演讲实录丨黄伟 AI已来，未来已来

AI已来，未来已来

黄伟

云知声董事长、语音识别技术应用专家

黄伟：大家下午好！非常感谢邀请。我觉得前面山世光对公司有一个非常好的定位，介于学术和产业之间。我可能是唯一一个做云技术，第二我们可能长期在工业界。今天人工智能热潮十多年比较冷的一个方向，这样我更多从工业界角度来看，我们可能对AI的看法和认知。今天题目是云知声的成长之路。

    其实AI在过去60年里面，我们经历过高潮和低谷，在过去两次相对比较失败低谷里面，确实是当时一个技术条件，产业条件可能没有达到那个需求。要么是运算能力不足，要么是没有大数据，当然不可能有新的理论算法所支撑。今天第三次高潮，这三个要素相对比较具备。今天我们学习方法有相对比较成功的算法，深度学习。另外这个PC互联网和移动互联网，人和人之间，设备和设备之间，设备和人之间产生大量的海量数据。

    同时，今天有更的强运算单元，不光有CPU，还有GPU，使得我们可以用一些具备运算资源。我们一方面不能忽视用户习惯的养成。在中国10多年互联网发展过程当中，用户养成非常好的用户习惯，这个技术成熟用户之间形成一个非常好的集合点，某些领域里面今天这个AI技术使得更加成熟，做成产品化和商业化。在家具、医疗等很多领域，今天AI已经产品化和商业化。

    简单介绍一下机器学习算法的演进。上一代基于统一学习，我读书的时候进实验室开始学，用统计学方式进行描述，使得这个模型对于未来产品数据进行比较准的预测。在云方面2011年的时候，微软研究员最先把深度学习用在云识别系统里面。C2C这些技术使得我们在过去4年前，我们的技术水平得到进一步的提高。4年前语音识别已经进入领域，4年前不光算法本身还是迭代从当时90%提高到今天97%，今天在日常对话，说100个字不再需要修改什么内容，这就是算法和数据提升的巨大的进步。

    今天看到深度学习几乎我们可以说学习领域里面颠覆了，包括像语音合成，包括翻译等等，为什么取得这些突破？我们之前所谓深度学习，人类、科学家一些知识，事先设定一些结构，使得模型结构对这个数据进行的描述，面对一些真实的产品的时候，依然具有非常好的能力。人最归有限，面对海量数据的时候，顶级科学家实验室的知识都是不够的。深度学习从数据终学习特征，我们可以看到横坐标是数据规模，纵坐标是数据精度。

    基于统计学习数据规模到一定程度以后，这个性能不再增加了，相对比较平坦，说明统计模型对大数据模型是有上限的。其实这个数据本身对这个性能影响非常大的，刚参加工作的时候，摩托摩拉在手机做语音识别系统，当时做一国语言所用数据大概100小时左右，但是今天做一个国家语言是以10万为单位，数据增长可以完成很多不可能完成的任务。

    这个是我们在过去几年里面，云知声在技术上的演进，2012年云知声成立，发布了免费的开放的语音指标，当时是做到了85%，今天我们说你说100个字里面有15个字错，基本上觉得这个系统是不可用。4年前85%的指标已经是业内最高水准，超过很多上市公司水准，这个是当时我们用统计模型做到了极限。三个月之后，在2012年年底时候把深度学习同样用800小时数据做了深度学习系统，从25%提升到90%，比同行业高了10个点。

    一个算法层面突破会在系统上带到质的超越，带到产业落地。当然后面随着一方面算法不断优化，一方面数据不断迭代，2016年7月份之前我们准确率已经达到97%，中间还有一些其他的特点出来，包括2014年的时候推出了双麦克一个降噪，这些过去在四年里面应用和技术方面做的不断突破。

    这里讲双麦克（音译），因为我代表工学界。我们知道10月份的时候，谷歌发布双麦克，我们看到亚马逊推出的7+1麦克风。他们做到降噪等等，很重要一个点，双麦克风只有一个麦克风，间距不到5公分，这样很便捷应用在各种产品下面。不管这个产品是电视剧还是冰箱等等都可以用。双麦克风再一个低成本下面满足了大部分使用场景，我们有可能以双麦克风为载体，使我们技术尽快走到千家万户，使用户能够使到AI技术，一方面养成用户使用习惯，第二使得更多数据，使得系统更多进一步的优化空间。

    另外，我们对于云理解什么？云不光是声音和文字，还是文字之后我们对它的意思理解，这个够了吗？语言是一个非常博大精深，字面意思不能表示正式意图。还有另外一个进展，提供了云计算，我们有时候从语音到文字，或者从文字不一定看到最准确的意图。举个例子，我对着机器人，我说今天天气真冷，这个字面意思大家知道温度比较低。比如汽车里面能不能把空调调高一度，但是户外说可能需要加外套，这个实际上把字面意思和物理环境，甚至和人的知识汇集在一起，应该是一种综合计算。让机器变的更加智能，对用户需求有一种更加精确的把握。

    这个今天在很多产品里面已经用到了。第二个前面山世光老师说到了，运算能力。我们今天有两种做法，我们以人的大脑做对比，我们今天AI系统一方面缺少很多数据，在语音也好图片也好，跟我们人的大脑无论遗传还是后天是完全不能成比例。我们运算能力，人的大脑是非常复杂一个运算单元，可以用数以亿计的神经元，一个庞大的处理器，每个神经元不一定能够计算。计算服务器搭建成一个计算集群，每个运算单元并不是很强，但是规模很大，把很多运算单元有机结合一起，使得它能完成非常复杂的任务。

    这个图，传统做法我们先构建一个专用训练集群，然后训练出非常好系统之后，把这个系统部署到外网为用户提供智能服务云。这个系统运行一段时间以后，肯定会存储很多数据，把这个数据弄回来做内网和数据开发，是这样一个过程。这个数据不是时时的，也不能及时对很多进行计算。上层是把智能服务和智能学习结合在一起，这样使得集群白天可以服务，晚上可以工作，类似于AlphaGo和李世石下棋的时候，白天下完棋了，李世石非常累回去睡觉了，但是AlphaGo还再不断迭代这样就使我们后台和用户之间实施用户交互。

    通过我们产品服务体系，搭建了一个基于云端新的服务体系，所以需要我们很多场景里面选择一些垂直行业切入，做好这个服务，智能化不断提高。当然这种服务通过云，通过终端，通过芯片方式选择一些行业切入。到今天为止，我们每天平台量已经接近两个亿，这个数据不是特别新，有超过一个亿的终端机服务。12年相比服务增长量在18%以上，前两天看了一个数据，其中一块业务从过去的每天的大概几十万次调用，增长到今天一亿次调用。一方面我们确实今天用户对使用语音习惯变的越来越强烈，第二个方面技术水平越来越高，使得用户愿意用，经常用。在用户和服务之间数据是流动，使得服务变的越来越好，使得数据能够帮助我们开发出更好的水平，只有这样我们所谓人工智能服务真正进入我们的家庭。

    这个是我们大概发展历程，云知声四年公司了，因为我们一直用比较新的思路做一个企业。可能说在中国公司比较深的感触，我们不光在工业界、学术界，跟国外还有一个差距，中国和国外环境不太一样。首先，在座很多朋友我们一般虽然我们受过高等教育，我们不愿意为技术买单，当然这个环境在改变。第二个，技术离商业化比较远，可能商业公司只愿意做后面事情，但是我们一些学术团体只能做前面，中间学术没有往前走，但是商业这一块不愿意往后来，这是中国的现实。

    我们用比较新的做法，比如我们在12年6月份成立，三个月之后发布国内第一个免费语音平台，当时环境下面语音算是一个门槛非常高的技术，当然也有比较不错的议价能力。我们认为人工智能其实它的生存与发展不依赖于收多少费用，而是多少用户，和多少数据。正是因为我们认识到这个数据对技术驱动重要意义，我们三个月以后发布国内第一个免费开放平台，付出代价是成本。我们团队管这个平台，我们获得了用户的口碑，用户数据，这些能够帮助我们引擎不断提升和迭代。

    这是我们再一个模式上的创新，在技术方面我们算国内比较早的把深度学习应用到工业界里面。在12年12月底把深度引擎服务给厂商。最最值得我们创业公司去分享一点，在四年里面通过我们努力，探索怎么把技术变成产品，而且这个产品能够给用户创造价值，而且还能在夹缝中求生存。我们看到人工智能领域不光说国内巨头，都在做。我们做创业公司，无论语音还是图象还是文本，这里面哪里是你的优势，让你飞的更高。我们认为选择比较适合我们的路，今天选择一些方面，我们恰恰形成我们先发优势。

    第一，通过商业探索塑造了时间壁垒和技术壁垒。第二，大家谈概念的时候，云知声芯片产品已经在市场上开卖。人工智能非常高大上，但是人工智能需要落地，需要我们在座企业界朋友们，不光追求技术的鼎天，我们还要做好商业的落地。这个是我们的智力方案，基本上是云端芯，可以灵活的组合，某些手机APP厂商可能只需要一个AX（音译）不够，还需要本地化的服务，就是云加端。我是一个机器人离的很远的时候，可以通过声音打断他，唤醒他，就需要把芯片组合到里面。

    这个今天完全不是概念，这个已经产品化一些东西。比如说左边像一个球一样，美的发布第一款壁挂式空调，可以全程远距离交互。格力空调是亲自给苗部长亲自演示，获得今年产业最高奖。右边是孩儿空调，去年开卖的乐视电视。这里面现象比较容易，但是还是比较难的，大家体验过的在手机端上的云识别之外，很多问题距离比较远的时候，声波在衰竭怎么办？我距离比较远不可能让人按纽，能不能通过声音唤醒他。还要考虑是不是符合低成本标准，低功耗标准。

    我们大家知道，我们能够看到用这种技术做交互的公司和厂商少之又少。我们大家看到只有亚马逊那个AlphaGo，我们一方面看到未来，我们一方面看到这个技术难度非常大。这个车里面，后视镜、导航仪等等，在车里面做到全程语音交互，手不用参与，眼睛不用参与。这个也是大概做的非常不错，这个是我们去年和中国的最好医院，北京协和医院合作，把云技术做进了大家都认为很封闭的医疗系统，而且这个今年在协和医院推广。今天医生不再需要用手用病例，这个可以提高效率。好医生在中国是非常稀缺的资源，医生每天平均节约3.8个小时，增加商业价值。

    这个我们在商业方面取得的成绩，我们除了讯飞百度之外，我们是国内第三大语音服务提供商。今天我们国内很多非常Topo医院已经开始使用云知声服务。云知声通过我们的技术，通过我们的努力，使得我们一起智享未来。我们非常看重人工智能技术，我相信人工智能会在未来像水电跟我们一起无处不在。最好的技术能够成功，离不开这个过程当中每一点每一滴，云知声成为水电煤之前，通过我们努力改变我们的生活，改变我们的车、医疗，让我们相信人工智能就在我们身边。谢谢大家！

本文来源于"中国人工智能学会",原文发表时间" 2016-10-26 "