0
| 本文作者： 周翔 | 2017-03-28 13:27 |
雷鋒網(wǎng)按：本月 18 日，由美中技術與創(chuàng)新協(xié)會（Association of Technology and Innovation，ATI）主辦的第一屆“AI NEXT”大會在西雅圖召開。本次會議的主要嘉賓包括：微軟首席 AI 科學家鄧力，微軟院士黃學東，Uber 深度學習負責人 Luming Wang 等。華人之外，還有亞馬遜 Alexa 首席科學家 Nikko Strom，微軟小娜架構師 Savas Parastatidis 等業(yè)內(nèi)知名專家。
大會主題是“探索 AI 的潛力，把 AI 技術應用于實用項目和服務”，對 CV、NLP、智能助手、深度學習框架均做了專題報告。微軟首席語音科學家黃學東也發(fā)表了演講，對微軟的人工智能業(yè)務和進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： 黃學東于1993年加入微軟，目前領導微軟在美國、德國、埃及、以色列的團隊研發(fā)研發(fā)微軟企業(yè)人工智能客服對話解決方案 、cris.ai 和 luis.ai 等認知服務、CNTK 開源深度學習工具等人工智能產(chǎn)品和技術。2017年2月，黃學東剛剛被評為“微軟全球技術院士”，這代表著微軟技術人員的最高榮譽。
其實，“人工智能（Artificial Intelligence）”一詞最初是在1956年DARTMOUTH學會上提出的，但是為何一直到如今人工智能技術才步入快速發(fā)展的軌道？黃學東認為，主要是兩方面的原因：海量的數(shù)據(jù)，以及計算能力的大幅提升。目前，人工智能主要集中在視覺、語音、語言和知識（圖譜）四個領域，但是未來計算機將能夠理解這個世界。
根據(jù)黃學東的介紹， 目前微軟的AI業(yè)務可以分成代理（Agent）、應用（ Application）、服務（Service）、基礎設施（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）
應用：Office 365、Dynamicas 365（整合CRM和ERP的云服務解決方案）、SwiftKey（輸入法）、Pix（拍照軟件）
服務 ：聊天機器人框架（Bot Framework）、認知服務（Cognitive Services）、Cortana智能、認知工具包（Cognitive Toolkit）
基礎設施：適用于機器學習的Azure 、Azure N Series（GPU + FPGA）、FGPA（現(xiàn)場可編程門陣列）
1954年，IBM和喬治城大學首次展示了能力非常有限的機器翻譯系統(tǒng)。
1966年，John Pierce發(fā)布了一份關于“語言技術”非常關鍵的報告。
1975年——1986年，美國政府沒有任何撥款支持機器翻譯或者語音識別，發(fā)展陷入停滯。
1985年，“共同任務（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)計學谷歌的翻譯上線。
2011年，Siri登陸iPhone。
2016年，微軟的語音識別系統(tǒng)的達到人類水平，同年谷歌發(fā)布支持8種語言的神經(jīng)網(wǎng)絡翻譯系統(tǒng)。
雖然目前神經(jīng)網(wǎng)絡翻譯系統(tǒng)還經(jīng)常鬧出各種笑話，但是黃學東認為，在未來幾年內(nèi)，計算機的翻譯水平有可能會和目前的語音識別一樣，達到人類（專家）的水平。
黃學東在演講中提到，微軟于1991建立了Research Lab，該實驗室的愿景是讓計算機具備“看（see）、聽（listen）、說（speak）”的能力。1993年，微軟成立語音小組（Speech Group），希望能夠讓人與設備之間的語音交流成為主流。而如今，這一愿景正在實現(xiàn)。黃學東在演講中特別提到了《經(jīng)濟學人》今年1月份的封面文章——“Now we're talking”，該文章認為語音技術讓計算機不那么令人生畏，而且更易接近。
黃學東稱，1993年的時候，他們做的語音對話識別的詞錯率(word error rate，簡稱WER)高達80%。然而2016年9月14日，由黃學東帶領的微軟語音團隊在產(chǎn)業(yè)標準Switchboard語音識別基準測試中，實現(xiàn)詞錯率低至6.3%的這一技術突破，這比IBM的6.6%詞錯率更低，達到目語音識別領域錯誤率最低的水平。僅僅一個月后的10月18日，黃學東團隊進一步將詞錯率降低至 5.9%，首次與專業(yè)速記員持平。
這個人類水平的對話語音識別系統(tǒng)用到了10個不同的DNN（深度神經(jīng)網(wǎng)絡）。據(jù)雷鋒網(wǎng)了解，其具體實現(xiàn)過程是：首先用包括了ResNet（殘差網(wǎng)絡）、LSTM（長短期記憶網(wǎng)絡）在內(nèi)的6個不同的神經(jīng)網(wǎng)絡組合并行工作，其結果再通過4個新的神經(jīng)網(wǎng)絡組合之后再輸出，最終達到專業(yè)速記員的水平。
但是黃學東表示，目前計算機的對語音的識別還只停留在轉錄階段，想要真正理解語義還非常困難。
黃學東表示，語音技術除了能夠用作娛樂用途之外，還能夠做很專業(yè)的事，比如技術支撐（technical support）。它在演講中提到，微軟除了語音助手Cortana和聊天機器人小冰之外，還有一個代號為“Toronto”的客服助手項目。
Toronto是基于深度強化學習的人工智能，能夠理解對話中的上下文，讓客服聊天機器人更加人性化、更加高效。
根據(jù)PPT的介紹，Toronto不僅能自動回復，給出建議，還能在解答不了時提示用戶轉接人工服務。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，并可以轉接給其他的工作人員，甚至還有錄音功能。
當然，黃學東也表示，這些聊天助手和語音識別不一樣，并沒有一個已經(jīng)建立起來的有效訓練方法（established recipe）。
黃學東此前曾表示，微軟的深度學習工具包CNTK其實比谷歌的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少一些。但是黃學東表示，根據(jù)基準測試的結果，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，黃學東還列舉了ComputerWorld今年2月的評測結果，來證明微軟在深度學習方面的實力。從圖中可以看出，微軟認知工具包（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，微軟認知服務的API主要包括語言、語音、機器學習、視覺、搜索、知識這幾大類。據(jù)黃學東介紹，微軟的認知工具包有以下三大優(yōu)勢：
速度&可擴展性：微軟認知工具包訓練和評估深度學習算法比其他的工具包都快，而且可以在不同的環(huán)境下有效擴展的同時保持精度。
商業(yè)級的質(zhì)量：使用了復雜的算法以及大量的數(shù)據(jù)集。
兼容性：可以使用C++、Python等語言，而且能夠定制內(nèi)置訓練算法，甚至使用自己的算法。
【招聘】雷鋒網(wǎng)堅持在人工智能、無人駕駛、VR/AR、Fintech、未來醫(yī)療等領域第一時間提供海外科技動態(tài)與資訊。我們需要若干關注國際新聞、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)授權禁止轉載。詳情見轉載須知。
