百度的人工智能要先讓機器聽懂自然語言

人工智能領域的科學家極少擔心世界會被AI統(tǒng)治，是因為他們知道為了讓機器能夠聽懂人類語言，他們就付出了數(shù)年的努力，谷歌、百度以及微軟這些公司正在做這樣的事情。

“我想聽柴可夫斯基”，百度美國研究院AI實驗室主管Adam Coates向我展示了他們新的語音識別產(chǎn)品，當他對著百度的新的輸入法說出這句話時，鍵盤上錄入了相應的文字。

“大多數(shù)輸入法左下角都有一個麥克風，但一般人們都不用它，因為人們認定這個不會好用?！盇dam說，這是很多語音輸入被忽略的原因，而百度的一項新研究，目標是讓語音輸入比打字更快更精確。

讓機器從聽準到聽懂

約兩年半前，Adam從斯坦福大學畢業(yè)，跟隨導師吳恩達來到百度做深度學習方面的研究，主要將其應用于語音識別。

在百度美國AI實驗室，大多數(shù)員工都是美國人。在語音識別上，他們首先開發(fā)的是英語的版本。用深度學習做語音識別，重要的環(huán)節(jié)是“訓練”機器，即讓系統(tǒng)學習足夠的語音數(shù)據(jù)，在聽到不同的語句時，能夠識別得出來。

“我們給機器訓練了很多英語的數(shù)據(jù)，成千上萬小時?！盇dam說，到2015年年中的時候，他們做出了識別率非常高的實驗室版本，此后花了近一年時間做成了產(chǎn)品，目前在安卓平臺已經(jīng)能夠下載使用。

“我朋友都撓著頭跟我說，Adam你可是在百度這樣一個中國公司，開發(fā)一個英文語音識別工具有什么用呢？”但Adam等人對深度學習有更深的了解，知道在此基礎上開發(fā)中文識別版本并不是難事。

如果使用傳統(tǒng)的機器學習路徑，開發(fā)成其他語言版本幾乎需要重新開發(fā)一遍?！奥犝Z法、聽語音，還要雇傭一堆了解方言的工程師去反復檢查，系統(tǒng)幾乎要重新做一遍。”Adam介紹說，但因為使用的是深度學習的路徑，只需要把中文語音數(shù)據(jù)灌入原有的算法中，訓練一定時間，系統(tǒng)就學會了識別中文。

現(xiàn)在百度語音系統(tǒng)在Adam團隊基礎上開發(fā)出了中文的語音識別平臺?！捌胀ㄔ捠欠浅碗s的，現(xiàn)在他們把基本的算法用到了中國，讓我很自豪的是，我們整個英語團隊研發(fā)的語音識別系統(tǒng)，在影響著中文使用者?！盇dam說。

百度語音識別的一個長處是能夠在中英文混合語境中轉換自如?！昂芏嘀袊嗽谡f話時會夾帶英文單詞，比如你們那很有名的明星‘Angelababy’，在百度的語音識別中能夠自動轉換?！盇dam解釋說。

深度學習如今是硅谷流行的技術，能夠應用在諸多領域。谷歌大腦負責人Jeff Dean近在接受采訪時表示，谷歌現(xiàn)在把深度學習主要利用在自然語言理解和機器感知、醫(yī)療以及機器人等領域。而通俗來說，就是讓機器學會像人一樣能夠聽懂、看得見，從而對外部世界做出反應。

“我想百度AI實驗室認為改變機器和人交流的方式，讓機器能夠理解和識別自然人類的自然語言，是目前重要的事情?！盇dam說，他們團隊這幾年致力于把深度學習運用在人力自然語言識別和理解上，而這也是基于中國市場的需求和痛點而言的。如果想得更遠一些，這能夠讓那些不識字的群體像受過教育的群體一樣與機器自然交流。

“如果語音輸入能夠達到相當高的準確度，人們?yōu)槭裁催€會用鍵盤輸入？”Adam說，在機器對人類自然語言處理準確度達到一定程度時，會改變?nèi)藗兊妮斎肓晳T，同時改變?nèi)藗兒蜋C器交流的方式。

不僅僅是百度，各家都在做這樣的事情，近日微軟發(fā)布報告表示，微軟經(jīng)過訓練的神經(jīng)網(wǎng)絡已可以像人類一樣識別人類的語音。微軟讓NIST 2000自動化系統(tǒng)與專業(yè)速記員進行了比賽，結果顯示，自動化系統(tǒng)的錯誤率首次低于人工。報告稱：“這是會話語音領域首次報告的（自動化系統(tǒng)）達到人工水平?！?/span>

“即便在五年前，我都沒想過我們有一天能達到這個水平，連可能性都沒有想過?！蔽④浫斯ぶ悄芘c研究團隊的執(zhí)行副總裁沈向洋說。

而百度首席科學家吳恩達在自己Facebook上轉發(fā)這則消息時表示，百度的中文識別在2015年已經(jīng)超過人類的識別水平。

但有深度學習研究者向界面新聞解釋說，無論是微軟還是百度，給出的“超過人類識別水平”標準都是一個實驗結果，“一般來說都在一個固定的語音數(shù)據(jù)庫里去訓練機器，研究員會不斷調節(jié)算法，讓機器超過人類水平，與實際應用還是有一定距離?！?/span>

語音識別是通向諸多人工智能場景的一塊基石，比如自動駕駛、AI醫(yī)療等等都需要機器能夠先聽得懂人類的自然語言。音識別研究起源于1970年代的 DARPA（一個為國家安全從事技術研發(fā)的美國政府機構），過去幾十年里，主要的技術公司和研究機構都參與了這一研究。

這并不容易，在Adam向我展示“我想聽柴可夫斯基”這句話時，機器第一次并沒有準確識別出“柴可夫斯基”。Adam隨后手動糾正了這個詞，“無論是單獨說一個詞語或者是像這樣替換一個詞，這個詞是沒有語境的，即便是對人來說，也是一個困難的事情?！盇dam說，他們團隊在過去將近一年的時間從技術上去解決這一問題。

邁向專用人工智能

對于百度來說，他們下一步是把這種精準的語音識別產(chǎn)品運用到更多場景中。

“不僅是精準的聽懂詞匯，而且得掌握人們的要求。”Adam說，他們的姐妹實驗室就在此技術基礎上開發(fā)了問診的產(chǎn)品“du-nurse”，這種基于語音對話的產(chǎn)品，不僅僅是能夠精準地語音識別，還要能夠理解。

除了大公司，一批創(chuàng)業(yè)公司也進入了自然語言處理這一領域。以美國專注于自然語言處理的公司X.AI而言，三輪融資就拿到了3.4億美元，而中國的科大訊飛市值也到達了368億元人民幣，專注于智能語音和自然對話的思必馳在C輪融資就達到了2億元人民幣。

相比大公司，創(chuàng)業(yè)公司在這一領域的劣勢主要是是數(shù)據(jù)。在Adam看來，數(shù)據(jù)也不是不能夠解決，比如通過雇傭人員收集數(shù)據(jù)或者是購買數(shù)據(jù)，當然這些方式都需要較高的成本。

如今在風險投資市場，諸多公司都標榜自己與人工智能以及深度學習有關。

“人們忽略的一個事實是，深度學習沒有那么神奇，算法是可以教會的，一個聰明一些的有傳統(tǒng)機器學習背景的工程師就能夠很快寫出深度學習的產(chǎn)品來?！盇dam說，真正難題是把這些技術真正和用戶深度痛點結合，研發(fā)成能夠影響億萬用戶的產(chǎn)品，成為一個成功的生意，這才是不容易的事情。

這對于百度同樣是一個挑戰(zhàn)。就在百度美國研究院的AI實驗室，為此組建了單獨的產(chǎn)品團隊，與大多數(shù)產(chǎn)品和研發(fā)分開的架構截然不同?！叭斯ぶ悄軙r代與以往已經(jīng)非常不同了，你需要對深度學習等人工智能技術有相當?shù)牧私?，又要懂得用戶的需求，這需要產(chǎn)品團隊有非常多樣化以及有彈性的視角?！?/span>

無論如何，人工智能時代已經(jīng)來臨，它并不僅僅是科幻電影里那樣人工智能技術統(tǒng)治了人類，而是從人類和機器交流方式的改變——不再是鍵盤輸入而是用自然語言交流開始一點點滲入。

就連美國總統(tǒng)奧巴馬近在接受《連線》雜志采訪時都表示，“我的觀察是，人工智能正在以各種方式滲透至人們的生活，但我們尚未察覺?！眾W巴馬說，流行文化對人工智能的描繪存在偏頗，讓大多數(shù)認為人工智能就是像《駭客帝國》那樣的世界，而實際上很多人沒有關注到專用人工智能的那一部分。

所謂專用人工智能，就是這一技術應用到專業(yè)細分領域，比如在醫(yī)療問診領域，這些神經(jīng)網(wǎng)絡能夠學習來自醫(yī)療機構的數(shù)據(jù)，對于用戶的病癥能夠給出診斷和建議，尤其對于一些傳統(tǒng)診療方法需要很長時間做出診斷的病癥，比如糖尿病，AI能夠帶來更好的監(jiān)護。

又比如自動駕駛，“過去成千上萬的工程師為了解決自動駕駛過程中遇到的識別路人識別路標等難題付出了數(shù)年的努力，但距離讓無人駕駛汽車上路仍然有困難，但現(xiàn)在不一樣，從AI的角度，僅僅是一個小的研究團隊就有望解決這個問題?！?/span>

而AI也是大公司們不能夠錯過的重要領域，相比硅谷大多數(shù)公司在進入深度學習領域時只能利用之前的基礎設施等資源，百度整個基礎設施都是為了深度學習重新搭建的，Adam說，“AI說了這么多年，而現(xiàn)在的確到了應用的時候，會把用戶帶到一個全新的領域?！?/span>

官方微博
官方微信公眾號
官方百家號

大同县

托里县

筠连县

东平县

许昌县

博野县

区。

赤水市

保德县

克山县

衡东县

阳江市

新邵县

芒康县