0
| 本文作者： 劉芳平 | 2017-08-28 13:55 |
雷鋒網(wǎng)消息，8月28日，智能語(yǔ)音交互技術(shù)公司思必馳宣布，阿里iDST總監(jiān)初敏博士加入思必馳，擔(dān)任思必馳VP、思必馳北京研發(fā)院院長(zhǎng)，拓展語(yǔ)音技術(shù)在物聯(lián)網(wǎng)外的新業(yè)務(wù)、新場(chǎng)景的落地。
初敏原來(lái)的團(tuán)隊(duì)交給了阿里 iDST 語(yǔ)音組總監(jiān)鄢志杰管理，“他很能干的”。
在接受雷鋒網(wǎng)專訪時(shí)，初敏表示自己選擇加入思必馳的原因主要是，“對(duì)人工智能特別是語(yǔ)音交互的未來(lái)的觀點(diǎn)”和后者很一致，而且創(chuàng)業(yè)公司可以做到十分專注。
加入思必馳后，初敏將領(lǐng)導(dǎo)建立思必馳北京研發(fā)院，初期目標(biāo)是在一年左右建立50人的團(tuán)隊(duì)，二年達(dá)到100人的規(guī)模。研發(fā)院不僅將進(jìn)行基礎(chǔ)技術(shù)的研究，也將探索語(yǔ)音在更多場(chǎng)景里的應(yīng)用。
初敏是中科院聲學(xué)所博士，主要研究方向覆蓋語(yǔ)音識(shí)別與合成、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘、大數(shù)據(jù)處理和計(jì)算等，在相關(guān)領(lǐng)域發(fā)表了近百篇學(xué)術(shù)論文并取得20多項(xiàng)國(guó)內(nèi)外專利。
2000年，初敏博士加入微軟，在微軟亞洲研究院從事科學(xué)研究近10年，創(chuàng)建并領(lǐng)導(dǎo)語(yǔ)音合成研究小組，研制出了第一個(gè)中英文雙語(yǔ)語(yǔ)音合成系統(tǒng)“木蘭”；
2009年入職阿里巴巴，擔(dān)任阿里iDST智能語(yǔ)音交互方向負(fù)責(zé)人，使Yun OS、支付寶、手機(jī)淘寶、釘釘?shù)犬a(chǎn)品具備語(yǔ)音交互能力；
2017年加入思必馳，擔(dān)任思必馳VP、思必馳北京研發(fā)院院長(zhǎng)，拓展語(yǔ)音技術(shù)在物聯(lián)網(wǎng)外的新業(yè)務(wù)、新場(chǎng)景的落地。
以下為采訪實(shí)錄，雷鋒網(wǎng)作了不改變?cè)獾膭h減。
初敏：其實(shí)我跟老高（高始興）和俞凱很早以前就認(rèn)識(shí)了，但是沒(méi)有聊這方面的事。在阿里八年，感覺(jué)也是時(shí)候迎接一些新的變化和挑戰(zhàn)，陸續(xù)收到很多大公司的橄欖枝，恰巧最近有些機(jī)會(huì)和老高深聊，我覺(jué)得我們對(duì)人工智能特別是語(yǔ)音交互的未來(lái)的觀點(diǎn)其實(shí)蠻一致的。
未來(lái)的3到5年是一個(gè)AI技術(shù)實(shí)用化成型的過(guò)程，是我們的一個(gè)共識(shí)。跟俞凱也談了很多技術(shù)，包括深度學(xué)習(xí)怎么在自然語(yǔ)言中去更好的應(yīng)用，怎么能讓機(jī)器更快地從人這里學(xué)習(xí)。我覺(jué)得蠻談得來(lái)的，有很多共識(shí)做事會(huì)很方便，這是一個(gè)很重要的原因。
阿里的團(tuán)隊(duì)是我建起來(lái)的，團(tuán)隊(duì)來(lái)說(shuō)我們是一個(gè)相當(dāng)好的團(tuán)隊(duì)。公司大有大量的好處，比如資金更充足資源更豐富一些，數(shù)據(jù)、計(jì)算能力這種技術(shù)環(huán)境會(huì)更好，但是思必馳專注只做一件事情的公司，這對(duì)我來(lái)講是有吸引力的。
其實(shí)也跟朋友聊是不是要?jiǎng)?chuàng)業(yè)，我覺(jué)得自己還沒(méi)有這個(gè)勇氣自己去創(chuàng)業(yè)，哈哈，這個(gè)過(guò)程太痛苦了。
但是加入一個(gè)思必馳這樣在創(chuàng)業(yè)過(guò)程的公司，對(duì)我來(lái)說(shuō)逃避了最開(kāi)頭的那一段，希望通過(guò)我的加入能幫助這家公司更快地成長(zhǎng)。
初敏：因?yàn)槠鋵?shí)就是這兩天的事情。我們希望做的事情是，原來(lái)思必馳基本上的團(tuán)隊(duì)是在蘇州，至少技術(shù)團(tuán)隊(duì)是，北京這邊幾乎沒(méi)有技術(shù)人員，但是其實(shí)北京是人才最豐富的地方，所以我會(huì)在北京建立一個(gè)北京的研發(fā)院。
這個(gè)研發(fā)院會(huì)做一些核心技術(shù)的研發(fā)，也會(huì)做一些工程上的，包括真正在應(yīng)用場(chǎng)景中的一些落地。不只是把原來(lái)的東西做得更精細(xì)，而是開(kāi)辟出更多新場(chǎng)景，使整個(gè)語(yǔ)音交互為核心的技術(shù)能有更強(qiáng)更多的輻射面。
我們這些做技術(shù)出身的人，就是希望自己做的技術(shù)真的被很多人用，這是最大的成功。掙多少錢是附帶的，因?yàn)檫@個(gè)過(guò)程中不掙錢的話做不到那一步，只要能做到那步一定能掙到錢。但是最大的是自我的成就感，一定是來(lái)自于很多人用而且感覺(jué)很好。
初敏：在規(guī)劃之中，主要思路是主要以研發(fā)人員為主，核心技術(shù)以及工程落地的，以后可能會(huì)有一些業(yè)務(wù)落地的。
希望在一年左右能招到50人左右，兩年左右可能是一百人的規(guī)模。
細(xì)的東西還要更細(xì)致地做工作以后才能把詳細(xì)計(jì)劃落實(shí)，但是現(xiàn)在開(kāi)始我們也開(kāi)始在招聘，包括北京新的HR開(kāi)始要招募了。因?yàn)樵瓉?lái)都是蘇州整個(gè)管掉，現(xiàn)在也會(huì)在這配套。
初敏：我們建立的團(tuán)隊(duì)不是一個(gè)純研究的團(tuán)隊(duì)。今天我覺(jué)得中國(guó)所有的團(tuán)隊(duì)都不是一個(gè)像以前在微軟MSRA一樣的研究團(tuán)隊(duì)，包括iDST也不是。
北京的團(tuán)隊(duì)我稱之為研發(fā)，有研究的成員，但最終一定是開(kāi)發(fā)成一個(gè)完整的東西，然后這個(gè)東西是可以用的。
你剛才說(shuō)的這個(gè)，我有非常多的實(shí)踐經(jīng)驗(yàn)，特別是在過(guò)去這幾年碰到了很多用戶的實(shí)際問(wèn)題，的確是這樣子的。但是也不能說(shuō)技術(shù)就是錦上添花，而是說(shuō)這兩個(gè)腿都不能短。一個(gè)是核心技術(shù)的研發(fā)，一個(gè)是所謂的工程導(dǎo)向或者是產(chǎn)品導(dǎo)向?？偠灾?，要把產(chǎn)品用戶體驗(yàn)做到完備兩個(gè)都必須有。
我們?cè)趦蓧K都會(huì)做，思必馳不是定位在產(chǎn)業(yè)鏈條的某一個(gè)環(huán)節(jié)，而是希望至少把語(yǔ)音交互這個(gè)完整場(chǎng)景做出來(lái)，包含了鏈條中的每個(gè)環(huán)節(jié)。
因?yàn)檫@個(gè)過(guò)程是相輔相成的，過(guò)程有好多環(huán)節(jié)，這些環(huán)節(jié)是個(gè)鏈條，只要有一個(gè)鏈條出問(wèn)題，最后的用戶體驗(yàn)就會(huì)很差。所以要把整個(gè)鏈條閉合，從核心技術(shù)到平臺(tái)到產(chǎn)品一直到用戶體驗(yàn)。
鏈條上的基礎(chǔ)建設(shè)，好多都是核心技術(shù)，比如語(yǔ)音識(shí)別本身深度學(xué)習(xí)的建模技術(shù)可以做到更好。
但是下一個(gè)問(wèn)題是如果數(shù)據(jù)是在A場(chǎng)景采集的，拿到B場(chǎng)景不好了，模型換成B場(chǎng)景可能不太好了，那么要多快，用什么樣的數(shù)據(jù)規(guī)模，多長(zhǎng)時(shí)間把它帶過(guò)去，這時(shí)候會(huì)有一個(gè)困難的轉(zhuǎn)移過(guò)程?？梢詮念^到尾訓(xùn)，也可以做Transfer Learning，這個(gè)就是比核心技術(shù)了。
但是話又說(shuō)回來(lái)，最終還是需要一個(gè)鏈條。最后希望達(dá)到的是，客戶給我上傳，比如說(shuō)多少多少小時(shí)的一個(gè)標(biāo)準(zhǔn)數(shù)據(jù)，我很快就得到一個(gè)模型，那在他這個(gè)地方就好了。所以實(shí)際上是場(chǎng)景的適應(yīng)能力，解決一些這樣的問(wèn)題，最終才能大規(guī)模的把這個(gè)技術(shù)鋪開(kāi)。
我在這邊也會(huì)去搭建這種基礎(chǔ)設(shè)施，核心實(shí)力我認(rèn)為就是快。對(duì)于核心實(shí)力我一直認(rèn)為，特別是在今天這種所謂的大數(shù)據(jù)時(shí)代，數(shù)據(jù)很多（理論上很多，但實(shí)際上分散在不同領(lǐng)域）。要把數(shù)據(jù)管理好，把不同場(chǎng)景的數(shù)據(jù)更好地用起來(lái)，包括在一個(gè)新的場(chǎng)景中用起來(lái)。這里就有核心算法的的提升空間了，也有很多工程上要把這件事情做順暢的方面。
還是剛才說(shuō)的，這兩個(gè)腿都做起來(lái)，迭代效率快，那你將來(lái)去實(shí)施就很快，才真正具備商業(yè)化的能力，要不然都是A項(xiàng)目B項(xiàng)目C項(xiàng)目，做一個(gè)項(xiàng)目花的成本差不多，那就很辛苦。
我們要做到的是，做第一個(gè)項(xiàng)目，比如花費(fèi)是1，第二個(gè)項(xiàng)目花費(fèi)可能是0.5，第三個(gè)項(xiàng)目花費(fèi)就是0.3了，以后可能每一個(gè)項(xiàng)目生成就是花個(gè)0.1、0.15的代價(jià)，甚至做到更低，這時(shí)候才能從一個(gè)到一百個(gè)或者到幾百個(gè)。
磨就是這個(gè)過(guò)程。每復(fù)制一次，成本都下降，實(shí)現(xiàn)規(guī)?；?，最終產(chǎn)生經(jīng)濟(jì)效益。
初敏：思必馳在一些現(xiàn)有的地方還是蠻強(qiáng)的，比如在汽車，特別是后裝，還有智能家居包括音箱，其實(shí)好多家用的都是我們的解決方案。
我希望我進(jìn)來(lái)不是在這些地方添點(diǎn)磚加點(diǎn)瓦，而是會(huì)試圖去探索一些新場(chǎng)景，現(xiàn)在有很多可能性，是什么今天還沒(méi)有完全弄清楚。所以會(huì)從招聘開(kāi)始，和底層一些技術(shù)建設(shè)，場(chǎng)景還是要慢慢看的，沒(méi)有那么快，但是一定會(huì)去探索更多的，我相信是很多的。
初敏：目前還沒(méi)有，原因也比較清晰，就是實(shí)際上這個(gè)鏈條很長(zhǎng)，如果我們什么都做了，很有可能做不好。而且做了這個(gè)端實(shí)際上和別的端是競(jìng)爭(zhēng)的關(guān)系，所以今天我覺(jué)得可能不會(huì)往實(shí)際產(chǎn)品做，但是也不排除自己去做一兩個(gè)demo，更好地展示技術(shù)。
初敏：我覺(jué)得蠻有爭(zhēng)議的，不是特別看好。首先，我覺(jué)得Echo是不是真的叫成功，就是看你怎么定義成功，如果從品牌、影響的角度來(lái)看，是挺成功的，因?yàn)樗昧诉@整個(gè)潮流，出了影響，一堆人跟著做。
但是我也跟有些人聊過(guò)，實(shí)際上它的粘性并不見(jiàn)得好，大家因好玩新鮮，所以買了一個(gè)回家，但是有多少人在買回家三個(gè)月后還在天天用，很少。換句話說(shuō)這個(gè)音箱是不是真的解決了問(wèn)題，變成一個(gè)必需品，這個(gè)問(wèn)題沒(méi)有看到。
美國(guó)市場(chǎng)和中國(guó)市場(chǎng)也不太一樣，美國(guó)市場(chǎng)大概只聽(tīng)到這兩個(gè)（Echo和Google Home）。中國(guó)沒(méi)有這樣的領(lǐng)導(dǎo)產(chǎn)品，一堆公司在做。中國(guó)今天最大的問(wèn)題還是沒(méi)解決核心問(wèn)題，很多人只是買它來(lái)玩一下，知道它能干啥，之后可能就沒(méi)興趣了，真的有什么事總找音箱做的很少。
有幾個(gè)原因，一是他上頭能干的事情真的太少了，一個(gè)東西必須讓我覺(jué)得能信賴他，至少一類事情我持續(xù)找它，它都能做，對(duì)這我才會(huì)養(yǎng)成習(xí)慣。所以我覺(jué)得這不光是語(yǔ)音技術(shù)的問(wèn)題了，是背后他到底能干什么事。今天還大家還稱之為音箱，那就是聽(tīng)音樂(lè)，那顯然這樣子的音箱聽(tīng)音樂(lè)都不是最好的選擇，就是大幾百塊錢的音箱，也不是好到哪里的。
Echo稍微好一點(diǎn)，接入了很多控制功能，美國(guó)人房子大，在樓上關(guān)下樓下的燈什么的，這種需求可能還稍微強(qiáng)一點(diǎn)，在中國(guó)沒(méi)有這么強(qiáng)，當(dāng)然從某種角度講還是存在的。
所以我覺(jué)得最后的爭(zhēng)論不是技術(shù)問(wèn)題，不是說(shuō)語(yǔ)音識(shí)別準(zhǔn)不準(zhǔn)（當(dāng)然它也有問(wèn)題），是說(shuō)它能聽(tīng)懂的話，我想干的事情里他能做多少，這是我覺(jué)得最關(guān)鍵的。
初敏：深度學(xué)習(xí)到今天雖然已經(jīng)很火了，好像已經(jīng)到處都是了，一般相關(guān)的學(xué)術(shù)會(huì)議可能至少一半或者更高的論文都和它相關(guān)。但是我今天的觀點(diǎn)是還沒(méi)有到飽和期，技術(shù)的替代是一個(gè)過(guò)程。就像語(yǔ)音識(shí)別從深度學(xué)習(xí)獲得的第一步成功，是在原有的HMM框架后加了一塊，把原來(lái)的模型提升了。
所以這個(gè)（技術(shù)替代）過(guò)程中還是有很多嘗試可以做的。語(yǔ)音現(xiàn)在的這套統(tǒng)計(jì)的深度學(xué)習(xí)框架，不是一個(gè)完全的理論推導(dǎo)的技術(shù)，是有個(gè)基本的理論框架，最后它是否work，是靠實(shí)驗(yàn)來(lái)做的。
包括它們的拓?fù)浣Y(jié)構(gòu)，建模單元的大小，因?yàn)槠鸩蕉际且蕾囋瓉?lái)那套體系，所以后續(xù)能做的事情還有很多，比如變一變建模單元。會(huì)慢慢的把原來(lái)的那些東西換掉，然后去嘗試新的東西，像現(xiàn)在很多新的模型其實(shí)就是在改變單元，因?yàn)閱卧淮蠼獯a速度就快很多。
另外一方面是場(chǎng)景適應(yīng)，傳統(tǒng)我們叫它adaptation，或者你也可以叫它Transfer Learning，這塊也可以嘗試不同的方法。
還有，語(yǔ)音里頭現(xiàn)在更多是聲學(xué)模型上用了深度學(xué)習(xí)，語(yǔ)言模型上有嘗試，但沒(méi)有特別的成功，因?yàn)檎Z(yǔ)言模型計(jì)算復(fù)雜度高。但是今天雞肋并不證明這個(gè)方法不對(duì)，而是還沒(méi)有做出最好的方法，這一部分也有很多人在嘗試。所以我覺(jué)得至少還有個(gè)五年、十年的空間它才會(huì)飽和。
但是，也不排除在這個(gè)過(guò)程中會(huì)長(zhǎng)出新的分支，比這個(gè)看起來(lái)還更優(yōu)秀，那也是有可能的，特別是在自然語(yǔ)言上，我覺(jué)得空間更大。
我覺(jué)得自然語(yǔ)言處理還處于非常早期的階段。語(yǔ)音的識(shí)別很難，但是他是一個(gè)定義非常清晰的問(wèn)題，進(jìn)去這段錄音出來(lái)就是這個(gè)字，沒(méi)有二義性，所以是最適合學(xué)習(xí)。自然語(yǔ)言是問(wèn)題沒(méi)定義清楚，你可以這樣定義問(wèn)題，把它定一個(gè)分類問(wèn)題，也可以把它變成一個(gè)序列轉(zhuǎn)換問(wèn)題，而且一個(gè)任務(wù)是由好多小問(wèn)題組成，還是作為一個(gè)整體。所以在自然語(yǔ)言里還需要想怎么更好地使用深度學(xué)習(xí)，包括可能需要引入強(qiáng)化學(xué)習(xí)的概念，那么要怎么引入？
比如強(qiáng)化學(xué)習(xí)里一直擔(dān)心什么是reward，怎么定義成功失敗，有很多這些問(wèn)題。這塊明顯的還能走更長(zhǎng)，包括問(wèn)題怎么定義法，以前分的小問(wèn)題是不是可以用一個(gè)問(wèn)題就能解等，這些地方我覺(jué)得有很多可嘗試的空間。
4月16日 20:30-21:30 ，雷鋒網(wǎng)旗下學(xué)術(shù)頻道 AI 科技評(píng)論聯(lián)合AI慕課學(xué)院、騰訊課堂邀請(qǐng)思必馳CMO龍夢(mèng)竹為大家?guī)?lái)一場(chǎng)直播分享！點(diǎn)擊鏈接報(bào)名參與吧??！
課程主題：《人工智能需要科學(xué)家，也需要普通人》
報(bào)名鏈接：https://ke.qq.com/huodong/aiqzzty_pc/index.html#tuin=8f7939df
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
