【澳门月刊】AI时代,谁将被取代?--科技改变时代,AI中国的前进版图

惠君儿 发表于 2021-09-14 08:05:48 | 只看该作者
0 0

中国科大讯飞听见科技副总经理 談冰


阶段发展,语音合成领先全球

    当人工智能不再遥不可及,在生活中越来越多的出现时,“机器人”是最直观接触和理解的一种人工智能应用领域。自1950年人工智能之父提出人工智能的理念,人工智能致力研究一个真正能在人类所处环境中表现出像人类一样智能行为的计算机,从易到难它包括三个阶段:

    第一个阶段是运算智能。典型应用就是AlphaGo(阿尔法狗),它是第一个击败人类职业围棋选手、基于“深度学习”的人工智能程序。

    第二个阶段是感知智能,就是让机器具备能听会说能看会认的能力。相当于让机器具备了眼睛、耳朵和嘴巴的功能。



    第三个阶段是认知智能,让机器具备了理解思考推理学习的能力,相当于给机器安装了一个大脑。

    目前,科大讯飞提出的“讯飞超脑”计划就是一个以语音和语言为入口的“认知革命”,主要包括语音合成、语音识别、知识图谱和逻辑推理等几个方面,目标是让机器不仅能听会说,而且能理解会思考。

    语音合成就是把机器中的任何文本变成声音播放出来,相当于给机器装上了嘴巴,让机器能说话。语音合成最重要的一项指标是自然度,指机器说话的流畅度是否像人说话。

    普遍来看,业界对于自然度采取5分制的衡量标准,中央广播电视台播音主持人的发音标准为5分,我们普通人说话大概是4分,机器人说话大概是3分左右。

    在1998年,语音合成系统达到3分的效果,它是一个字一个字拼接起来的。2016年,我们的语音合成技术效果达到4.5分,超出人自然度的标准,当前的语音合成效果已经达到使用阶段。国际上,现有对于语音合成最具权威的比赛是暴风雪大赛,科大讯飞在这项国际赛事中连续12年夺得桂冠。这个比赛不仅针对英文的合成,还包括印地安语和小说风格的英语合成。

    语音合成技术大家觉得最熟悉的,就是我们平常在开车的过程中都用高德导航,里面林志玲的声音就是使用科大讯飞提供的语音合成技术来实现。在央视的大型纪录片《创新中国》中,我们用语音合成技术,根据纪录片的配音文稿,模拟已故李易老师的声音,为这部纪录片提供全程的语音合成技术的仿真配音。大家几乎感受不到前后者之间的差距,完全可以达到以假乱真的效果。

    目前语音识别主要分为:

    第一,内容识别。语音识别最重要的应用点,是可以实时地把我说的话变成文字播放出来,这是语音转写技术。

    第二,说话人识别。当有多人说话的时候,计算机可以自动识别出来说话的人是谁。

    第三,语种识别。可以识别出到底是中国话,还是日文、英文,甚至方言。

    而科大讯飞研发的翻译机2.0 已经可以完美支持中文与英、日、韩、法、西、德、俄、泰、印度尼西亚、意、葡、越南、希腊、马来、捷克、丹麦、挪威、荷兰、瑞典、土耳其等33种语言进行实时准确的翻译。国际上对语音识别最具权威的比赛是ChiME Challenge,科大讯飞在2016年首次参加这项比赛,在全部测试场景中,以优秀的资质获得第一名,这足以证明中国企业在国际上具备充分实力的竞争力。



    同时,科大讯飞与人民日报社、咪咕视讯、新奥特三家企业合作,在最近“两会”上,通过语音转写技术,在直播平台上同步进行视频字幕直播,为政府报告提供中英文实时字幕。如果这次的直播是面向网民的,在视频上也可以迭加相应的字幕进行转写,不仅可以转写中文,还可以进行翻译,这就是我们语音识别技术典型的应用场景。国际上对知识图谱的权威比赛就是NIST TAC Knowledge Base Population (KBP2016)Entity Discovery and Linking Track(知识库实体发现与链接路径),科大讯飞在这项比赛中也获得了第一名。

    这项大赛中非常有典型代表的一句话是,“美国大选期间,特朗普炮轰杰克·布什,说伊拉克战争就是你哥哥的错。”作为人类来讲,很容易理解这句话的意思,因为我们有大量的背景知识,我们知道美国和伊拉克是一个国家的名称,我们知道特朗普是什么角色,知道伊拉克战争的背景是什么。但是,要让机器明白这句话,必须给予它大量的文本信息,而且彼此之间有关联性。

    目前这项技术现在已经成功用于中国的英语四六级考试当中,其中非常有典型意义的是在教育领域中的应用。通过大数据技术和知识图谱技术,可以应用于教育,实现真正意义上的个性化和精准化教学。

    我们可以过程化地采集学生在学习过程中所有数据,包括平时的作业、课堂小测验、期中期末考试、中考、会考、高考等等。当有了这些数据(主客观题数据),就可以对教学过程进行分析,并且找到彼此之间的知识逻辑结构,通过人工智能的技术手段帮助老师实现精准教学和学生个性化学习,即通过人工智能技术,从大量的文本信息中判断和推理出相应的知识结构。

多元应用,AI赋能各行业

    通过日常生活我们所见所用,就可以发现人工智能已经深入生活的方方面面,它不仅影响正常生活中的交流方式,同时也为各个行业提供智能学习赋能应用。一方面,人工智能对日常的交互方式起到很大的帮助作用;另一方面,人工智能在各个行业有非常重要的赋能应用。

    人工智能的发展,在自然交互的方式上经历了三种方式。最早是以键盘和字符显示构成第一代人机交互,图形和鼠标的交互模式构成第二代人机交互模式。

    随着互联网的发展,很多应用场景有以下特征:

第一,远场。比如,对着电视机说话就是远场。

    第二,无屏。手机有屏幕,但是未来手机终端有可能会消失,冰箱、洗衣机、胸针、耳环等在未来都有可能成为人工智能的终端设备,这些设备都是无屏的。

    第三,移动状态。在这些状态下,人工智能技术就出现了以语音交互为主,触摸为辅的第三代交互模式。



    在这种大背景下,科大讯飞在深圳发布了人机界面AIUI3.0,这是基于人机交互接口开发面向消费者的人工智能终端产品,它的特点是以人为中心,是真正开放式的,更接近人自然交流的状态,并且它已经打通了从语音识别、语义理解到语音合成等整个链条。未来,这个技术发展会越来越成熟,会越来越贴近人与人的自然交互阶段。

    而人工智能在各个行业的赋能应用也尤为重要,比如说教育、医疗、公安、检察院、法院等,它基于人工智能技术,结合不同行业的大数据以及行业的专家经验,为行业进行赋能。

    人工智能具有伟大的赋能性,具体来看:赋能教育,助力因材施教、帮助学子达成梦想;赋能医疗,助力健康中国,让普通百姓也可以享受到优质医疗服务;赋能司法,让每个公民都能得到公平正义的法制保护。在媒体行业,从内容生产环节来看,因为新闻的时效性要求很高,所以人工智能的应用,使得之前的人工生产模式逐渐向人机协同甚至机器自动完成的方向发展,把记者从琐碎的日常工作中解放出来。例如通过人工智能技术可以帮助记者朋友将采访的音视频内容快速转化成文稿,或者将实时动态的新闻信息快速转化成音频内容推送给用户。从内容传播环节来看,在万物互联时代,一方面从媒介来讲,是万物皆媒,除了电视、广播、PC、手机等,我们生活当中的车载、音箱、手表等等都会成为新闻实时传播的管道。在未来无屏、远场、移动等场景下,人工智能技术可以改变新闻服务模式,让用户不仅能够“看”新闻,更能无处不在的“听”新闻。



讯飞领衔,四家共建智慧平台

    窥一斑而见全豹,由此可见,中国近几年在AI上的发展快速迅猛,不少企业异军突起,成为中国AI发展的壮观景象,也在推动全球AI领域的发展。而基于讯飞的超脑计划和目前人工智能技术的最新进展,去年10月15日,中国科技部首批四家公司承担国家人工智能开放创新平台。其中,科大讯飞主要承接智能语音方向上的研究,百度承接自动驾驶方面的研究,阿里承接大脑研究,腾讯主要承接医疗影像方面的研究。2017年,在《麻省理工科技评论》杂志中,科大讯飞有幸被评为“全球最聪明的50家公司之一”,在全球排名第六,在中国排名第一。

    2008年至今,科大讯飞连续在国际说话人、语种识别评测大赛中名列前茅。2014年,科大讯飞首次参加国际口语机器翻译评测比赛(International Workshop on Spoken Language Translation)即在中英和英中互译方向中以显著优势勇获第一。2015年,在中英机器翻译评测大赛(2015 NIST)中,科大讯飞获得人工评价翻译结果可用性比例最高的优异成绩。2016年,国际语音识别大赛(CHiME)科大讯飞取得全部指标第一;在认知智能领域,2016年相继获得国际认知智能测试(Winograd Schema Challenge)全球第一、国际知识图谱构建大赛(NIST TAC Knowledge Base Population Entity Discovery and Linking Track)核心任务全球第一。2017年8月,在国际医学影像领域的权威评测LUNA上,科大讯飞获得平均召回率92.3%的检测效果,以显著优势获得该项评测的第一名并刷新世界记录。10月,在国际自动驾驶领域权威评测集Cityscapes中,科大讯飞获得平均81.4%的精度,取得了该项评测的第一名,并刷新了世界纪录。2017年7月,哈工大讯飞实验室(HFL)获得斯坦福大学发起的SQuAD(Stanford Question Answering Dataset)机器阅读理解挑战赛全球第一名,这是中国本土研究机构首次取得赛事榜首;后在10月及2018年1月再次刷新纪录登顶榜首。因此,目前科大讯飞已占有中文语音主流市场70%的份额。

    目前,在科大讯飞的开发平台上,已经积累了众多开发伙伴。截至2018年2月份,这个平台上的第三方创业团队超过60万,累计终端数超过18亿,每天日均使用次数超过45亿,科大讯飞自身也探索了四大创新应用:

    1、在智能手机或智能终端上的应用

    (1)讯飞输入法。讯飞输入法除了能支持手写输入和拼音输入,它最重要的特征是可以实现语音输入,快速形成文字,每分钟达到400多字,准确率达到97%以上。而且,它不仅支持普通话,还支持20多种方言,包括粤语。

    (2)灵犀。灵犀是们手机上的语音助手,通过灵犀可以打电话、发短信、查航班、天气、餐厅,甚至可以在灵犀上翻译,做简单的算术题。

    (3)配音阁。这是使用科大讯飞语音合成技术提供的专业配音工具,你只要下载配音阁,输入各种文本信息,就会变成专业主持人的声音播报出来。

    (4)讯飞听见。讯飞听见更多面向于记者、老师、速记员、法院检察院的庭审官。如果采访的内容要及时形成文稿,讯飞听见不仅可以把采访的过程及时录音,并且实时地撰写成文字,一个小时的录音大概只需要5-10分钟。

    2、翻译场景

    科大讯飞的语音转写、语音合成、翻译技术等几个方面组合起来的应用就是翻译机。最近,我们发布了晓译翻译机2.0,这支持33种语言和4种方言,并集成了OCR技术,可以拍照。这个设备不光成为贸易洽谈和出国旅游的设备,还集成了很多汉维翻译的应用,所以这已经成为援疆干部的标配。

    3、汽车场景

    开车第一个要素是安全,所以语音交互成为刚需。在开车的过程中,可以通过语音方式快速实现拨打电话、发短信、导航或者搜索广播电台等。

    4、家庭场景

    在电视上安装“大耳朵”,通过原厂语音操作方式,可以实时把机器唤醒、调节音量、调阅内容等。所有设备未来都有可能是居家场景下的语音操控终端,比如语音遥控器、暴风TV“大耳朵”、叮咚音响、窗帘等,都可以通过语音的方式进行操控。当物联网发展进化到智能化后,所有设备一定会成为居家的语音终端。

    科大讯飞还为孩子开发了阿尔法蛋机器人。很多家长无法辅助孩子学习的时候,阿尔法蛋机器人提供众多语音和内容服务,孩子可以跟阿尔法蛋进行语音交互,比如说想听什么古诗、提问什么知识点等,甚至可以让机器模仿大人的声音给孩子讲故事。

    可以说,未来,人工智能将无所不在。每个领域和行业,每个老百姓,未来都能用上人工智能,都能享受人工智能带来的红利。



中美携手,开创智慧新世界

    当然以国内四家乃至多家企业为标志的中国AI智能需要在发展中反思,在反思中探索进步。因为国际竞争仍然异常激烈,尤其是以中美为代表的竞争,在人工智能这个新技术领域,无论是中国还是美国都进入了一个“无人区”,中国拥有海量的大数据,在应用领域上比较领先,美国在技术资源上有比较优势,大家各有优势,需要相互合作才能产生最强的人工智能技术。如果中美这两个发动机能紧密合作一定能够推动整个世界的人工智能产业发展。

    目前人工智能技术的发展,更多为人类提供更加便捷的人机交互手段,它将人类从简单的、重复性的劳动中脱离出来,从事更具有创造性的工作。当前更多的是一种人机协同的模式。所以人不会轻易被机器所取代,但是应该更加正向积极地来面对这股科技发展潮流。

    当人工智能可以帮我们解决诸多基础性工作后,人类去做有创意的事情,才能创造更多想象不到的奇迹。在未来,比人类更强大的不是AI,而是掌控AI的人类。通过人机耦合的模式,孩子可以带着阿尔法蛋学习、棋手带着人工智能下围棋、医生借助智医助理读片甚至判断病情等等,站在人工智能的肩膀上,每个人都拥有自己的AI助手,人类将来可能只要做10%需要决断和创意的事。这也是科大讯飞的愿景,用人工智能建设美好世界。


猜你喜欢
新型毒品“恰特草”惊现澳门,珠澳连手侦破!
送房!直接落户!珠海这样“抢人”,连董明珠都震惊了…
中国神秘力量:我说什么美国做什么,我能怎么办啊…
台湾反攻中国大陆方案曝光:国人看后全都笑
外国人吐槽:中国人所到之处,简直所向披靡啊...

免责申明:部分文章与素材来源互联网,如有侵犯到您的权益,请留言告之,我们会在第一时间删除

请长按下面二维码图片,弹出菜单后,再选择“识别图中二维码”,即可关注


本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

本帖被以下淘专辑推荐:

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

加入我们,

发现生活更美好...

立即注册

如果您已拥有本站账户,则可

香港粤语音乐分享社
香港粤语音乐分享社

© 2017-2018 hebwjwc.com

返回顶部