科大訊飛李世鵬：答AI技術(shù)的當(dāng)下戰(zhàn)局，給AI創(chuàng)業(yè)者的九條建議 | CCF-GAIR 2019

從數(shù)據(jù)的角度來(lái)看，我們?nèi)绾螌⑷斯ぶ悄芊謱?，我這里大概分了6層：通知、算知、感知、認(rèn)知、預(yù)知、決知。

其中每向上一層都代表一個(gè)更高一個(gè)層級(jí)的智能，不同層級(jí)的智能與大數(shù)據(jù)的依賴關(guān)系有所不同，我們看到其中有知識(shí)庫(kù)、環(huán)境數(shù)據(jù)、用戶個(gè)人數(shù)據(jù)，這些數(shù)據(jù)與相應(yīng)層級(jí)間形成一個(gè)反饋，在這些數(shù)據(jù)的基礎(chǔ)上就能達(dá)到不同層次的應(yīng)用。

具體不同層次的人工智能需要哪些數(shù)據(jù)如下圖所示。圖中實(shí)心綠點(diǎn)表示確實(shí)需要這個(gè)數(shù)據(jù)，空心點(diǎn)表示可能會(huì)用到的數(shù)據(jù)。從底層的人工智能到高層的人工智能，代表所需要的數(shù)據(jù)種類和數(shù)據(jù)量上的跳躍。

今天的人工智能究竟達(dá)到了什么程度？

下圖中有三條線，綠線是10年以前的人工智能發(fā)展情況，橙色的線是今天人工智能的發(fā)展現(xiàn)狀，到感知智能這一層，我們基本上已經(jīng)做到可以好用了。

什么屬于感知智能？具體而言，感知智能包括語(yǔ)音識(shí)別、人臉識(shí)別、圖象識(shí)別，甚至我們把機(jī)器翻譯也作為感知智能的一部分。感知智能在我的定義中，它是不提供新的信息的，它只是把信息從一類表達(dá)方式轉(zhuǎn)換成另外一類表達(dá)方式。例如，語(yǔ)音識(shí)別是把一個(gè)語(yǔ)音信號(hào)轉(zhuǎn)換成為一個(gè)文本信號(hào)，翻譯是把信息從一類語(yǔ)言的表達(dá)轉(zhuǎn)換成為另外一類語(yǔ)言的表達(dá)，今天感知智能已經(jīng)到了從可以使用轉(zhuǎn)向好用的階段。

認(rèn)知智能還很遙遠(yuǎn)，盡管現(xiàn)在我們?cè)陂喿x理解中，在很多其他場(chǎng)景中也會(huì)看到認(rèn)知智能的應(yīng)用，但是離真正好用還差很遠(yuǎn)。預(yù)計(jì)大概再過(guò)10年，真正的認(rèn)知智能才能達(dá)到今天感知智能的技術(shù)水平。

整個(gè)AI體系中有很多概念，包括人工智能、機(jī)器人、IoT，以及人和環(huán)境。它們相互之間是什么關(guān)系呢？

具體這幾個(gè)元素之間的相互作用關(guān)系如上圖所示，AI需要機(jī)器人或IoT來(lái)傳感一些現(xiàn)實(shí)中的信號(hào)，反饋給它，AI處理完后，反過(guò)來(lái)影響和控制現(xiàn)實(shí)生活中的機(jī)器人或者其它的設(shè)備。人與機(jī)器之間的交互通過(guò)人機(jī)交互界面實(shí)現(xiàn)，人與AI之間的交互則是通過(guò)人機(jī)耦合實(shí)現(xiàn)。

每一個(gè)部分本身也會(huì)形成一個(gè)群體。人與人之間的關(guān)系形成人類社會(huì)；機(jī)器人與機(jī)器人之間的關(guān)系形成機(jī)器社會(huì)，這還是一個(gè)沒(méi)被充分挖掘的領(lǐng)域；把所有人工智能技術(shù)融合在一起，就是類人智能。人與機(jī)器人聯(lián)系在一起，就形成了物理世界的智能；人與AI聯(lián)系在一起，就形成虛擬世界的智能；AI和機(jī)器連接在一起，就形成了機(jī)器的智能。

感知智能現(xiàn)在的應(yīng)用有很多，在實(shí)際生活中也已經(jīng)在發(fā)揮作用。以科大訊飛的應(yīng)用為例，向大家介紹一下現(xiàn)在人工智能的發(fā)展程度。

科大訊飛成名的技術(shù)是語(yǔ)音技術(shù)，語(yǔ)音技術(shù)包括很多方面，包括語(yǔ)音合成、語(yǔ)音識(shí)別，訊飛現(xiàn)在的語(yǔ)音識(shí)別技術(shù)上居于第一梯隊(duì)?？拼笥嶏w做語(yǔ)音技術(shù)已經(jīng)有20多年，積累了很多特有的數(shù)據(jù)。盡管如此，語(yǔ)音技術(shù)中要做的工作仍有很多，包括在一些細(xì)分領(lǐng)域，例如在人工智能和機(jī)器人領(lǐng)域，要想將這個(gè)領(lǐng)域中所有的專業(yè)名詞識(shí)別得很好的話，本身就是一個(gè)很有挑戰(zhàn)性的工作，再加上很多方言、口音?？拼笥嶏w現(xiàn)在至少支持22種以上中國(guó)各地方言。我特別自豪的是，我們將中國(guó)那些一輩子不講標(biāo)準(zhǔn)普通話的老人的世界打開(kāi)了，他們今天可以用自己的方言去擁抱最先進(jìn)的IT技術(shù)。

在翻譯領(lǐng)域方面，訊飛的翻譯技術(shù)已經(jīng)可以達(dá)到英語(yǔ)六級(jí)，今年年底我們將可以達(dá)到英語(yǔ)八級(jí)。

此外，訊飛在計(jì)算機(jī)視覺(jué)方面也有技術(shù)布局，包括OCR技術(shù)、人臉識(shí)別技術(shù)、場(chǎng)景識(shí)別技術(shù)，甚至在醫(yī)學(xué)領(lǐng)域的圖象識(shí)別，我們已經(jīng)走在世界前列。

認(rèn)知智能方面，訊飛在斯坦福的SQuAD競(jìng)賽中，在很多方面在世界上第一次超過(guò)人類的閱讀理解。2017年底訊飛的AI機(jī)器人第一次通過(guò)了國(guó)家醫(yī)生資格考試，滿分是600分，360分及格，我們的機(jī)器人拿到了456分，超過(guò)了96.3%的人類考生。也就是說(shuō)它如果是一個(gè)人類醫(yī)生，它是Top 5%的優(yōu)秀學(xué)生。這些都是科大訊飛在技術(shù)上進(jìn)展。

語(yǔ)音合成方面，今天的語(yǔ)音合成不止可以做到自然的聲音合成，還可以做到圖象合成，我們可以把聲音與畫(huà)面同步結(jié)合起來(lái)，這樣就可以有多種應(yīng)用，例如現(xiàn)在很多地方電視臺(tái)或網(wǎng)站有用到訊飛的虛擬主播技術(shù)，通過(guò)自然的表現(xiàn)方式向用戶傳達(dá)新聞信息。

下圖是最近幾年科大訊飛在多次人工智能競(jìng)賽中取得的一些桂冠。

技術(shù)是一方面，如果我們沒(méi)有切實(shí)的應(yīng)用，它就只能停留在技術(shù)層面。

科大訊飛在語(yǔ)音和語(yǔ)言處理方面做了很多工作，也把它實(shí)實(shí)在在落地了，它打破了人與機(jī)器之間的交互障礙，也打破了人與人之間通訊的障礙，科大訊飛也注重文化保護(hù)、語(yǔ)言保護(hù)，世界上很多國(guó)家只有語(yǔ)言，沒(méi)有文字，包括中國(guó)的一些少數(shù)民族，他們同樣也沒(méi)有文字，也許將來(lái)人類沒(méi)有人能再聽(tīng)懂他們講的話，如果機(jī)器能夠聽(tīng)懂，并且會(huì)說(shuō)，這是對(duì)文化保護(hù)的一個(gè)巨大的貢獻(xiàn)。

在人機(jī)交互界面方面，今天的人機(jī)交互界面不單純停留在人與機(jī)器交互的你問(wèn)我答，還在于它有一定的智能。

科大訊飛的人工智能技術(shù)目前已經(jīng)應(yīng)用于客服及其他多種產(chǎn)品服務(wù)中，科大訊飛前不久剛剛發(fā)布了翻譯機(jī)3.0。這款翻譯機(jī)可以支持58種語(yǔ)言，同時(shí)還支持5種中國(guó)方言，支持7種不同的英語(yǔ)口音，包括英國(guó)音、美國(guó)音、澳大利亞音、印度音等。

很多國(guó)家的英語(yǔ)口音很難聽(tīng)懂，但是機(jī)器能聽(tīng)懂。

此外，科大訊飛還有諸如“聽(tīng)見(jiàn)”系統(tǒng)（實(shí)時(shí)轉(zhuǎn)錄和翻譯）、智能錄音筆、智能辦公本等產(chǎn)品。

此外，科大訊飛現(xiàn)在也在行業(yè)領(lǐng)域不斷進(jìn)行探索。

第一個(gè)領(lǐng)域是AI+教育。從古到今，大家最習(xí)慣的就是老師在上面講，學(xué)生在下面聽(tīng)，由于老師的資源缺乏，一位老師不可能有那么多精力給每位學(xué)生因材施教。今天我們通過(guò)人工智能的技術(shù)，可以做到因材施教。具體人工智能技術(shù)工作流程如下圖：

簡(jiǎn)言之，具體分為以下幾步：

首先，我們會(huì)采集學(xué)生在做作業(yè)、做習(xí)題、考試過(guò)程中的所有數(shù)據(jù)，我們用掃描的方法將它掃描到計(jì)算機(jī)中；

同時(shí)，我們用到前面提到的科大訊飛的OCR技術(shù)，將這些內(nèi)容數(shù)字化；

然后再通過(guò)分析系統(tǒng)對(duì)題目進(jìn)行分析，并分析學(xué)生在哪一步出了錯(cuò)，哪個(gè)概念不熟悉；

將這些分析結(jié)果再反饋到我們?yōu)槊總€(gè)學(xué)科專門(mén)做的知識(shí)圖譜中，并在這個(gè)圖譜上標(biāo)記出每位學(xué)生對(duì)這個(gè)學(xué)科的哪些知識(shí)點(diǎn)是熟悉的，哪些知識(shí)點(diǎn)是薄弱的，哪些知識(shí)點(diǎn)還依賴于前面某個(gè)該學(xué)生不熟悉的知識(shí)點(diǎn)。

我們?yōu)槊课粚W(xué)生定制了這樣一個(gè)知識(shí)圖譜，老師按一個(gè)鍵就可以對(duì)每位學(xué)生實(shí)現(xiàn)下發(fā)定制化的教學(xué)內(nèi)容，同時(shí)可以做個(gè)性化的家庭作業(yè)。這樣，每位學(xué)生就可以只做自己不熟悉的作業(yè)，而那些他熟悉的作業(yè)就不需要再重復(fù)做了。這樣可以為學(xué)生省去很多時(shí)間，據(jù)科大訊飛粗略統(tǒng)計(jì)，預(yù)計(jì)能省去30%的時(shí)間，這些時(shí)間可以用來(lái)學(xué)習(xí)其它的知識(shí)，或者探索其它領(lǐng)域，這就是科大訊飛能夠提供的個(gè)性化教育。

我們知道科大訊飛的語(yǔ)音識(shí)別、OCR技術(shù)可以很容易把醫(yī)生與病人的問(wèn)診記錄，以及一些過(guò)去的醫(yī)療記錄轉(zhuǎn)成文本，數(shù)字化，然后通過(guò)我們的醫(yī)療機(jī)器人或智醫(yī)助理對(duì)這些數(shù)據(jù)進(jìn)行分析。

傳統(tǒng)的一個(gè)沒(méi)有經(jīng)驗(yàn)的醫(yī)生在為病人看病時(shí)，會(huì)出現(xiàn)誤診或是第一印象覺(jué)得是某個(gè)病，就按那個(gè)病來(lái)治療。我們的醫(yī)療機(jī)器人不僅可以給出你患某種病的百分比，還可以將這個(gè)癥狀的所有可能的病癥都為你列出來(lái)，并且為醫(yī)生提供一些建議，告訴他可能要做怎樣的檢查，引導(dǎo)醫(yī)生進(jìn)行正確的診斷。訊飛的智醫(yī)助理已經(jīng)在安徽落地，成為全國(guó)首個(gè)智慧醫(yī)院中的AI系統(tǒng)。

以上這些是AI在行業(yè)中的具體應(yīng)用，具體AI技術(shù)當(dāng)下面臨怎樣的挑戰(zhàn)？

人工智能經(jīng)歷了三個(gè)高潮和低谷，到今天進(jìn)入以大數(shù)據(jù)驅(qū)動(dòng)的深度神經(jīng)網(wǎng)絡(luò)階段，今天很多技術(shù)已經(jīng)可以成熟到放在一個(gè)實(shí)際應(yīng)用產(chǎn)品或場(chǎng)景中。

現(xiàn)在有好消息，也有壞消息。

好消息是：基于深度學(xué)習(xí)的AI在某些領(lǐng)域已經(jīng)超過(guò)了人類，大家在用AI提高工作效率、工作有效性、準(zhǔn)確度等方面都很有效。此外，整個(gè)工業(yè)界也知道AI的好處，現(xiàn)在也有很多Open AI的計(jì)算框架，讓不懂AI的人可以用已有的數(shù)據(jù)做應(yīng)用和服務(wù)。

壞消息是：為什么AI的發(fā)展有高峰、有低谷？有高峰是因?yàn)榇蠹覍?duì)AI的期待太高，今天的AI還不是一個(gè)真正意義的智能，它所有的智能仍是基于大數(shù)據(jù)。如果你從來(lái)沒(méi)有給它某個(gè)方向、某個(gè)場(chǎng)景的數(shù)據(jù)，它永遠(yuǎn)無(wú)法正確處理此類數(shù)據(jù)。所以這就造成了在很多關(guān)鍵應(yīng)用領(lǐng)域，例如自動(dòng)駕駛中的普適安全問(wèn)題。其實(shí)我對(duì)這件事情一直很擔(dān)心，總有一天它會(huì)在遇到一個(gè)從來(lái)沒(méi)見(jiàn)過(guò)的場(chǎng)景時(shí)無(wú)法處理，那時(shí)就可能會(huì)出事故。

因?yàn)槲覀兘裉焯蕾嚁?shù)據(jù)，所以數(shù)據(jù)成為我們的瓶頸，這在工業(yè)界尤其明顯。我們現(xiàn)在特別怕定制一些人工智能服務(wù)，因?yàn)槟阋ㄖ频脑?，就意味著你要為那個(gè)應(yīng)用去收集、標(biāo)注很多數(shù)據(jù)，這個(gè)工作量消耗的資源是巨大的。

現(xiàn)在的AI還需要很強(qiáng)的計(jì)算能力，多少算力才足夠？沒(méi)有人知道。

所以我們最后還是需要有一個(gè)新的AI框架，也許我們可以從人的認(rèn)知過(guò)程中吸取一些經(jīng)驗(yàn)。

我們可以用一個(gè)開(kāi)放的框架來(lái)解決部分問(wèn)題，科大訊飛應(yīng)該是中國(guó)最早把自己的語(yǔ)音識(shí)別的服務(wù)開(kāi)放出來(lái)給開(kāi)發(fā)者的廠商，同時(shí)今天也有很多開(kāi)放的軟件、用戶界面、云服務(wù)、用戶數(shù)據(jù)。新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟一個(gè)重要的職責(zé)就是促進(jìn)中國(guó)在開(kāi)放平臺(tái)方面的建設(shè)。

此外，在用戶數(shù)據(jù)的保護(hù)方面，我們需要標(biāo)準(zhǔn)和法律，這是條很漫長(zhǎng)的道路。

作為一個(gè)創(chuàng)業(yè)者，在人工智能領(lǐng)域可以做哪些呢？

第一，人才培養(yǎng)和教育，這也許是人工智能發(fā)展過(guò)程中的一個(gè)很重要的產(chǎn)業(yè)；

第二，數(shù)據(jù)，以前所有的工作都靠手工去做，今天我們可以引入一些AI工具，讓機(jī)器來(lái)幫助我們做大多容易做的事情，最后剩很少的數(shù)據(jù)放給人來(lái)標(biāo)注；

第三，算力，到底計(jì)算應(yīng)該放在端上，還是放在云上，還是一個(gè)云端邊緣計(jì)算的優(yōu)化？AI芯片也許還有很多的機(jī)會(huì)。

今天大家都在布局AI芯片，但是一個(gè)巨大的挑戰(zhàn)是AI的最終框架是什么，誰(shuí)也不知道。所以也許今天你做了AI芯片，為某個(gè)框架去優(yōu)化，也許再過(guò)兩年就會(huì)改變。我們還沒(méi)有像英特爾X86這樣的架構(gòu)能做所有的事情。

第四，人機(jī)的有效融合，和諧發(fā)展。

現(xiàn)在的大數(shù)據(jù)、人工智能還有一些解決不了的問(wèn)題，在一些關(guān)鍵領(lǐng)域，我們?nèi)绾文茏寵C(jī)器告訴人類，前面我遇到一個(gè)很復(fù)雜的場(chǎng)景，我沒(méi)法處理了，人類是否應(yīng)該快速介入。由此衍生出一個(gè)很有意思的課題，在機(jī)器為你推薦的時(shí)候，是不是也要給你一個(gè)可信度，這樣在可信度低的情況下，人類就把它接過(guò)來(lái)，避免很多無(wú)謂的事故，或者一些大的問(wèn)題。

第五，政治正確性，很多統(tǒng)計(jì)上有意義的事情，也許在政治上并不正確。

第六，系統(tǒng)，我們?yōu)槭裁唇鉀Q問(wèn)題要靠一個(gè)單一的信號(hào)源？其實(shí)把多個(gè)數(shù)據(jù)融合在一起也許是未來(lái)之路；即使做語(yǔ)音識(shí)別，為什么只停留在語(yǔ)音信號(hào)，為什么不能把你的口型、體態(tài)放進(jìn)去，把我們的位置信息、時(shí)間信息都放進(jìn)去，把我們知道的更高層次的數(shù)據(jù)放進(jìn)去，也許對(duì)人工智能發(fā)展有更多的好處。

第七，細(xì)節(jié)，人工智能為什么越做越怕？因?yàn)樽詈蠖际窃诩?xì)節(jié)上，沒(méi)有關(guān)于某方面的一些細(xì)致的數(shù)據(jù)，永遠(yuǎn)做不到極致。

第八，知識(shí)圖譜和大數(shù)據(jù)，在今天大家都在講知識(shí)圖譜和大數(shù)據(jù)，其實(shí)還沒(méi)有特別好的框架把這兩者有機(jī)結(jié)合起來(lái)，我們看到很多領(lǐng)域大家已經(jīng)在嘗試這方面的工作。

第九，AI應(yīng)用商店，我們知道中美之間很多不一樣的地方在于美國(guó)掌握了很多應(yīng)用生態(tài)，例如蘋(píng)果應(yīng)用商店、安卓的應(yīng)用商店，在今天AI領(lǐng)域中，我們要不要建立一套屬于我們能控制的應(yīng)用生態(tài)？

例如，今天很多人在做智慧醫(yī)療，智慧醫(yī)療涉及的病種非常多，每家公司不可能全都做到，有沒(méi)有一個(gè)醫(yī)療的統(tǒng)一的框架，大家把自己的能力、技能都放到里面去，組合在一起，會(huì)形成一個(gè)更大或者更好、更全面的系統(tǒng)。因而，這也是值得大家關(guān)注的一個(gè)領(lǐng)域。

「AI投研邦」將在近期上線CCF GAIR 2019峰會(huì)完整視頻與各大主題專場(chǎng)白皮書(shū)，包括機(jī)器人前沿專場(chǎng)、智能交通專場(chǎng)、智慧城市專場(chǎng)、AI芯片專場(chǎng)、AI金融專場(chǎng)、AI醫(yī)療專場(chǎng)、智慧教育專場(chǎng)等?！窤I投研邦」會(huì)員們可免費(fèi)觀看全年峰會(huì)視頻與研報(bào)內(nèi)容，掃碼進(jìn)入會(huì)員頁(yè)面了解更多，或私信助教小慕（微信：moocmm）咨詢。