專訪百度美國研究院總監(jiān)：語音和人工智能的交互是大趨勢

（百度硅谷人工智能研究院總監(jiān)Adam Coates在EmTech Digital大會上發(fā)表演講）

騰訊科技 紀(jì)振宇 發(fā)自硅谷

“百度硅谷人工智能研究院的目標(biāo)是創(chuàng)建我們認(rèn)為至少能夠影響1億人的人工智能技術(shù)。”百度硅谷人工智能研究院總監(jiān)Adam Coates在本周舉辦的Emtech Digital大會上這樣表示，在會后接受騰訊科技專訪時(shí)，他表示，百度美國研究院的部分人工智能技術(shù)成果，實(shí)際上已經(jīng)應(yīng)用在了很多產(chǎn)品中。

此外，他還證實(shí)了百度即將擴(kuò)大硅谷研究院規(guī)模的消息，新的辦公區(qū)就在距離目前百度美國研究院不到一英里的位置。

“人數(shù)會在目前的基礎(chǔ)上再擴(kuò)大約一倍左右?！盋oates說。目前，百度在美國研究院共有約200名員工。

上周，百度首席科學(xué)家吳恩達(dá)的突然離職，令外界對百度人工智能研究的未來發(fā)展產(chǎn)生新的疑問。百度方面宣布，總裁張亞勤(微博)將任百度美國研究院董事長，負(fù)責(zé)百度在美國研發(fā)中心的關(guān)鍵人才吸引、品牌建設(shè)、以及美研同國內(nèi)業(yè)務(wù)的戰(zhàn)略協(xié)同等方面的事務(wù)。

Adam Coates表示，自己在百度的工作性質(zhì)并不會發(fā)生變化，依然會繼續(xù)此前的人工智能研究工作。在加入百度之前，他曾跟隨吳恩達(dá)在斯坦福大學(xué)從事人工智能方面的博士后研究。

“在出差到中國時(shí)，給我最大的感受是所有事情的變化都非?？?，”Coates說，“和硅谷的節(jié)奏完全不同。”

他表示，百度從事人工智能研究的大背景時(shí)，對于很多發(fā)展中國家來說，移動互聯(lián)網(wǎng)的發(fā)展為人工智能時(shí)代鋪平了道路。

“如果你在2017年第一次連接上互聯(lián)網(wǎng)，那么你很可能是從移動設(shè)備上進(jìn)行連接的?！盋oates說。

他認(rèn)為，正是基于人們互聯(lián)網(wǎng)連接方式的改變，將使得人機(jī)交互的方式也在同時(shí)發(fā)生變化。移動和物聯(lián)網(wǎng)將變成語音和人工智能的交互。

“在移動互聯(lián)網(wǎng)時(shí)代，我們需要全新的人機(jī)交互界面，”Coates說，“而語音就是我們所認(rèn)為的能夠影響1億人的方式。”

百度硅谷研究院在過去幾年開發(fā)了Deep Speech技術(shù)，不同于傳統(tǒng)的語音識別系統(tǒng)，Deep Speech完全運(yùn)用了深度學(xué)習(xí)技術(shù)，通過成百上千小時(shí)的語音數(shù)據(jù)訓(xùn)練后，實(shí)現(xiàn)對語音的識別。

此前，吳恩達(dá)在擔(dān)任百度首席科學(xué)家時(shí)曾經(jīng)介紹過Deep Speech系統(tǒng)，他表示，過去對于識別不同的語言，需要做相應(yīng)的針對不同語言的系統(tǒng)，而運(yùn)用了深度學(xué)習(xí)技術(shù)的Deep Speech系統(tǒng)則完全不需要對不同語言進(jìn)行區(qū)別對待?！皩W(xué)習(xí)算法的通用性已經(jīng)可以不用區(qū)分不同的語言?！?/p>

目前，Deep Speech已經(jīng)推出第二代，Adam Coates表示，這套系統(tǒng)最初全是用英語語音數(shù)據(jù)進(jìn)行訓(xùn)練，后來才引入了中文語音數(shù)據(jù)的訓(xùn)練。

“因?yàn)檫@套系統(tǒng)完全是基于深度學(xué)習(xí)，完全取決于訓(xùn)練數(shù)據(jù)，所以我們可以很快地用中文語音數(shù)據(jù)來替換，并使其成為非常強(qiáng)的中文語音識別引擎?！盋oates說。

他介紹說，這套系統(tǒng)的訓(xùn)練數(shù)據(jù)很龐大，加入了非常多的口音很重的中國方言數(shù)據(jù)，而這些數(shù)據(jù)的訓(xùn)練效果也很好，以至于很多人耳都難以聽清的方言語音，系統(tǒng)都能夠成功識別出來。

如今，百度的這套主要由美國人工智能研究院所開發(fā)的系統(tǒng)，已經(jīng)成功實(shí)現(xiàn)了產(chǎn)品化。去年10月，一款名為TalkType的手機(jī)應(yīng)用登陸安卓商店，這一應(yīng)用便是基于Deep Speech的技術(shù)，是被百度稱為第一款真正意義上的“語音優(yōu)先”的輸入方式，而非鍵盤輸入之外的“語音輔助”的輸入選擇。

Coates認(rèn)為，百度以及其他在中國從事人工智能研究的公司的最大優(yōu)勢在于，中國互聯(lián)網(wǎng)用戶很快地接受了移動終端這樣的上網(wǎng)方式，無論是普通的收發(fā)郵件、瀏覽網(wǎng)頁，甚至是到餐館就餐，全部能夠用移動設(shè)備來完成，這些使用習(xí)慣與美國用戶完全不同，而這些給了例如語音識別等人工智能應(yīng)用的廣泛的應(yīng)用基礎(chǔ)。（編輯：chunwzhang）