來自南京工業(yè)大學(xué)的宋昊旻用聽上去有些蹩腳的普通話，在微軟人工智能大會(huì)的舞臺(tái)上，跟微軟全球執(zhí)行副總裁、微軟人工智能及微軟研究事業(yè)部負(fù)責(zé)人沈向洋進(jìn)行對(duì)話的時(shí)候，現(xiàn)場(chǎng)很多人都非常感動(dòng)。對(duì)于一個(gè)雙耳失聰?shù)娜藖碚f，只要拿著一部手機(jī)，就可以跟人正常交流，是多么難的一件事。我們不會(huì)手語，而他們聽不到聲音，而我們和他們之間的鴻溝，現(xiàn)在只要有一部手機(jī)就幫助宋昊旻跟正常人溝通，甚至可以跟外國人交流了。
圖：宋昊旻（右）與微軟全球執(zhí)行副總裁、微軟人工智能及微軟研究事業(yè)部負(fù)責(zé)人沈向洋（左）
解決宋昊旻的溝通問題，可能只是我們看到的其中一個(gè)小例子，幫助人類解決更多語言的問題，才是人工智能的專家們孜孜以求的目標(biāo)。微軟云與人工智能事業(yè)部全球資深技術(shù)院士兼首席語音科學(xué)家黃學(xué)東，正在微軟領(lǐng)導(dǎo)語音技術(shù)和語言翻譯工作，他們的工作就是想解決這些問題。
從感知到認(rèn)知
二十幾年前的時(shí)候，沒有GPU，沒有DSP、TMS320……，那個(gè)時(shí)候的黃學(xué)東是不敢想象，計(jì)算機(jī)語音識(shí)別、語音合成能達(dá)到可以媲美人類的水平，到今天來看，這已經(jīng)是很了不起的成就，是令語音識(shí)別這個(gè)領(lǐng)域的人值得驕傲的成績(jī)。
圖：微軟云與人工智能事業(yè)部全球資深技術(shù)院士兼首席語音科學(xué)家黃學(xué)東
從整個(gè)人工智能的發(fā)展水平來看，這是人工智能在感知層面的一大步。
不管是語音識(shí)別也好，計(jì)算機(jī)視覺也罷，都屬于“感知”層面，感知智能因?yàn)樯疃葘W(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的發(fā)展，獲得了突破性的成果。但是在認(rèn)知層面，進(jìn)步還是有限的。
我們當(dāng)前看到的機(jī)器翻譯，實(shí)際上是處于感知到認(rèn)知之間的過程，它可以“假裝”聽懂，來做翻譯工作，而且翻譯出來的效果還不錯(cuò)，但實(shí)際上，它并沒有聽懂。
今年，黃學(xué)東帶領(lǐng)團(tuán)隊(duì)在中英文新聞翻譯任務(wù)（WMT－2017）上首次實(shí)現(xiàn)了可以媲美人類的機(jī)器翻譯歷史性突破，這是非常有歷史性意義的事實(shí)。語音和語言是人類進(jìn)化中重要的要素，而現(xiàn)在，計(jì)算機(jī)第一次在翻譯質(zhì)量上超過專業(yè)人士的水平，這對(duì)人類文明的進(jìn)展來說，都很有里程碑意義。
所謂“認(rèn)知”包括上下文推理，真正的自然語言處理，而這方面還需要更長(zhǎng)的路要走，那才是人工智能真正的皇冠，我們現(xiàn)在還沒有達(dá)到，也不知道什么時(shí)候達(dá)到。
可以想象一下，如果有一天，機(jī)器可以理解我們所有的文本，了解上下文，有推理的功能，這意味著機(jī)器可以24小時(shí)閱讀所有的新聞，所有出版過的文件、著作、科學(xué)文獻(xiàn)，那是真正的“上知天文下知地理”，還有生物等等各個(gè)學(xué)科的知識(shí)，那個(gè)時(shí)候的機(jī)器比愛因斯坦，因?yàn)閻垡蛩固挂彩侵欢锢恚莻€(gè)時(shí)候，才是真正的“強(qiáng)人工智能”的來臨。
強(qiáng)人工智能，一定是有自然語言理解，由感知驅(qū)動(dòng)的，讓計(jì)算機(jī)能達(dá)到人的知識(shí)獲取能力，可以通過閱讀自動(dòng)獲取知識(shí)。過去5000年人類的所有文獻(xiàn)，它都可以讀得一個(gè)字不忘，還有超過人類的深入理解。
比如說，今天，我們引用《封神演義》里的一句：眼觀六路、耳聽八方，其實(shí)《封神演義》里面講的不是六路，是眼觀四路、耳聽八方。如果計(jì)算機(jī)在自然語言處理上進(jìn)步了，機(jī)器就可以指出“眼觀六方”是不對(duì)的，《封神演義》講的是四方，不是六方。
智能音箱、翻譯機(jī)開始“感知”
當(dāng)然，讓黃學(xué)東感到遺憾的是，以目前的技術(shù)能力和水平，還不知道什么時(shí)候能夠?qū)崿F(xiàn)真正的“強(qiáng)人工智能”。但好消息是，在從感知到認(rèn)知的過程中，我們已經(jīng)有了一步一步的成績(jī)。
黃學(xué)東強(qiáng)調(diào)，語音技術(shù)是一個(gè)賦能的技術(shù)，所有的開發(fā)者都可以把這個(gè)技術(shù)拿過來，實(shí)現(xiàn)自己想要做的東西，比如智能音箱和翻譯器的火爆，是兩個(gè)很好的案例。
“現(xiàn)在遠(yuǎn)場(chǎng)語音識(shí)別能力已經(jīng)很強(qiáng)，所以音箱火得不能再火了，智能音箱也成為今年CES展上的重頭戲。音箱出現(xiàn)很重要的一個(gè)原因就是，語音識(shí)別技術(shù)進(jìn)步到了這個(gè)水平，遠(yuǎn)場(chǎng)交互都已經(jīng)達(dá)到了可用的水平，所以促使了智能音箱市場(chǎng)的火爆。”
今年另一個(gè)熱門產(chǎn)品翻譯器，尤其在中國，是一個(gè)很大的市場(chǎng)。中國每年有1．2億的游客出去，微軟跟小米生態(tài)鏈企業(yè)香蕉出行合作推出的魔芋AI翻譯機(jī)，能夠提供覆蓋全球170多個(gè)國家和地區(qū)的14種語言的實(shí)時(shí)語音翻譯，而且物美價(jià)廉，常常是脫銷狀態(tài)。
從翻譯的質(zhì)量來看，目前的翻譯機(jī)也是不遜色的。翻譯滿分是100分的話，微軟最新的機(jī)器翻譯系統(tǒng)已經(jīng)達(dá)到了69分，可以媲美人類。機(jī)器翻譯不像語音識(shí)別只有唯一的答案，機(jī)器翻譯是有很多種答案的，評(píng)價(jià)機(jī)器翻譯的時(shí)候，現(xiàn)在只能靠人為判斷。現(xiàn)有的商用系統(tǒng)中，微軟和谷歌在標(biāo)準(zhǔn)的測(cè)試集上，得分分別在56分、54分左右，在微軟有最新突破之前，國內(nèi)的搜狗公司達(dá)到了62分的水平。
然而當(dāng)翻譯機(jī)火爆的時(shí)候，人工智能威脅說也隨之愈演愈烈，人工智能會(huì)取代翻譯的說法也鋪天蓋地。
但黃學(xué)東覺得，目前機(jī)器翻譯取代人類還為時(shí)尚早，機(jī)器翻譯出錯(cuò)誤會(huì)出得比人類更離譜，最好的方法就是在機(jī)器轉(zhuǎn)錄翻譯的時(shí)候，有人在旁邊看著，有錯(cuò)誤就給糾正一下，人和機(jī)器協(xié)同工作，這是最好的模式。
因?yàn)樵诔霈F(xiàn)冷僻的詞、新的概念的時(shí)候，機(jī)器往往會(huì)出錯(cuò)。人可以實(shí)時(shí)學(xué)習(xí)冷僻的詞和新的概念，這里面實(shí)際上包含很大的信息量，人類馬上可以自適應(yīng)，可以舉一反三，而機(jī)器就做不到。怎么樣處理沒有見過的事情，這才是真的智能，也是人類智能和機(jī)器智能最大的區(qū)別。
“如果是沒有突發(fā)事件，那么是基本可信、基本可達(dá)、基本還算比較雅。如果出現(xiàn)突發(fā)事件，就舉一不可反三，這是人工智能和人的智能最大的差距。”
