科大訊飛在拿大數(shù)據(jù)做什么生意

本文作者：李勤

2016-12-08 15:45

導語：訊飛不會只把雞蛋放在語音這個籃子里，他們還可能把雞蛋拿出來孵小雞。

某天，編輯看到一位同事拿著手機和電腦在“聲情并茂”地朗讀他自己寫的稿件。

是不是太激動，覺得自己這篇可以點擊量“十萬＋”？懷著這樣的疑問，編輯聽他用“湖南塑普”讀了一會。然后，他又朗讀了一遍。

編輯實在忍不住了：“朋友，你這么開心？在干嘛？”

這位同事“炫耀”式地拿著一段文本給編輯看——“你看準確率高不高？”

噢！他在測試訊飛語音的準確率！本著相互較勁能促使進步的理念，編輯自信地用國家認證的一級乙等普通話也讀了一遍。結(jié)果，準確率相較于這位“湖南塑普”同事，讓人大跌眼鏡。

你以為編輯這篇要講技術(shù)和背后原理？不，此處需要一個反轉(zhuǎn)——今天編輯在 BDTC 2016中國大數(shù)據(jù)技術(shù)大會上，從科大訊飛大數(shù)據(jù)研究院副院長譚昶的演講中，發(fā)現(xiàn)了一個悲劇——編輯和同事的較勁測試得出的一些數(shù)據(jù)，說不定正在用于語訊飛語音技術(shù)的改進中。

科大訊飛在拿大數(shù)據(jù)做什么生意

數(shù)據(jù)從哪來

眾所周知，科大訊飛的各位老大在很多場合，都對自己的“人工智能”和“大數(shù)據(jù)”十分自豪。

那么，讓他們自豪的數(shù)據(jù)是從像編輯這樣的吃瓜群眾中獲取的嗎？

按照譚昶的說法，訊飛的數(shù)據(jù)收集從6年前開始。

從 2010 年左右，訊飛開始做語音云平臺，從那時開始真正擁有互聯(lián)網(wǎng)上用戶的大數(shù)據(jù)。

現(xiàn)在訊飛的大數(shù)據(jù)有多少？來簡單算一下：譚昶稱，目前訊飛約有 8.9 億的用戶，3.6億輸入法用戶，同時從其他領(lǐng)域獲得了很多非互聯(lián)網(wǎng)數(shù)據(jù)。

有哪些？

與運營商的合作的數(shù)據(jù)，如中國移動。
在智能家居、智能汽車領(lǐng)域的數(shù)據(jù)。
在智慧城市領(lǐng)域，和政府方面的合作數(shù)據(jù)。
……

而這些數(shù)據(jù)的特別之處在于，由于其中很多數(shù)據(jù)是通過人臉、聲紋識別等獲得，更具有真實性。

拿到數(shù)據(jù)后，訊飛把這些數(shù)據(jù)放到一個中型的分析及處理平臺上。

當然現(xiàn)在也沒有看到哪個平臺能把基于人工智能的數(shù)據(jù)處理能力整合到平臺內(nèi)部來。

譚昶承認，對人工智能很自豪的訊飛現(xiàn)在也在這個領(lǐng)域做一些嘗試和實踐工作。眾所周知，訊飛的數(shù)據(jù)大多數(shù)還是語音數(shù)據(jù)，把語音數(shù)據(jù)轉(zhuǎn)化成可處理的結(jié)構(gòu)化的數(shù)據(jù)，真正挖掘這些數(shù)據(jù)的價值是重中之重。

他們現(xiàn)在的工作是，整合機器的GPU，進一步整合深度學習的算法模型。

數(shù)據(jù)到手，撒網(wǎng)捕魚

把數(shù)據(jù)資源拿到手后，雖然不知道科大訊飛把這些語音數(shù)據(jù)處理到哪種程度。但是，資源到手后，開始撒網(wǎng)捕魚是任何一個企業(yè)都會做的事情。

人機交互、教育、智慧城市是科大訊飛的大數(shù)據(jù)當前主攻的方向。這三個點其實不太新鮮，在今年科大訊飛董事長劉慶峰的兩會提案中，就已經(jīng)涵蓋了這些領(lǐng)域。

然而，值得探究的是，在這三個大方向下，訊飛的數(shù)據(jù)生意到底怎么做？怎么變現(xiàn)？

譚昶揭秘：他們現(xiàn)在真正在做的大數(shù)據(jù)生意落地到三點——精準營銷、教育、政府服務(wù)。

1.精準營銷

訊飛走了其他企業(yè)利用數(shù)據(jù)做生意的老路，因為有十分成熟的模式。譚昶認為，只要有自己用戶的畫像平臺，即數(shù)據(jù) DMP 平臺，可以整合外部的數(shù)據(jù)，也可以單純使用內(nèi)部數(shù)據(jù)，則既可為自己精準營銷服務(wù)，也可為外部企業(yè)的數(shù)據(jù)需求服務(wù)。

當然，挖掘這些數(shù)據(jù)的核心價值來對用戶進行分析、挖掘、獲取和引導的作用，最后的導流作用是直接變現(xiàn)還是對廣告點擊，要具體問題具體分析。

訊飛在這個領(lǐng)域起步其實比較晚，譚昶說，他們的主意是：

用戶8.9億，累計用戶12億，產(chǎn)生了1700類的標簽。不僅對內(nèi)部的訊飛廣告平臺提供服務(wù)，也為第三方的精準營銷提供數(shù)據(jù)交換和數(shù)據(jù)查詢服務(wù)。

人工智能的技術(shù)應用在了標簽精細化的工作中。在自然語言理解方面，因為訊飛通過輸入法、開放云平臺服務(wù)，產(chǎn)生了大量短文本的數(shù)據(jù)，在這種短文本數(shù)據(jù)的挖掘中，使用了人工智能的技術(shù)產(chǎn)生了“一種非常精細化”的標簽分類。

比如，基于聲紋做了性別、年齡的劃分，譚昶稱，基于用戶傳統(tǒng)的行為數(shù)據(jù)或者日志數(shù)據(jù)無法得到這些精細化標簽。

在大家都關(guān)注的變現(xiàn)上，金融領(lǐng)域?qū)τ脩舻?1700 類標簽梳理后進行了廣告投放。在游戲領(lǐng)域，尤其是對用戶的年齡分別或者性別的判斷，對游戲定圖的效果影響很大。

2.教育

譚昶介紹，訊飛現(xiàn)在在為學校、教育主管部門對學生的成長過程進行數(shù)據(jù)采集和分析。

他們的關(guān)注點是，一是如何用人工智能手段搜集到真正的教育過程數(shù)據(jù)，二是如何把過程數(shù)據(jù)轉(zhuǎn)化為學生學習過程中的進步和優(yōu)勢。

咱們先把素質(zhì)教育拋在一邊，大家心知肚明的是，中國現(xiàn)在大部分升學手段依然是考試。

可能讀者你會說，在“考考考”的中國教育中，大家都用電腦考試就好了呀，這不就有數(shù)據(jù)？不過，你以為所有的試卷都是電子試卷嗎？這讓中國差異化的經(jīng)濟發(fā)展水平情何以堪。

如何做到無紙化收集數(shù)據(jù)？

訊飛退了一步：試卷還是有紙化，但可以掃描成無紙化。

退了一步后，發(fā)現(xiàn)掃描誰都會做，人工智能已經(jīng)解決了這個問題，不需要讓人判試卷，不僅可以閱卷答題卡上的答案，還可以讓機器判作文、主觀題、閱讀題，這就又回到了訊飛的特長——用人工智能來解決非結(jié)構(gòu)化的學習過程采集。

下一步就是解決如何讓非結(jié)構(gòu)化的過程數(shù)據(jù)變學習指導，打造個性化家庭教師。

其實說起來也很簡單。比如，小明同學進行了一場考試，不幸錯了很多題，回家要被家長進行語重心長的教育，這時機智的教育工具就來了，它針對小明的成績的情況以及薄弱點，經(jīng)過簡單分析得到了結(jié)論。通過這些結(jié)論推薦相應的課程學習的課件、老師講解的題目，以及所有可以做的練習題，按照難易程度、知識點的覆蓋面精準推送。

不過，譚昶發(fā)現(xiàn)了一個難點：這個推送聽起來和做廣告推送沒什么區(qū)別，但機器學習是非常痛苦的，因為廣告每秒鐘可以學習一千次，但一個學校、一個學期可能只能學習幾千次。

還有一個潛在的問題是：小明怎么辦？明明一頓教育可以解決，現(xiàn)在需要多做好多試卷和題（開玩笑，還是要好好學習）！

科大訊飛在拿大數(shù)據(jù)做什么生意

3.智慧城市

談到政府服務(wù)，由于“歷史問題”，你一定經(jīng)歷過為了辦一個事情，需要跑幾個、十幾個、甚至幾十個政府單位蓋章的慘劇。

除了不能描述的一些原因，一個重要的問題是——很多部門、政府單位“各自為政”，形成了信息孤島。

還有一個軟的數(shù)據(jù)標準，數(shù)據(jù)共享的標準，數(shù)據(jù)交換的標準，以及相應的政策支持，這些工作都需要有大量的投入，大量的精力、人力，而政府沒辦法做這些事情，需要有很多的企業(yè)服務(wù)這樣的工作，為政府建立政務(wù)數(shù)據(jù)流通和交換的生態(tài)系統(tǒng)。

譚昶認為，這是訊飛能“入手”的點。

按照訊飛在某省的實踐來看，如果把數(shù)據(jù)打通了，除了可以構(gòu)建一站式政務(wù)辦理，原來分散在公安局、稅務(wù)局、工商局的各種企業(yè)數(shù)據(jù)可以進行全面融合和共享，共享后可以像對互聯(lián)網(wǎng)用戶做畫像一樣，做企業(yè)的畫像。

通過企業(yè)畫像，可以對企業(yè)間的社交關(guān)系，即投融資的關(guān)系進行分析，對企業(yè)做整體的標簽化、對企業(yè)重點的獎懲信用方面都可以做出相應的數(shù)據(jù)化分析，這些結(jié)論最后可以用于政府的監(jiān)管過程，實時監(jiān)督，聯(lián)合執(zhí)法。

他們也和運營商進行了合作，將城市的地理信息數(shù)據(jù)變成城市交通的疏導和管理工具。譚昶稱，