馬宏賓北京理工大學(xué)自動(dòng)化學(xué)院教授

?

云中知聲，芯中有道

馬宏賓
北京理工大學(xué)自動(dòng)化學(xué)院教授

語音技術(shù)的背后，是一批有著夢(mèng)想并追逐夢(mèng)想的人?？拼笥嶏w的創(chuàng)業(yè)故事，某種程度上已經(jīng)成為了經(jīng)典案例。而云知聲，作為一個(gè)后起之秀，展現(xiàn)出更大的爆發(fā)力，這個(gè)才創(chuàng)業(yè)數(shù)年的公司，在不到兩年的時(shí)間里，已從一個(gè)十幾人的小團(tuán)隊(duì)，發(fā)展成了上百人的企業(yè)，收入上千萬美元，私有云的開發(fā)者數(shù)量已經(jīng)增加到了兩千多家。而在這一迅猛發(fā)展的背后，我們看到了厚積薄發(fā)，看到了技術(shù)積累的重要性。

算法是語音技術(shù)的靈魂，構(gòu)建于語音模型基礎(chǔ)之上。從外在的語音數(shù)據(jù)中找尋內(nèi)在的詞匯聯(lián)接，就是語音識(shí)別的本質(zhì)，看似簡(jiǎn)單，實(shí)則不易，因?yàn)檫@一問題根本上可歸結(jié)為海量的搜索。解決聲音匹配問題，云知聲從采用常用的高斯混合算法，到快速跟進(jìn)微軟提出的深度神經(jīng)學(xué)習(xí)技術(shù)，完成代碼實(shí)現(xiàn)后進(jìn)一步基于內(nèi)在原理，用最高效的方式實(shí)現(xiàn)同樣的效果，再把計(jì)算瓶頸部分用匯編語言改寫，充分利用計(jì)算單元的特性和處理能力，層層優(yōu)化。這樣的工程優(yōu)化使得學(xué)術(shù)界象牙塔中算法真正得以落地，基于海量用戶語音數(shù)據(jù)形成的語音云，來改進(jìn)用戶使用體驗(yàn)，提高識(shí)別準(zhǔn)確率以及計(jì)算效率，發(fā)揮其價(jià)值。對(duì)技術(shù)后面的模型、算法、數(shù)據(jù)，持續(xù)不斷的投入和積累，以及背后的研發(fā)人才，應(yīng)該是云知聲得以發(fā)展的關(guān)鍵基礎(chǔ)。

另一方面，我們必須看到，技術(shù)本身從來不會(huì)自己直接“說話”并產(chǎn)生價(jià)值。云知聲目前已取得的成就也反映了時(shí)代浪潮的巨大推動(dòng)作用，趨勢(shì)、時(shí)機(jī)、需求，加之遠(yuǎn)見、積累、團(tuán)隊(duì)，可謂缺一不可。云知聲正在從事的AI 芯、AIUI、AI Service，我認(rèn)為代表著未來的發(fā)展方向，將各種人們期待的“智能”加以實(shí)用化、人性化、終端化、網(wǎng)絡(luò)化，必將是人工智能的發(fā)展趨勢(shì)。

最后，作為結(jié)語，不妨簡(jiǎn)單提及云知聲面臨的挑戰(zhàn)。案例中談到了云知聲面臨的“人才匱乏”的挑戰(zhàn)，這一挑戰(zhàn)其實(shí)在很多高精尖領(lǐng)域都存在，高校忽視技術(shù)實(shí)現(xiàn)、企業(yè)缺乏核心研發(fā)，已得到很多有識(shí)之士的共識(shí)，今年5月份國(guó)家剛發(fā)布的《國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要》其實(shí)已經(jīng)注意到這些問題。此外，對(duì)語音識(shí)別技術(shù)來說，目前在公共場(chǎng)合或多人場(chǎng)合因隱私及噪聲問題帶來的識(shí)別難、體驗(yàn)差，造成現(xiàn)有的語音識(shí)別技術(shù)很少在這些場(chǎng)合大量使用；另外，目前通用語音識(shí)別產(chǎn)品在特定“專業(yè)”領(lǐng)域的不夠“專業(yè)”，可能也是云知聲面臨的挑戰(zhàn)，不過也可能催生出更多面向細(xì)分產(chǎn)業(yè)的創(chuàng)業(yè)公司。在與科大訊飛、BAT巨頭乃至思必馳、靈聲科技等的競(jìng)爭(zhēng)中，云知聲能取得多大的市場(chǎng)份額，鹿死誰手，仍須拭目以待。商業(yè)模式方面，如何通過語音技術(shù)實(shí)現(xiàn)商業(yè)利潤(rùn)的最大化，也仍然面臨挑戰(zhàn)。可以預(yù)見，技術(shù)的不斷進(jìn)步，必然會(huì)使語音技術(shù)就像互聯(lián)網(wǎng)一樣，成為人們生活與工作的基礎(chǔ)設(shè)施，為大家?guī)砀嗟谋憬菖c效率。