【 圖片來(lái)源：Microsoft Research Blog  所有者：Microsoft Research Blog 】

雷鋒網(wǎng)按：上一次你和你的電腦進(jìn)行有意義的對(duì)話，并且感受到它能真正地理解你，是什么時(shí)候呢？如果微軟技術(shù)研究員、微軟的語(yǔ)言語(yǔ)音小組組長(zhǎng)黃學(xué)東博士做到了的話，那么你也將可以做到。并且，如果他以往的研究真的達(dá)到了他所說(shuō)的水平的話，這一天到到來(lái)可能要比你想的還要快。

黃學(xué)東教授在播客中談了談他作為微軟首席語(yǔ)音技術(shù)科學(xué)家的工作內(nèi)容，告訴我們一些關(guān)于語(yǔ)言語(yǔ)音技術(shù)最新的里程碑的內(nèi)部細(xì)節(jié)，以及說(shuō)明掌握語(yǔ)音識(shí)別、翻譯、交流是如何讓機(jī)器在從“感知人工智能”到“認(rèn)知人工智能”轉(zhuǎn)變的路上走得更遠(yuǎn)，和語(yǔ)音識(shí)別、翻譯、交流有多接近真正的人類智能。雷鋒網(wǎng)全文編譯如下。

主持人：黃學(xué)東，歡迎來(lái)到微軟的播客節(jié)目。

黃學(xué)東：謝謝。

主持人：您是語(yǔ)言語(yǔ)音小組的微軟技術(shù)研究人員，還領(lǐng)導(dǎo)著微軟的口語(yǔ)工作，我們稍后會(huì)進(jìn)行深入探討。但首先，作為微軟的首席語(yǔ)音科學(xué)家，先簡(jiǎn)單告訴一下我們您做了些什么，以及為什么要做這些事情。讓您每天起床的動(dòng)力是什么？

黃學(xué)東：好的，我們現(xiàn)在所做的事是確保我們有最好的語(yǔ)音語(yǔ)言技術(shù)能被應(yīng)用到更廣的領(lǐng)域。我們之所以有個(gè)團(tuán)隊(duì)去做這件事，是因?yàn)槲矣X(jué)得這不僅是人類最自然的交流方式，而且這還是我們現(xiàn)在面對(duì)的最艱難的人工智能挑戰(zhàn)。這就是我們所做的，在我們的云端 Azure Services 上嘗試去真正突破，去提供出色的服務(wù)，以及確保我們能讓微軟的客戶和微軟之外的客戶滿意。如果你想要框定整個(gè)事情，主要有三個(gè)方面。

首先，我們有能力去驅(qū)動(dòng)語(yǔ)音識(shí)別的準(zhǔn)確性，去驅(qū)動(dòng)合成工作的自然性，當(dāng)你把英語(yǔ)翻譯成漢語(yǔ)、法語(yǔ)，德語(yǔ)的時(shí)候，去確保翻譯質(zhì)量是精確的。因此，有很多科學(xué)家在背后去確定這些精確性、自然性以及潛在因素，他們是世界一流的科學(xué)家。這是第一方面。

第二方面是，我們不僅提供技術(shù)，我們還在Azure上提供服務(wù)。從Office 到Windows,Cortana，它們都依賴著同一個(gè)云服務(wù)。不僅如此，我們還有邊緣設(shè)備，像我們的語(yǔ)音設(shè)備SDK。因此，我們想要確保在邊緣設(shè)備和在云端上的語(yǔ)音技術(shù)都是以現(xiàn)代的方式進(jìn)行的。這是第二方面：平臺(tái)是現(xiàn)代化的。

第三方面是對(duì)消費(fèi)者展現(xiàn)愛(ài)意，因?yàn)槲覀冊(cè)谌驌碛袕V泛的客戶。我們想讓消費(fèi)者高興，想讓我們的消費(fèi)者體驗(yàn)到他們使用的語(yǔ)音翻譯是一流的。

這就是我實(shí)際上主要做的三件事：提升AI 的能力，使我們?cè)谠贫撕驮谶吘壴O(shè)備上的平臺(tái)現(xiàn)代化，愛(ài)我們的顧客。

主持人：嗯。您有很多團(tuán)隊(duì)在這些小組中工作，來(lái)解決我們稱之為“支柱”的問(wèn)題。

黃學(xué)東：是的，我們?cè)谑澜绺鞯囟加袌F(tuán)隊(duì)。并且，這些團(tuán)隊(duì)的多樣性是很驚人的，因?yàn)槲覀冊(cè)趪L試克服語(yǔ)言障礙。因此，我們?cè)谥袊?guó)有團(tuán)隊(duì)，在德國(guó)、以色列、印度、美國(guó)同樣也有。我們的工作遍布全球，嘗試著去應(yīng)對(duì)這些語(yǔ)言挑戰(zhàn)。

主持人：我想先引用您的話為我們的今天的談話做準(zhǔn)備。您說(shuō)過(guò)，“語(yǔ)音語(yǔ)言技術(shù)是鑲在 AI 皇冠上的明珠。”為我們說(shuō)明一下吧。

黃學(xué)東：嗯，好的。我們可以從人類進(jìn)化的范疇來(lái)思考。在某個(gè)時(shí)期，語(yǔ)言誕生了，它加速了人類進(jìn)化。如果你想想這個(gè)星球上的所有動(dòng)物，就像你知道的，有很多動(dòng)物跑的比人類快，視力比人類好······

主持人：它們的牙齒也很鋒利。

黃學(xué)東：尤其是在晚上。

主持人：它們很強(qiáng)大。

黃學(xué)東：是的。它們聽(tīng)的比人類遠(yuǎn)，嗅覺(jué)比人類靈敏，但是，只有人類擁有語(yǔ)言。我們能夠很好的去組織，能夠用科幻小說(shuō)的術(shù)語(yǔ)去描述，能夠自我組織，能夠?qū)懗鲆徊繎椃?。如果你看到人類的這些方面，你就會(huì)知道，是語(yǔ)音和語(yǔ)言將我們和其他動(dòng)物區(qū)別開(kāi)的。對(duì)人工智能來(lái)說(shuō)，語(yǔ)音語(yǔ)言技術(shù)能夠驅(qū)動(dòng)人工智能進(jìn)化，就像它驅(qū)動(dòng)人類進(jìn)化那樣。這就是為什么它是鑲在人工智能的皇冠上的明珠。而且它還是堅(jiān)硬的那顆，難以破壞。

主持人：是的。有一個(gè)關(guān)于這個(gè)話題的哲學(xué)性討論，但它引出了一些有趣的問(wèn)題。如果您在機(jī)器語(yǔ)言上取得了很大的成功，那么，這些機(jī)器會(huì)是什么呢？

黃學(xué)東：讓我們發(fā)揮一點(diǎn)想象力。在某些時(shí)候，我們說(shuō)計(jì)算機(jī)能夠理解三百種語(yǔ)言，還能夠流利地交流和對(duì)話。我還沒(méi)遇到能夠說(shuō)三百種語(yǔ)言的人。而且，機(jī)器不僅能夠流利地交流和對(duì)話，還能夠領(lǐng)會(huì)、理解、學(xué)習(xí)、推論以及能夠在所有科目上都能拿到博士學(xué)位。這種知識(shí)的獲取、推論超過(guò)了任何人的個(gè)人能力。當(dāng)這一刻到來(lái)的時(shí)候，你可以想象人工智能將會(huì)有多聰明。

主持人：這是您想象出來(lái)的東西嗎？

黃學(xué)東：是的。

主持人：我們想要那樣嗎？

黃學(xué)東：是的。我覺(jué)得這個(gè)世界能夠成為一個(gè)更好的世界。幾個(gè)星期前我在日本，帶著裝在移動(dòng)設(shè)備上的微軟翻譯器，我能夠和不會(huì)說(shuō)中文或英語(yǔ)的日本人交流。微軟翻譯器能夠說(shuō)一些我不會(huì)說(shuō)的語(yǔ)言，當(dāng)我在日本的時(shí)候，它能幫助我變得更有效率。

主持人：我完全同意。一想到這個(gè)機(jī)器，我就有點(diǎn)害怕。“我們不是第一個(gè)，不是最后一個(gè)，我們只是下一個(gè)······”

黃學(xué)東：但是，這個(gè)智能有兩個(gè)層次。第一個(gè)層次是感知智能，它能看，能聽(tīng)，能聞。緊接著高層次的是認(rèn)知智能。我們今天所取得的人工智能的突破，大多是在感知層面，例如語(yǔ)音識(shí)別、語(yǔ)音合成、計(jì)算機(jī)視覺(jué)。但是在高級(jí)推理和知識(shí)獲取這些認(rèn)知能力上，人工智能距離人類的水平還很遠(yuǎn)。并且，最令我感到振奮的是翻譯器，它是一種介于感知智能和認(rèn)知智能的物體。事實(shí)上，我們能夠在感知智能的基礎(chǔ)上取得成功，并擴(kuò)展到認(rèn)知智能，這是一個(gè)相當(dāng)漫長(zhǎng)的過(guò)程。我不知道我們什么時(shí)候能夠到達(dá)那個(gè)里程碑。但是那一天正在靠近了，這只是時(shí)間問(wèn)題。它可能還要五十年，但我認(rèn)為這是會(huì)發(fā)生的。

主持人：因?yàn)槲覀儸F(xiàn)在談到一些里程碑，我們將在另一個(gè)博客中詳細(xì)討論。但現(xiàn)在，首先我想要回顧一下，在 Rick Rashid 成立組織以及建立第一個(gè)語(yǔ)音小組的時(shí)候，您已經(jīng)在微軟研究院工作一段時(shí)間了。根據(jù)MSR的傳說(shuō)，這個(gè)小組的目標(biāo)就是“讓語(yǔ)音成為主流”，請(qǐng)簡(jiǎn)要的告訴我們一些關(guān)于在 MSR 的語(yǔ)音歷史。這個(gè)研究是怎么從早期的“不主流”“敢于冒險(xiǎn)，放眼未來(lái)”到今天幾乎出現(xiàn)在微軟的每一個(gè)產(chǎn)品中的？

黃學(xué)東：在我加入微軟之前，我曾是匹茲堡 CMU 的教員。當(dāng)時(shí)，RickRashid 是那里的教授，我是一名初級(jí)教員。我的語(yǔ)音研究主要是在 CMU 開(kāi)展的。后來(lái)，微軟和我接觸，他們想要建立一個(gè)語(yǔ)音研究的小組。因此，在1993年的第一天，在新年休假之后，我轉(zhuǎn)移了。我從匹茲堡飛到西雅圖，開(kāi)始了這段從未改變的旅程。這就是微軟語(yǔ)音研究的開(kāi)始。我們是開(kāi)始為開(kāi)發(fā)者帶來(lái)語(yǔ)音技術(shù)的研究團(tuán)隊(duì)。

主持人：嗯。

黃學(xué)東：所以…

主持人：所以不再只是特別深?yuàn)W的純理論研究

黃學(xué)東：對(duì)，不是特別深?yuàn)W的純理論研究。我們從 CMU 獲得技術(shù)許可，我們就是這樣開(kāi)始的。我們非常感謝 CMU 在這個(gè)領(lǐng)域上的開(kāi)創(chuàng)性研究。我們是一個(gè)研究團(tuán)隊(duì)，但是我們?cè)赪indows ’95上發(fā)布了了第一個(gè)語(yǔ)音API, SAPI。作為一個(gè)研究團(tuán)隊(duì)，我們相當(dāng)自豪，因?yàn)橥ǔ５难芯恐皇沁M(jìn)行特別深?yuàn)W的純理論研究。我們不僅進(jìn)行特別深?yuàn)W的純理論研究，繼續(xù)挑戰(zhàn)極限，繼續(xù)提高認(rèn)知的精確性，我們還和 Windows 合作，把那些科技帶給 Windows 開(kāi)發(fā)者。SAPI 是業(yè)界第一個(gè)基于 Windows 的語(yǔ)音API。

主持人：哇！

黃學(xué)東：這是一個(gè)相當(dāng)漫長(zhǎng)的過(guò)程。緊接著，我?guī)е业膱F(tuán)隊(duì)最終離開(kāi)了研究部門，加入了產(chǎn)品小組。我?guī)е鴪F(tuán)隊(duì)到了產(chǎn)品小組，與我同行的還有一個(gè)優(yōu)秀的微軟語(yǔ)音研究小組。這是我在微軟27年的精彩經(jīng)歷。2004年，在我們發(fā)布了語(yǔ)音服務(wù)器之后，我停止了語(yǔ)音研究，我開(kāi)始做很多事情，包括啟動(dòng)研究孵化。當(dāng) Satya Nadella 運(yùn)營(yíng) Bing 時(shí)，我曾擔(dān)任建筑師。

然后，當(dāng) Harry 管理研究和技術(shù)小組時(shí)，我?guī)椭趸艘幌盗腥斯ぶ悄茼?xiàng)目，像GPU集群，Project Philly，深度學(xué)習(xí)工具包 CNTK 等基礎(chǔ)項(xiàng)目。大概三年前，我有幸回來(lái)管理了一個(gè)結(jié)合語(yǔ)音和語(yǔ)言的小組?；旧希覀兡軌蛘纤姓Z(yǔ)音和翻譯的資源。這就是我的故事，我的經(jīng)歷，精彩的 27 年。

主持人：現(xiàn)在語(yǔ)音語(yǔ)言研究是在哪里進(jìn)行？

黃學(xué)東：就像我說(shuō)的，我們?cè)谘芯啃〗M和產(chǎn)品小組之間來(lái)回移動(dòng)了很多次?，F(xiàn)在，我們?cè)谠贫撕腿斯ぶ悄苄〗M，這是一個(gè)產(chǎn)品小組。我們是這些云服務(wù)的一部分，并且，我們提供了整個(gè)公司和整個(gè)行業(yè)范疇的語(yǔ)音翻譯服務(wù)。我們也有進(jìn)行語(yǔ)音和對(duì)話研究，他們運(yùn)行的像個(gè)研究小組。

黃學(xué)東：他們都是那個(gè)小組的研究人員。就像 Rick 說(shuō)過(guò)的，科研成果轉(zhuǎn)化是一個(gè)需要各部門配合的事。在我們微軟這兒，其實(shí)已經(jīng)不僅僅是各部門緊密配合，我們就是整個(gè)一體的。

主持人：在研究模式上仍然具有前瞻性….

黃學(xué)東：既有前瞻性，又有充分依據(jù)。我們必須腳踏實(shí)地地提供服務(wù)，從基礎(chǔ)設(shè)施到服務(wù)成本，還必須站在高處去展望未來(lái)，去定義人們需要的、想要的解決方法是什么，即使現(xiàn)在這個(gè)解決方法可能不存在，或者他們可能還不知道是什么。

主持人：我們來(lái)具體談?wù)勀懊嫣峒暗降难芯坷锍瘫＿@應(yīng)該會(huì)很有趣。您剛剛涉及到三個(gè)領(lǐng)域：對(duì)話式語(yǔ)音識(shí)別，機(jī)器翻譯以及對(duì)話問(wèn)答。讓我們從對(duì)話式語(yǔ)音識(shí)別開(kāi)始。在 2016 年，您領(lǐng)導(dǎo)了一個(gè)團(tuán)隊(duì)，在抄錄對(duì)話語(yǔ)音上達(dá)到了能和人類媲美的歷史水平。跟我們說(shuō)說(shuō)吧，它是什么的一部分，是如何產(chǎn)生的？

黃學(xué)東：在 2016 年，我們?cè)趶V泛使用交換機(jī)會(huì)話轉(zhuǎn)錄任務(wù)上達(dá)到了和人類媲美的水平。這項(xiàng)任務(wù)在研究界和工業(yè)界可能已經(jīng)使用了十多年。在 2017 年，我們重新定義了這個(gè)里程碑，要達(dá)到能夠和人類媲美的水平。在轉(zhuǎn)錄任務(wù)上，我們不是簡(jiǎn)單地和一個(gè)人在競(jìng)爭(zhēng)，我們是和一群人競(jìng)爭(zhēng)。我想說(shuō)，2017 年是一個(gè)歷史性的時(shí)刻。將微軟語(yǔ)音堆棧和各個(gè)小組的人進(jìn)行比較，轉(zhuǎn)錄相同任務(wù)，它的表現(xiàn)優(yōu)于這四個(gè)小組的總和。當(dāng)我用它挑戰(zhàn)我們的研究小組的時(shí)候，沒(méi)有人想到它可能勝出。但是令人驚訝的是，在不到兩年的時(shí)間里，在我們有了信念，有了資源，有了焦點(diǎn)的時(shí)候，奇跡真的發(fā)生了。這對(duì)團(tuán)隊(duì)，對(duì)科學(xué)，對(duì)技術(shù)堆棧來(lái)說(shuō)都是一個(gè)美妙的時(shí)刻。這是我個(gè)人職業(yè)生涯中第一個(gè)能夠達(dá)到與人類相媲美的水平的里程碑。

主持人：我都想對(duì)該領(lǐng)域做一翻研究了，您剛剛所說(shuō)的這些都非常有趣：在兩年的時(shí)間里，沒(méi)有人相信這件事能夠?qū)崿F(xiàn)，然而你們最終成功做到了。還請(qǐng)您給我們分享更多關(guān)于如何讓語(yǔ)音轉(zhuǎn)錄實(shí)現(xiàn)人類水平的技術(shù)層面的東西。

黃學(xué)東：所以，如果你查看一下語(yǔ)音研究歷史，就能發(fā)現(xiàn)很多被后人反復(fù)使用的突破性成果都是由我們這個(gè)語(yǔ)音研究組所開(kāi)創(chuàng)的。以翻譯為例，在上世紀(jì) 70 年代早期，即便是在語(yǔ)音研究領(lǐng)域，語(yǔ)音識(shí)別更多使用的還是傳統(tǒng) AI ，例如基于規(guī)則的方法、專家系統(tǒng)等。

IBM Watson 在研究中開(kāi)創(chuàng)地提出統(tǒng)計(jì)語(yǔ)音識(shí)別方法，使用隱馬爾可夫模型以及統(tǒng)計(jì)語(yǔ)言模型來(lái)實(shí)現(xiàn)語(yǔ)音識(shí)別，極大地推動(dòng)了該領(lǐng)域的發(fā)展。因而，這也成為了語(yǔ)音領(lǐng)域的一個(gè)高光時(shí)刻。之后，來(lái)自 IBM 同一個(gè)語(yǔ)言研究組的研究者們又將語(yǔ)音識(shí)別所采用的這一思路應(yīng)用到了翻譯中，真正實(shí)質(zhì)性地提高了翻譯質(zhì)量，再次改寫了翻譯歷史！

隱馬爾可夫模型之后，語(yǔ)音識(shí)別領(lǐng)域開(kāi)始使用深度學(xué)習(xí)方法，即神經(jīng)語(yǔ)音識(shí)別。于是，翻譯再一次汲取神經(jīng)語(yǔ)音識(shí)別的思路，開(kāi)始使用神經(jīng)機(jī)器翻譯的方法，讓整個(gè)翻譯領(lǐng)域再度獲得進(jìn)展。所以你可以從中看到其他領(lǐng)域利用語(yǔ)音領(lǐng)域研究者所開(kāi)創(chuàng)的技術(shù)的鏡像。實(shí)際上，語(yǔ)音領(lǐng)域的研究者們一直在引領(lǐng)著技術(shù)的開(kāi)創(chuàng)性進(jìn)展，比如眾所周知的由 DARPA 創(chuàng)建的系統(tǒng)基礎(chǔ)測(cè)試，就采用了非常嚴(yán)格的評(píng)估標(biāo)準(zhǔn)，真正改變了科學(xué)以及工程的評(píng)估方式。

主持人：是的。

黃學(xué)東：實(shí)際上，語(yǔ)音語(yǔ)言技術(shù)能給語(yǔ)音以外的其他領(lǐng)域帶來(lái)了很多可以廣泛利用的經(jīng)驗(yàn)。所以，我們一直在訓(xùn)練研究團(tuán)隊(duì)來(lái)處理艱巨的問(wèn)題，這樣看來(lái)，我們的同一個(gè)研究團(tuán)隊(duì)實(shí)現(xiàn)了這些歷史性的里程碑也就不足為奇了。

主持人：好，接下來(lái)讓我們來(lái)聊一下另一個(gè)里程碑：在 WMT-2017 的中英文新聞自動(dòng)翻譯任務(wù)中實(shí)現(xiàn)人類水平。對(duì)此，我在訪談節(jié)目中還跟 Arul Menezes聊了下關(guān)于這項(xiàng)成果的所有事情。但是我還是了解一下您怎樣看待以及是否認(rèn)為現(xiàn)在機(jī)器翻譯可以媲美傳統(tǒng)的人工翻譯？以及為什么這項(xiàng)成果對(duì)于打破人類和文化間的壁壘而言，是一項(xiàng)重要的突破性進(jìn)展？

黃學(xué)東：我的研究團(tuán)隊(duì)所取得第二個(gè)實(shí)現(xiàn)人類水平的突破性成果同樣也令人興奮。正如我所說(shuō)的，交換臺(tái)會(huì)話語(yǔ)音（Switchboard Conversational Speech）轉(zhuǎn)錄就是一個(gè)偉大的里程碑。但是它確實(shí)還處于非常低級(jí)的水平，即還處于感知 AI 的水平。而翻譯則是一項(xiàng)介于感知 AI 和認(rèn)知 AI 之間的任務(wù)。當(dāng)然，翻譯是一項(xiàng)難度更大的任務(wù)，并且也沒(méi)有人相信我們能夠取得這樣的成果。因而我們?cè)O(shè)立了一個(gè)目標(biāo)：在五年時(shí)間內(nèi)，看看我們能否讓機(jī)器在句子級(jí)別的基礎(chǔ)翻譯任務(wù)上實(shí)現(xiàn)人類水平。所以我也非常想在這里向大家分享這個(gè)故事。當(dāng)人類如你如我在翻譯時(shí)，我們會(huì)去看句子的整個(gè)段落，從而也有更加寬廣的上下文語(yǔ)境，我們的翻譯工作也做得更好。相對(duì)于廣泛意義上的翻譯，WMT 中對(duì)人類的水平有一些限制，因?yàn)樗槍?duì)的只是句子級(jí)別的新聞翻譯。

主持人：嗯哼。

黃學(xué)東：所以，我們所開(kāi)展的其實(shí)是一個(gè)廣泛開(kāi)放的研究——公共基準(zhǔn)測(cè)試。即便是這樣，我們認(rèn)為也可能需要花費(fèi)五年時(shí)間。所以，我們采用了同樣的原則：基于交換臺(tái)語(yǔ)音識(shí)別轉(zhuǎn)錄的成果來(lái)開(kāi)展研究。但是實(shí)際上這一次，我們對(duì)這一步有所超越。由于任務(wù)是將中文翻譯成英文，因此我們與微軟在北京的研究團(tuán)隊(duì)一起合作。所以，跨越了太平洋的多個(gè)微軟亞洲研究院團(tuán)隊(duì)在數(shù)個(gè)日日夜夜中展開(kāi)了合作研究。令人驚訝的是，這群研究者給所有人都帶來(lái)了驚喜：我們?cè)诓坏揭荒甑臅r(shí)間內(nèi)就實(shí)現(xiàn)了這一目標(biāo)，讓機(jī)器翻譯實(shí)現(xiàn)了人類水平，這也是機(jī)器所實(shí)現(xiàn)的歷史最佳翻譯水平，同時(shí)，經(jīng)我們的科學(xué)家評(píng)估，其比專業(yè)翻譯人員在同一任務(wù)上的表現(xiàn)更加出色。這一刻，我們真的創(chuàng)造出了奇跡。我為該研究團(tuán)隊(duì)以及這次合作感到無(wú)比自豪。

主持人：我非常想聊聊您的另一個(gè)非常有意思的研究成果，也就是您稱作 COQA  的問(wèn)答數(shù)據(jù)挑戰(zhàn)賽。顯而易見(jiàn)，我們?cè)谡務(wù)摰木褪悄軌蚋覀冞M(jìn)行問(wèn)答對(duì)話的計(jì)算機(jī)。請(qǐng)你給我們分享一下，這一在語(yǔ)音識(shí)別技術(shù)中最像人類或者說(shuō)難度最大的任務(wù)，接下來(lái)要開(kāi)展的工作是什么？

黃學(xué)東：COQA 問(wèn)答數(shù)據(jù)挑戰(zhàn)賽是由斯坦福大學(xué)的研究者開(kāi)創(chuàng)的一項(xiàng)比賽，它甚至與認(rèn)知 AI 要更接近些，它實(shí)際上是一個(gè)涵蓋了會(huì)話、對(duì)話以及相關(guān)任務(wù)的機(jī)器閱讀任務(wù)。假設(shè)你在閱讀某段文字，然后讓讀者挑戰(zhàn)正確回答一連串相關(guān)的問(wèn)題。例如，如果你閱讀了一段關(guān)于比爾蓋茨的文字，第一個(gè)問(wèn)題有可能就是：“誰(shuí)是微軟的創(chuàng)立者？”第二個(gè)問(wèn)題則會(huì)與第一個(gè)問(wèn)題相關(guān)：“此人在創(chuàng)立微軟時(shí)年齡多大？”之后的問(wèn)題可能是：“當(dāng)此人退休時(shí)，他年齡多大？”所以，上下文的相關(guān)性比簡(jiǎn)單的機(jī)器閱讀要難，因?yàn)樾枰慊卮鹨贿B串與給定上下文相關(guān)的問(wèn)題。

因此，對(duì)于這一最新突破，我必須重點(diǎn)向我們?cè)诒本┭芯繉?shí)驗(yàn)室的同事們表達(dá)我的贊賞。同時(shí)，我們也一直在利用共享的資源和基礎(chǔ)設(shè)置來(lái)共同開(kāi)展這一開(kāi)創(chuàng)性的研究工作，這真的很棒。同時(shí)，我們完成這項(xiàng)驚人的會(huì)話問(wèn)答挑戰(zhàn)賽的敏捷度以及速度，都讓我印象時(shí)刻。其中的主力研究者現(xiàn)在都在北京，而他們也將在幫助微軟再一次在這項(xiàng)廣受關(guān)注的 AI 任務(wù)上首度實(shí)現(xiàn)人類水平中，扮演重要的支柱性的角色。沒(méi)有人會(huì)相信有人能夠在如此短的時(shí)間內(nèi)在這項(xiàng)傳統(tǒng)的 Q&A  任務(wù)上實(shí)現(xiàn)人類水平。因此，雖然我們一開(kāi)始預(yù)想這一目標(biāo)要花費(fèi)2年時(shí)間，但是最終，我們?cè)僖淮未蚱屏藲v史記錄。

主持人：我們已經(jīng)聊了一些關(guān)于你正在開(kāi)展的研究工作以及如何開(kāi)展的偏技術(shù)的話題。對(duì)于如何開(kāi)展相關(guān)研究工作，您是否還有任何能夠用來(lái)攻克這一 Q&A 任務(wù)的其他方法論或技術(shù)？

黃學(xué)東：微軟在 AI 領(lǐng)域已經(jīng)積累了長(zhǎng)達(dá)三十年的研究經(jīng)驗(yàn)，不是嗎？微軟在北京的自然語(yǔ)言研究組在過(guò)去的二十年時(shí)間里，也一直在研究 Q&A 任務(wù)，他們?cè)诜e淀了很多先天優(yōu)勢(shì)的同時(shí)，也積累了很多經(jīng)驗(yàn)。同時(shí)，我們基本上使用深度學(xué)習(xí)和遷移學(xué)習(xí)來(lái)完成Q&A任務(wù)。因此，我們的成功是基于整個(gè)研究領(lǐng)域的成果所獲得的。

主持人：嗯嗯。

黃學(xué)東：就比如說(shuō)谷歌發(fā)布了一項(xiàng)特別棒的技術(shù)——BERT......

主持人：BERT是字母縮寫嗎？

黃學(xué)東：是字母縮寫，它是一項(xiàng)嵌入技術(shù)。我們的研究成果就以這項(xiàng)技術(shù)為基礎(chǔ)進(jìn)行了延展，因此我們的成功也有它的一份功勞。這也是我們能夠取得機(jī)器翻譯實(shí)現(xiàn)人類水平這一突破的方法。

主持人：嗯嗯。

黃學(xué)東：這其實(shí)也是整個(gè)研究領(lǐng)域的一個(gè)映像。我剛剛所談到的微軟亞洲研究院團(tuán)隊(duì)與其在美國(guó)的團(tuán)隊(duì)之間的合作，實(shí)際上更是整個(gè)工業(yè)界之間合作的一個(gè)范例。

（音樂(lè)響起）

主持人：您在節(jié)目中向我們所描繪的這些都非常令人興奮：在一切事情朝著正確的方向發(fā)展之后，一旦成功，我們就必須去解決那些有可能朝著錯(cuò)誤方向發(fā)展的事情。

黃學(xué)東：是的。

主持人：您希望計(jì)算機(jī)能夠聽(tīng)、聽(tīng)見(jiàn)、說(shuō)話、翻譯、回答問(wèn)題以及最基本地，與人類進(jìn)行交流。那是否有什么事情讓您感到焦慮？

黃學(xué)東：完全有。實(shí)際上我的擔(dān)憂就是，未來(lái)某一天人類會(huì)太過(guò)依賴于 AI。然而 AI 永遠(yuǎn)都不可能變得完美無(wú)缺，它會(huì)帶有一系列獨(dú)特的偏見(jiàn)。因此，我非常擔(dān)憂這一人類無(wú)法發(fā)覺(jué)的影響。

主持人：贊同。

黃學(xué)東：所以如何應(yīng)對(duì)這一擔(dān)憂，實(shí)際上是我們需要意識(shí)到并且亟需解決的廣泛的社會(huì)議題。因?yàn)檎缥覀兠總€(gè)人一樣，一旦我們擁有一個(gè)我們依賴的助手，我們就完全能夠了解到這個(gè)助手給我們帶來(lái)的影響有多大：他會(huì)改變你的議程，甚至改變你的觀點(diǎn)。而 AI 終有一天將會(huì)扮演與助手相同的角色。我現(xiàn)在最擔(dān)憂的莫過(guò)于怎樣解決 AI 的偏見(jiàn)問(wèn)題。

主持人：是的。

黃學(xué)東：如果一切順利發(fā)展，這個(gè)問(wèn)題必將真正成為我們必須應(yīng)對(duì)的重要議題。我們需要學(xué)會(huì)解決這一問(wèn)題。而現(xiàn)在我們還不知道怎么解決，則是因?yàn)槲覀儸F(xiàn)在還沒(méi)到那一步。

主持人：因此，您在創(chuàng)建這些能夠說(shuō)話、傾聽(tīng)以及交談的工具時(shí)，就將“設(shè)計(jì)思維（design thinking）”引入其中，因?yàn)樽钪匾氖虑橹痪褪侨祟愑心芰⑷祟惖钠焚|(zhì)轉(zhuǎn)嫁到非人類的事物中......

黃學(xué)東：我只能相信，現(xiàn)在研究 AI 的研究者們有足夠的責(zé)任感。好消息就是，我們現(xiàn)在還沒(méi)到那一步，不是嗎？所以，我們還有時(shí)間來(lái)共同應(yīng)對(duì)這一挑戰(zhàn)，并確信 AI 將會(huì)真正朝著服務(wù)人類而不是毀滅人類的方向發(fā)展。這就是現(xiàn)在最大的擔(dān)憂......

主持人：是的。

黃學(xué)東：......這也是現(xiàn)在讓我保持清醒的問(wèn)題。但是我短期的擔(dān)憂其實(shí)是：AI 還不夠好！至少現(xiàn)在還不夠好！

主持人：明白。

黃學(xué)東：正如比爾蓋茨常常提到的，人們總是高估我們?cè)诙唐趦?nèi)能做的事，而低估這些事情所帶來(lái)的長(zhǎng)遠(yuǎn)影響。在這件事情上，我們不能低估它的長(zhǎng)遠(yuǎn)影響。

主持人：是的。

黃學(xué)東：長(zhǎng)遠(yuǎn)的里程碑。

主持人：了解。接下來(lái)是故事時(shí)間。

黃學(xué)東：嗯，不錯(cuò)！

主持人：能分享下您個(gè)人相關(guān)的故事嗎？是什么讓您對(duì)尤其是語(yǔ)音、語(yǔ)言技術(shù)領(lǐng)域的研究感興趣？以及能否分享下您加入微軟的歷程？

黃學(xué)東：好的。我畢業(yè)于北京的清華大學(xué)，當(dāng)時(shí)我的第一臺(tái)電腦是Apple2。你可能也了解，中文語(yǔ)言很難被輸入到電腦上，所以輸入過(guò)程非常繁瑣。因此，我堅(jiān)信實(shí)現(xiàn)語(yǔ)音識(shí)別非常有必要。當(dāng)時(shí)，我作為清華一名研究生，夢(mèng)想其實(shí)就是在 AI 領(lǐng)域做研究。同時(shí)，當(dāng)時(shí)清華研究生院的 AI......

主持人：是的。

黃學(xué)東：......不可思議地匯聚了一大批教授和科教人員，他們都有著長(zhǎng)遠(yuǎn)的見(jiàn)解，并為我們創(chuàng)造了開(kāi)拓性的探索和實(shí)驗(yàn)環(huán)境。因此，我在這里接著完成了我的博士學(xué)位。自1982年被清華錄取后，我就加入了一個(gè)博士項(xiàng)目，并且一直從事語(yǔ)音識(shí)別的研究工作。讓人類真正與機(jī)器交流變得更簡(jiǎn)單這個(gè)夢(mèng)想，在我的世界從未消失。迄今為止，我在語(yǔ)音識(shí)別上的研究生涯已走過(guò)了30 多個(gè)春秋。即便在微軟工作的一段短期時(shí)間里，我曾暫停語(yǔ)音方面的研究工作，但我從事的研究工作依舊是與語(yǔ)音相關(guān)的。所以，我打心底里認(rèn)為，這是我與語(yǔ)音研究之間的一個(gè)非常美妙的故事。而我個(gè)人也在這個(gè)過(guò)程中收獲了很多有趣的經(jīng)歷。正如我剛剛提到，當(dāng)我在清華大學(xué)上學(xué)的時(shí)候，用中文在計(jì)算機(jī)上打字還是一件非常難的事情，所以在清華博士畢業(yè)后，我去了蘇格蘭的愛(ài)丁堡大學(xué)深造......

主持人：了解。

黃學(xué)東：......并在那里獲得了博士學(xué)位。而當(dāng)我第一次進(jìn)入愛(ài)丁堡大學(xué)的時(shí)候，我個(gè)人非常痛苦的地方其實(shí)在于——我知道了英式英語(yǔ)的存在，因?yàn)橹袊?guó)大部分的英語(yǔ)都是美式英語(yǔ)。然而由于英式英語(yǔ)并非我的母語(yǔ)，所以這對(duì)我來(lái)說(shuō)，并不是很“吃香”。并且我聽(tīng)蘇格蘭教授講課......

主持人：噢，天哪！

黃學(xué)東：......真的非常具有挑戰(zhàn)性。不過(guò)非常感謝 BBC 關(guān)掉了字幕。

主持人：有趣。

黃學(xué)東：所以我是通過(guò)看 BBC 真正學(xué)會(huì)了蘇格蘭英語(yǔ)。并且我必須要提到的是，現(xiàn)在微軟的PPT可以使用自動(dòng)顯示字幕的技術(shù)了。那段個(gè)人的痛苦經(jīng)歷對(duì)于微軟的PPT 團(tuán)隊(duì)在研發(fā)這款產(chǎn)品中所考慮的各種功能來(lái)說(shuō)非常具有吸引力，同時(shí)它對(duì)于我個(gè)人而言也是一種很好的獎(jiǎng)賞。

主持人：是的。

黃學(xué)東：我非常開(kāi)心能夠看到我研究出來(lái)的技術(shù)成果能夠幫助更多將前往蘇格蘭大學(xué)求學(xué)的人。

主持人：您也知道，Arul 之前也聊過(guò)關(guān)于 PPT .....

黃學(xué)東：是的。

主持人：....的服務(wù)，同時(shí)他也提到那些有聽(tīng)力障礙的人。

黃學(xué)東：嗯嗯。

主持人：現(xiàn)在您賦予了它一個(gè)全新的（意義）.....

黃學(xué)東：它更加廣泛.....

主持人：完全是！

黃學(xué)東：......由于語(yǔ)言障礙一直都會(huì)存在，并非每個(gè)人都能流利地用語(yǔ)言表達(dá)。我招待過(guò)很多旅游者，基本上每年我都會(huì)招待清華大學(xué)的MBA 學(xué)生，他們也都在學(xué)習(xí)英語(yǔ)，但是他們聽(tīng)英語(yǔ)和使用英語(yǔ)交流的能力基本上無(wú)法跟這里的當(dāng)?shù)厝讼啾取Ｋ?，在PPT 軟件中提供字幕功能，能夠幫助他們所有人......

主持人：是的。

黃學(xué)東：.......更好地學(xué)習(xí)和理解英語(yǔ)。所以，即便沒(méi)有翻譯，這個(gè)功能的應(yīng)用場(chǎng)景也非常廣泛。這就是一個(gè)簡(jiǎn)單的事實(shí)：我們有了字幕，就能加強(qiáng)溝通。

主持人：確實(shí)。之前我們聊過(guò)了不同的語(yǔ)言和方言，但是我們還沒(méi)有真正探討過(guò)語(yǔ)言的口音問(wèn)題。我是說(shuō)，即便在美國(guó)，即便你是美國(guó)當(dāng)?shù)厝耍闳ッ绹?guó)的各個(gè)地方都有可能遇到不少難以理解的時(shí)候，這都是由于各個(gè)地方的口音都大不相同。

黃學(xué)東：這也是為什么我的蘇格蘭英語(yǔ)會(huì)變成一個(gè)好故事！同時(shí)我希望我還能保留些蘇格蘭口音。

主持人：我聽(tīng)得出來(lái)您的蘇格蘭口音！在每期博客的最后，我都會(huì)對(duì)邀請(qǐng)嘉賓最后說(shuō)一句話 。由于您在人類語(yǔ)音技術(shù)領(lǐng)域從事研究，這句話非常適合對(duì)您說(shuō)?，F(xiàn)在，您有機(jī)會(huì)向可能正在致力于讓計(jì)算機(jī)實(shí)現(xiàn)與人類交談和溝通的聽(tīng)眾說(shuō)任何您想說(shuō)的話。他們應(yīng)該從哪里入手研究？

黃學(xué)東：研究語(yǔ)音和語(yǔ)言！它是真正鑲在 AI 皇冠上的明珠。在我看來(lái)，AI 領(lǐng)域再?zèng)]有比語(yǔ)音和語(yǔ)言研究更具挑戰(zhàn)性的任務(wù)。尤其是當(dāng)你想要讓感知 AI 發(fā)展到認(rèn)知 AI 時(shí)，更是如此。讓機(jī)器獲得推理、理解能力，并通過(guò)閱讀、交流獲得知識(shí)，便是改善人類生活、提高人類生產(chǎn)效率，讓這個(gè)世界不再有語(yǔ)言、溝通和理解障礙的最基本的研究領(lǐng)域。

主持人：感謝您今天受邀參加我們的博客節(jié)目。您給我們分享的東西真的非常棒。

黃學(xué)東：我的榮幸。

雷鋒網(wǎng)注：本文編譯自Microsoft Research Blog

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。