0
| 本文作者： 周翔 | 2017-03-28 13:27 |
雷鋒網(wǎng)按：本月 18 日，由美中技術(shù)與創(chuàng)新協(xié)會(huì)（Association of Technology and Innovation，ATI）主辦的第一屆“AI NEXT”大會(huì)在西雅圖召開。本次會(huì)議的主要嘉賓包括：微軟首席 AI 科學(xué)家鄧力，微軟院士黃學(xué)東，Uber 深度學(xué)習(xí)負(fù)責(zé)人 Luming Wang 等。華人之外，還有亞馬遜 Alexa 首席科學(xué)家 Nikko Strom，微軟小娜架構(gòu)師 Savas Parastatidis 等業(yè)內(nèi)知名專家。
大會(huì)主題是“探索 AI 的潛力，把 AI 技術(shù)應(yīng)用于實(shí)用項(xiàng)目和服務(wù)”，對(duì) CV、NLP、智能助手、深度學(xué)習(xí)框架均做了專題報(bào)告。微軟首席語(yǔ)音科學(xué)家黃學(xué)東也發(fā)表了演講，對(duì)微軟的人工智能業(yè)務(wù)和進(jìn)展做了全面的介紹和梳理。雷鋒網(wǎng)根據(jù)演講錄音和PPT整理成文。
雷鋒網(wǎng)注： 黃學(xué)東于1993年加入微軟，目前領(lǐng)導(dǎo)微軟在美國(guó)、德國(guó)、埃及、以色列的團(tuán)隊(duì)研發(fā)研發(fā)微軟企業(yè)人工智能客服對(duì)話解決方案 、cris.ai 和 luis.ai 等認(rèn)知服務(wù)、CNTK 開源深度學(xué)習(xí)工具等人工智能產(chǎn)品和技術(shù)。2017年2月，黃學(xué)東剛剛被評(píng)為“微軟全球技術(shù)院士”，這代表著微軟技術(shù)人員的最高榮譽(yù)。
其實(shí)，“人工智能（Artificial Intelligence）”一詞最初是在1956年DARTMOUTH學(xué)會(huì)上提出的，但是為何一直到如今人工智能技術(shù)才步入快速發(fā)展的軌道？黃學(xué)東認(rèn)為，主要是兩方面的原因：海量的數(shù)據(jù)，以及計(jì)算能力的大幅提升。目前，人工智能主要集中在視覺、語(yǔ)音、語(yǔ)言和知識(shí)（圖譜）四個(gè)領(lǐng)域，但是未來計(jì)算機(jī)將能夠理解這個(gè)世界。
根據(jù)黃學(xué)東的介紹， 目前微軟的AI業(yè)務(wù)可以分成代理（Agent）、應(yīng)用（ Application）、服務(wù)（Service）、基礎(chǔ)設(shè)施（Infrastructure）這四大塊。
代理：Cortana（中文名：微軟小娜）、微軟小冰、Toronto Project（客服助手）
應(yīng)用：Office 365、Dynamicas 365（整合CRM和ERP的云服務(wù)解決方案）、SwiftKey（輸入法）、Pix（拍照軟件）
服務(wù) ：聊天機(jī)器人框架（Bot Framework）、認(rèn)知服務(wù)（Cognitive Services）、Cortana智能、認(rèn)知工具包（Cognitive Toolkit）
基礎(chǔ)設(shè)施：適用于機(jī)器學(xué)習(xí)的Azure 、Azure N Series（GPU + FPGA）、FGPA（現(xiàn)場(chǎng)可編程門陣列）
1954年，IBM和喬治城大學(xué)首次展示了能力非常有限的機(jī)器翻譯系統(tǒng)。
1966年，John Pierce發(fā)布了一份關(guān)于“語(yǔ)言技術(shù)”非常關(guān)鍵的報(bào)告。
1975年——1986年，美國(guó)政府沒有任何撥款支持機(jī)器翻譯或者語(yǔ)音識(shí)別，發(fā)展陷入停滯。
1985年，“共同任務(wù)（common task）”方法的出現(xiàn)，研究人員開始共享數(shù)據(jù)。
2007年，基于統(tǒng)計(jì)學(xué)谷歌的翻譯上線。
2011年，Siri登陸iPhone。
2016年，微軟的語(yǔ)音識(shí)別系統(tǒng)的達(dá)到人類水平，同年谷歌發(fā)布支持8種語(yǔ)言的神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)。
雖然目前神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)還經(jīng)常鬧出各種笑話，但是黃學(xué)東認(rèn)為，在未來幾年內(nèi)，計(jì)算機(jī)的翻譯水平有可能會(huì)和目前的語(yǔ)音識(shí)別一樣，達(dá)到人類（專家）的水平。
黃學(xué)東在演講中提到，微軟于1991建立了Research Lab，該實(shí)驗(yàn)室的愿景是讓計(jì)算機(jī)具備“看（see）、聽（listen）、說（speak）”的能力。1993年，微軟成立語(yǔ)音小組（Speech Group），希望能夠讓人與設(shè)備之間的語(yǔ)音交流成為主流。而如今，這一愿景正在實(shí)現(xiàn)。黃學(xué)東在演講中特別提到了《經(jīng)濟(jì)學(xué)人》今年1月份的封面文章——“Now we're talking”，該文章認(rèn)為語(yǔ)音技術(shù)讓計(jì)算機(jī)不那么令人生畏，而且更易接近。
黃學(xué)東稱，1993年的時(shí)候，他們做的語(yǔ)音對(duì)話識(shí)別的詞錯(cuò)率(word error rate，簡(jiǎn)稱WER)高達(dá)80%。然而2016年9月14日，由黃學(xué)東帶領(lǐng)的微軟語(yǔ)音團(tuán)隊(duì)在產(chǎn)業(yè)標(biāo)準(zhǔn)Switchboard語(yǔ)音識(shí)別基準(zhǔn)測(cè)試中，實(shí)現(xiàn)詞錯(cuò)率低至6.3%的這一技術(shù)突破，這比IBM的6.6%詞錯(cuò)率更低，達(dá)到目語(yǔ)音識(shí)別領(lǐng)域錯(cuò)誤率最低的水平。僅僅一個(gè)月后的10月18日，黃學(xué)東團(tuán)隊(duì)進(jìn)一步將詞錯(cuò)率降低至 5.9%，首次與專業(yè)速記員持平。
這個(gè)人類水平的對(duì)話語(yǔ)音識(shí)別系統(tǒng)用到了10個(gè)不同的DNN（深度神經(jīng)網(wǎng)絡(luò)）。據(jù)雷鋒網(wǎng)了解，其具體實(shí)現(xiàn)過程是：首先用包括了ResNet（殘差網(wǎng)絡(luò)）、LSTM（長(zhǎng)短期記憶網(wǎng)絡(luò)）在內(nèi)的6個(gè)不同的神經(jīng)網(wǎng)絡(luò)組合并行工作，其結(jié)果再通過4個(gè)新的神經(jīng)網(wǎng)絡(luò)組合之后再輸出，最終達(dá)到專業(yè)速記員的水平。
但是黃學(xué)東表示，目前計(jì)算機(jī)的對(duì)語(yǔ)音的識(shí)別還只停留在轉(zhuǎn)錄階段，想要真正理解語(yǔ)義還非常困難。
黃學(xué)東表示，語(yǔ)音技術(shù)除了能夠用作娛樂用途之外，還能夠做很專業(yè)的事，比如技術(shù)支撐（technical support）。它在演講中提到，微軟除了語(yǔ)音助手Cortana和聊天機(jī)器人小冰之外，還有一個(gè)代號(hào)為“Toronto”的客服助手項(xiàng)目。
Toronto是基于深度強(qiáng)化學(xué)習(xí)的人工智能，能夠理解對(duì)話中的上下文，讓客服聊天機(jī)器人更加人性化、更加高效。
根據(jù)PPT的介紹，Toronto不僅能自動(dòng)回復(fù)，給出建議，還能在解答不了時(shí)提示用戶轉(zhuǎn)接人工服務(wù)。此外，它還能幫助人工客服快速了解用戶信息，給出回答建議，并可以轉(zhuǎn)接給其他的工作人員，甚至還有錄音功能。
當(dāng)然，黃學(xué)東也表示，這些聊天助手和語(yǔ)音識(shí)別不一樣，并沒有一個(gè)已經(jīng)建立起來的有效訓(xùn)練方法（established recipe）。
黃學(xué)東此前曾表示，微軟的深度學(xué)習(xí)工具包CNTK其實(shí)比谷歌的TensorFlow開源的要早，但是由于一開始 并不是發(fā)布在GitHub上，所以外界知道的人相對(duì)少一些。但是黃學(xué)東表示，根據(jù)基準(zhǔn)測(cè)試的結(jié)果，CNTK比谷歌的TensorFlow和亞馬遜的MxNet的性能要更好：相同條件下，CNTK每秒能夠處理的樣本更多。
此外，黃學(xué)東還列舉了ComputerWorld今年2月的評(píng)測(cè)結(jié)果，來證明微軟在深度學(xué)習(xí)方面的實(shí)力。從圖中可以看出，微軟認(rèn)知工具包（Cognitive Toolkit）v2.0 beta 1版本在性能、開發(fā)的難易程度、以及部署的難易程度這三個(gè)方面表現(xiàn)突出，而綜合表現(xiàn)僅次于谷歌的TensorFlow r0.10。
目前，微軟認(rèn)知服務(wù)的API主要包括語(yǔ)言、語(yǔ)音、機(jī)器學(xué)習(xí)、視覺、搜索、知識(shí)這幾大類。據(jù)黃學(xué)東介紹，微軟的認(rèn)知工具包有以下三大優(yōu)勢(shì)：
速度&可擴(kuò)展性：微軟認(rèn)知工具包訓(xùn)練和評(píng)估深度學(xué)習(xí)算法比其他的工具包都快，而且可以在不同的環(huán)境下有效擴(kuò)展的同時(shí)保持精度。
商業(yè)級(jí)的質(zhì)量：使用了復(fù)雜的算法以及大量的數(shù)據(jù)集。
兼容性：可以使用C++、Python等語(yǔ)言，而且能夠定制內(nèi)置訓(xùn)練算法，甚至使用自己的算法。
【招聘】雷鋒網(wǎng)堅(jiān)持在人工智能、無人駕駛、VR/AR、Fintech、未來醫(yī)療等領(lǐng)域第一時(shí)間提供海外科技動(dòng)態(tài)與資訊。我們需要若干關(guān)注國(guó)際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優(yōu)良的外翻編輯加入。
簡(jiǎn)歷投遞至 wudexin@leiphone.com，工作地 北京。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
