”。

　　篮球讲解员杨毅在讲解直播间，他的毛病将是面前的机器。不同以往，这次别开生面的人机讲解带有协作性质，但也充满寻衅意味。机器和人的差别，可以在赛前、赛中和暂停休息等三个不同场景中被明显感受到。

　　在赛前，对于两队各自情况和数据记载，度秘表现出了机器所具备的“博学性”和正确性，它正确调取了球员信息、历史对战数据等。而这部分工作以前往往是人类讲解员的“功课”，不少讲解员需要赛前消费大批时间搜索、归纳和收拾。

　　杨毅的讲解则只能更加偏向人文性和趣味性，带有较强的主观感性。比如介绍立陶宛时，他能够介绍到立陶宛著名的啦啦队美女，以及如何在立陶宛叫到 一扎啤酒。类似这样的知识，度秘或许也知道，但它很难主动告诉你，速录公司，除非在个性化训练和调校中，它知道你对这些方面的知识感兴趣——它会在后台通过“标签” 给用户刻画画像。

　　比赛中，度秘则开端展现实时讲解比赛的能力，“谁，什么状态，在做什么事情，最后成果如何”，这些比赛基础要素它能够表述明确，会议速记，现场体验来看， 相当于在通过收音机观看比赛。实际上，图文版也在同步进行中，但完整是机器自发的行动，不用再耗费任何人力。而此时，杨毅的作用则是带来缭绕某个状态和场 景延伸开去的信息，并且丰富讲解气氛。打比喻来说，杨毅和度秘在全部比赛过程中相当于在进行一场相声表演：杨毅是插科打诨的捧哏，度秘则是不断缭绕主线进 行论述的逗哏。

　　而在中场休息时间，度秘则带来总结分析，比如数据统计方面，或者更加个性化的数据情况，如某个球员的具体数据等。这些数据此前依附于赛会组织方 面的统计，只有赛会方面统计完毕才干分发到讲解员，但现在，机器可以在讲解的同时完成这部分工作，并在实时比赛间隙播报。如果你是一位“教练”型的观众， 那通过机器带来的数据能够更加清楚地控制比赛走势——此前则有赖于讲解员的个人作风，毕竟不是每一个讲解员都爱在休息时间用数据分析比赛。

　　此外，如果你是一位爱听段子的球迷，机器也能从评论中抓取有趣的评论或人气较高的评论进行“讲解”。

　　机器讲解的背后原理

　　从技巧原理的角度来说，度秘目前可以实现的“讲解”能力重要基于自然语言处理技巧（NLP）。简略来讲，这个处理过程和技巧大致可以分为：对需求信息分析懂得、获取基础信息（包含对文字和图片的信息的搜集、分析和懂得）、实现智能化输出和有作风的讲解。

　　其实这个过程也包含了目前人工智能领域的几大核心技巧：语音辨认、大数据盘算和机器学习。

　　但赛事讲解的特别性在于它比语音辨认更加复杂，也比一般的聊天互动需要更高的智能化程度，因为讲解需要基于领域知识，面向不同层次、需求的用户，懂得比赛当时的形势，用自然、流畅、生动的人类语言讲解出来。

　　主动讲解重要从机器翻译技巧上找到灵感，基于统计和机器学习方法，把基础的统计数据翻译成有趣的人类语言讲解。为了实现这种“有趣”和讲解作风，度秘学习了NBA和2012伦敦奥运会篮球赛的几百场比赛文字讲解，不仅讲人话，还学到了风趣风趣、表情包的运用等。