按：這是科大訊飛輪值總裁胡郁在2016網(wǎng)易科技未來峰會上發(fā)表的題為《“人工智能”以語音和語言為入口的認(rèn)知革命》的演講。雷鋒網(wǎng)整理，有刪改。 

剛才（華大基因董事長）汪建老師說，將來的世界是一個生命科技的時代，我非常同意這一點。將來人類的命運掌握在我們自己手里，我們可以改造自己。 

人類也想扮演上帝的角色。人類能夠在地球上統(tǒng)治整個世界，是因為我們有智能，現(xiàn)在不僅僅自己有智能，還希望能夠創(chuàng)造出新的智能。在當(dāng)前世界，各種各樣的智能層出不窮，甚至有段時間“智能”一詞都被用濫了，到底智能應(yīng)該向什么方向發(fā)展，智能到底應(yīng)該給我們帶來什么？今天我們帶著這個疑問想跟大家探討一下。 

今年3月份時有個非常著名的AlphaGo大戰(zhàn)李世石，在此之前很多人都給出了預(yù)測，包括我自己在內(nèi)，我當(dāng)時的預(yù)測是機器人一定能夠戰(zhàn)勝人類。為什么呢？其實在研究界有句很有名的話，機器人在智能方面戰(zhàn)勝人類一定用它最擅長的方式，而不是用人類思維的方式。我們原來在討論時總想著下圍棋是一個非常高尚的運動，并不是每個人都能把圍棋下得很好，但其實機器根本不是這么想的，在下完這個比賽時，鳳凰衛(wèi)視《一虎一席談》請我和古力九段和柯潔九段去討論AlphaGo和李世石對打的情況，柯潔九段在“一虎一席談”上就比較謙虛了（按：比賽之前他曾經(jīng)放話“就算阿法狗戰(zhàn)勝了李世石，但它贏不了我”），他說這個東西還是要好好準(zhǔn)備。 

AlphaGo為什么能夠戰(zhàn)勝人類，因為它用的確實不是人類所擅長的方法，而是機器所擅長的方法，AlphaGo能夠同時計算每部棋下幾十步甚至上百步的可能性，而且AlphaGo能夠記住三千萬種法的對弈，而這是我們?nèi)祟愃簧瞄L的。 但是人工智能是不是能夠在所有方面超越人類呢？我覺得這也不一定，因為我們看到圍棋是一個完全信息透明情況下的公開博弈，就像以前的國際象棋，機器是占有很大優(yōu)勢的。 

很多人會問，人工智能到底體現(xiàn)在什么方面呢？我們知道人類有農(nóng)業(yè)革命、工業(yè)革命，還有現(xiàn)在講的信息革命，但可能很多人不知道的是，人類在統(tǒng)治地球的過程中其實經(jīng)過了漫長的歷史發(fā)展。有一本書《人類簡史》，這本書里寫到：人類在地球上已經(jīng)出現(xiàn)兩百萬到三百萬年了，但這些人類在全球各地，就是我們講的猿人、歐洲的原始人，中國的山頂洞人、元謀人和藍(lán)因人；但經(jīng)過歷史學(xué)家和基因工作者的研究發(fā)現(xiàn)，七萬年前，智人從非洲走出來把其他猿人都給滅種了，現(xiàn)在不管是黑人白人還是棕色人種、黃種人，都是智人的后代。 

在這個過程中，好像智人突然開竅了一樣，人的智能在經(jīng)過兩三百萬年的發(fā)展中突然邁上一大步，是什么讓他們走到這一點？歷史學(xué)家把他們叫做“認(rèn)知的革命”，因為他們發(fā)現(xiàn)這些人跟其他猿人最大的不同是在他們的語言得到了極大的豐富，先有對話，然后產(chǎn)生文字，產(chǎn)生文字后有幾個好處： 

• 第一個好處，它可以更好地描述周圍的自然世界，比如河邊有只獅子，他們知道獅子長多大，身上有沒有病，處于什么樣的狀態(tài)。更重要的是因為有了語言、有了語音，我們可以描述團隊和團隊之間的關(guān)系，如果沒有語言，現(xiàn)在動物群種里面的黑猩猩，一個團隊最大不能超過50頭，超過50頭就無法管理；但智人因為有了語言，因他們可以組織上千人的團隊。 

• 第二個好處，有了語言以后我們可以描述我們共同想像的內(nèi)容，一些虛構(gòu)的概念，“公司”、“夢想”都是從此得來。所以我們可以看到，現(xiàn)在歷史學(xué)家一個非常重要的觀點就是人類的認(rèn)知革命將人類的智能帶到一個新的高度。 

 機器擅長的運算智能，但如果講到感知智能，機器其實比我們差得很遠(yuǎn)。 這也是科大訊飛現(xiàn)在正在踐行的以語音和語言為入口的計算機的認(rèn)知革命。我們所執(zhí)行的訊飛超腦計劃想要做的事情，就是讓機器通過傳感器和算法感知世界，并且能夠?qū)ψ匀坏娜祟愂澜邕M行認(rèn)知，作為我們?nèi)斯ぶ悄芤粋€非常重要的突破點。

 怎樣實現(xiàn)這種突破，其實我們有兩種不同的途徑，一種和我們的腦科學(xué)非常有關(guān)，我們可以對大腦所有的神經(jīng)元構(gòu)造和它的工作機理進行分析，甚至可以根據(jù)大腦的整個工作機理重構(gòu)出來真正和大腦相同的機制，這是一條思路，但這條思路時間比較長；另外一條思路就是用互聯(lián)網(wǎng)的思維，利用我們機器學(xué)習(xí)算法和大數(shù)據(jù)，不完全模仿大腦，但利用機器運算的方法能夠模擬我們的感知和認(rèn)知。 

我們研究鳥類飛行造出了飛機，但我們并沒有造一個鳥出來，是因為我們是知道了鳥在飛行中的空氣動力學(xué)；我們研究大腦，其實并不是把大腦完成復(fù)制，而是希望找到大腦中的智力動力學(xué)，進一步優(yōu)化我們整個學(xué)習(xí)的算法。 

從另一個角度，如果用互聯(lián)網(wǎng)思維來解決、改進我們的人工智能，要感謝三個方面的進展：一是人工神經(jīng)網(wǎng)絡(luò)，這個人工神經(jīng)網(wǎng)絡(luò)就像我剛剛說的，只是學(xué)到了大腦一些簡單的機理，沒有大腦那么復(fù)雜，但已經(jīng)可以很好地工作了；另外拜互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)所賜，我們可以得到大量大數(shù)據(jù)；更重要的是我們有千千萬萬的算法，有直達用戶的產(chǎn)品，這些產(chǎn)品把用戶的使用習(xí)慣源源不斷傳入后臺，我們可以利用網(wǎng)絡(luò)的效應(yīng)不斷地優(yōu)化它。正是因為有這三者的支撐，我們得到了非常好的結(jié)果。

 真正人工智能的框架應(yīng)該是什么樣的呢？再給大家舉個例子，人類大腦皮層在工作過程中分為兩個層面：一個叫感知層面，就是我們講的視覺、聽覺和觸覺，還有一個層面是認(rèn)知層面，當(dāng)我們看到一只貓，聽到貓的叫聲，或者是摸貓的皮毛，人腦里有一個概念，這些概念形成了我們語言中的單詞和詞匯，就是“貓”這個概念，它們匯聚到我們講的語言和理解的大腦的認(rèn)知皮層層面。所以在訊飛超腦里分兩個層面：感知智能是對我們聽到的、看到的、觸覺到的東西進行識別，同時把識別結(jié)果上升到我們認(rèn)知智能的層面，形成一個概念空間的表示和推理，在過去五年中我們相繼把深度學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用在剛才我們講的感知和認(rèn)知，包括視覺、包括聽覺，包括自然語言，包括翻譯的各個方面。 

（工作人員播放了三個語音片段）

 這是一段語音片斷，大家聽到第一個好像是“休息”，第二個好像是“休息室”，但當(dāng)聽完完整片斷時你會知道（按：類似于大腦自動“校正畸變”），原來這句話說的是“《西游記》之大鬧天宮”。人腦是怎么工作的呢？人腦能夠記下短時或中間的或長時的記憶，通過一種遞歸的方法識別語音，現(xiàn)在最新型的遞歸神經(jīng)網(wǎng)絡(luò)能夠模擬我們在大腦方面的感覺，這個過程非常復(fù)雜，我就不一一介紹了。 

但光有遞歸還不夠，光能夠存儲記憶還不夠，現(xiàn)在最新的一個方式是用我們講的圖像的方法識別語音，當(dāng)語音進入我們的耳朵時，我們耳朵里的纖毛會根據(jù)它的長度不同與語音中不同的頻率進行共振，如果把共振的頻率分析出來，我們可以得到一張語譜圖，這個圖形里的信息很豐富，在MIT專門有科學(xué)家可以根據(jù)這些圖形就能夠跟你說這句話里用的是什么樣的文字。我們的識別系統(tǒng)如果能夠讀這些圖，整個性能的穩(wěn)定性就會有很大提高。 

如果你是一個盲人，你的耳朵就會特別靈，因為它借用了我們在視神經(jīng)方面的一些神經(jīng)系統(tǒng)和細(xì)胞，這樣可以把它的一些能力借用過來。我們應(yīng)用一個新型的卷積神經(jīng)網(wǎng)絡(luò)，它原來是專門用來做圖像的，來處理我們的語音圖像，我們得到了一些非常令人驚訝的結(jié)果：即使是跟最新的遞歸神經(jīng)網(wǎng)絡(luò)相比，用卷積神經(jīng)網(wǎng)絡(luò)——也就是用識別圖像的方法，我們?nèi)匀荒苋〉靡粋€48%的提高。 

可以說，現(xiàn)在我們的語音不僅可以聽到，而且可以看到。因為這樣的結(jié)果，我們大家會越來越多地看到，在我們各種各樣的輸入法里，在我們的語音搜索里，還有在我們各種各樣的語音交互式系統(tǒng)里，語音識別的錯誤率正在以每年30%的水平下降，我相信再過四到五年的時間，我們最后的語音識別系統(tǒng)就能跟人整個的感覺完全一樣了。 

在感知方面，我們語音識別技術(shù)不斷取得提升，但是在認(rèn)知方面，它有幾個非常核心的任務(wù)要完成，訊飛超腦關(guān)于語言理解及深層、知識表述及推理，還有自主學(xué)習(xí)，要實現(xiàn)這些技術(shù)必須要有兩個層面的東西：第一是要解決自然語言描述的問題，在此基礎(chǔ)上我們要解決語言理解及深層，還有我們講的知識表述及推理各個方面。

 剛才我們提到了大腦在大腦皮層中關(guān)于概念的表示，它是一張圖，不同的詞語它們之間概念是有空間的，我給大家舉個例子，比如“大家好”，傳統(tǒng)的表達，每個詞就代表了一個空間，我們把每個詞的出現(xiàn)看成“1”，不出現(xiàn)的地方看成“0”，這是傳統(tǒng)表現(xiàn)詞語的一種方法，詞語和詞語之間，要不就是距離相同，要不就是不同。 現(xiàn)在我們采用一種連續(xù)的空間來表現(xiàn)詞語，每個字、每個詞都可以用“詞語卷積”的方法，用一段連續(xù)的數(shù)字，相當(dāng)于一個空間里的坐標(biāo)系，這樣每兩個單詞之間的距離就可以把它計算出來。

我們把所有詞聚了一下類就可以看到這么一個結(jié)果，比如我們可以看到新浪、網(wǎng)易、騰訊，這些東西是連在一起的；我們可以看到呂布、張飛、關(guān)羽、諸葛亮，他們是比較接近的。如果通過醫(yī)學(xué)的方法來測量，我們也會發(fā)現(xiàn)相關(guān)詞語在大腦皮層中存儲的位置也是非常接近的。 

利用這種方法，我們就建立了一種表現(xiàn)詞語的空間概念的表達體系，在這樣的表達體系之下，我們可以進一步地去分析詞語層面、句子層面和篇章層面，他們在各個層面上的連接和計算的距離。 有了這個以后，我們來看一些實際的作用，他們能做什么樣的事情呢？

首先我們看一下語言的理解及深層。首先來看翻譯，在翻譯方面，我們知道他們要進行語句的練習(xí)，因為不同語言是不一樣的，這時候用到人腦中一個非常重要的概念，關(guān)注度模型，比如我們?nèi)嗽诳匆环鶊D像，海邊有一個燈塔，我們看的時候注意力是集中在燈塔上而不是其它方面。 

這張圖比較有意思，上面這張圖是一個男司機在開車時觀察各種各樣的東西，下面這張圖是一個女司機，她的思路就比較狹窄。

 如果我們來看一段文字，這兩天正好歐洲杯，我們的注意力其實也是集中在那些文字中比較有信息量的地方，這種關(guān)注度模型，其實它的方法是能夠把我們最關(guān)注的那些輸入量自動尋找出來，與我們最終的結(jié)果進行對應(yīng)。

我們來看一下基于機器翻譯的實際例子： 大家都知道，不同的語言之間，他們的機器翻譯，比如有很多謂語、主語、賓語，它們的位置是不同的，會進行倒裝，順序也會發(fā)生很多變化，原來用規(guī)則的方法來描述這些變化非常復(fù)雜，通過我們現(xiàn)在講的這個神經(jīng)網(wǎng)絡(luò)，大家可以看到下面，輸入“我是誰”，“誰”和“我”，它們的位置是有差異的，但利用attention這個神經(jīng)網(wǎng)絡(luò)，它們可以自動找到對應(yīng)關(guān)系。采用全新的神經(jīng)網(wǎng)絡(luò)的翻譯系統(tǒng)，相比傳統(tǒng)系統(tǒng)，提高會非常多。 

再看下一個具體的例子，我們都知道最近科大訊飛在教育方面做了非常多的工作，我們希望能夠利用機器人幫助我們的老師進行卷面批改，比如我們寫了一個作文，這篇作文，我們希望機器人也能給它打出分?jǐn)?shù)并給出它的評語。 大家看這個樣例，右邊94分是這篇文章的得分，右邊有評語，而且從這篇文章中可以看到它用到了排比，用到了一些語句的引用，我們?nèi)绾蝸碜?，讓機器也能看懂這些東西？機器的關(guān)注度如何自動落在這些關(guān)鍵的地方呢？其實很簡單，右邊是一個范文，剛才我們講了，用連續(xù)空間把它表示出來，這些范文和作文之間的向量，利用我們的關(guān)注度模型，會自動找到之間比較對接的地方，應(yīng)該講，現(xiàn)在我們這方面的結(jié)果在中考和高考的作文評卷，不管是中文還是英文，都取得了很好的效果，比普通老師改得還要準(zhǔn)確，當(dāng)然這是大規(guī)模的結(jié)果。 

最后我們來看一個閱讀理解題。我們看一段話，“月牙的影子在水中晃動小鴨子看見了，以為是條魚，趕緊游過去”，現(xiàn)在題目是我把“小鴨子”摳掉，讓機器看完這段話以后自動在上面填出來這地方應(yīng)該填什么，利用我們現(xiàn)在的系統(tǒng)，我們會把篇章和問題進行attention的規(guī)劃，“小鴨子”也在其它地方也出現(xiàn)過，它可以計算出每個地方熱力度（關(guān)注度）的情況，后來我們發(fā)現(xiàn)“小鴨子”的關(guān)注度最高，這樣我們就可以把“小鴨子”填在這個地方，而且是填對的。 

現(xiàn)在它在閱讀理解方面能達到6歲兒童的水平，大家不要小看6歲兒童，6歲兒童在常識的理解達到了一個水平，而在6歲以后主要是學(xué)各種各樣的知識，這就跟我們認(rèn)知到的，2歲、3歲、4歲形成個人最重要的學(xué)習(xí)能力，這方面是最一致的。相信隨著6歲兒童常識的學(xué)習(xí)能力達到以后，我們再給他灌輸小學(xué)、初中、高中的知識以后，它最后就能考上大學(xué)。

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。