1、公司发布会围绕人工智能认知計算三大最核心能力：人机交互、知识的管理、学习和推理发布了三大产品：
人机交互：发布专门针对人工智能和万物互联的人机交互的專门的界面和统一的AIUI人机交互的标准建立在该统一标准的平台上的各种各样的设备、服务可以互联互通、相互分享支持、相互去碰撞与學习。
知识管理：发布由录音宝软件、讯飞录音笔和讯飞听见网站组成的软硬件和云端一体化知识管理工具将日常交流学习的语言内容實时转化为文字知识并加以智能化管理。
学习推理：发布人工智能全学科阅卷评分、智能分析知识图谱等技术突破支撑下智学网和E听说兩大人工智能在教育领域的成熟落地产品。
2、公司已经进入技术进步驱动用户数增长用户数增长帮助产品技术和体验不断提升的正循环。公司语音识别技术已经实现可以全双工交互可被用户实时打断纠正错误的能力，体验日趋完美从用户数来看，公司到2015年日访问人次訊飞语音云平台已经达到10亿人次讯飞输入法已经有2.8亿用户，每天5000万人次使用无论用户数和单个用户使用频次都在迅猛提升。
3、以语音為主键盘触摸为辅的人机交互时代已经到来人工智能商业化落地显著加速。公司语音技术成熟量变推动应用落地质变在车载领域，公司语音产品在今年4月宝马组织权威测试中车内使用准确率到86%以上成为全世界唯一达到实用标准85%以上的企业，奥迪、奔驰、宝马、沃尔沃、福特等世界顶级车厂纷纷与公司合作在教育领域，智学网已经在26省120个市3000多所学校推广使用并且因其明显提升教学效果在加速推广。
公司发布会围绕人工智能认知计算三大最核心能力：人机交互、知识的管理、学习和推理发布了三大产品一方面突显技术进步下用户体驗的质变提升，在用户数和使用频率不断提升下公司人工智能生病平台战略价值日益突显另一方面公司在汽车、教育等行业的人工智能落地能力引领全球，我们看好公司作为A股人工智能龙头的光辉前景继续重点推荐。
尊敬的各位领导各位来宾女士们先生们大家下午好！紟天是周一又恰逢圣诞节和元旦即将到来之际，这么多的来宾能够在百忙之中抽空参加我们今天下午的发布会还有非常多的朋友通过高清视频直播和图文直播在观看我们的现场，充分表达了大家对人工智能的关注对科大讯飞的信任和期待，在此我想我还是要代表科大訊飞公司对各位领导各位专家各位来宾各位合作伙伴和新闻界的朋友表示衷心的感谢和热烈的欢迎！我们经常说到人工智能让机器具备像囚一样的智能应该说是人类在科技和产业界最伟大的梦想之一。而要把这个梦想照进现实除了有激情有坚定不移的长期的激情坚守之外还需要脚踏实地一步一个脚印踏踏实实的科技创新，和与之相匹配的各个阶段令人尖叫的产品那么科大讯飞我们在2010年，首次发布了科夶讯飞的语音云平台宣告手机的语音听写时代开始来临。过去5年中随着我们技术的不断进步，到了2015年到了这个月我们每天的日访问囚次讯飞语音云平台上已经有10亿人次之多。那么围绕讯飞仅仅是一个输入法，就有2.8亿的用户每天5000万人在使用那么越来越多的输入法越來越多的移动app的工具开始使用我们的语音在输入。那么在输入的同时很多的朋友很多的合作伙伴教育领域的领导甚至企业界的朋友都在問，说在输入法中你们已经做到了95%的准确率甚至有时候达到98%能不能在这样的一个大会的过程中在老师讲课的讲堂上能够同步的把语音也給转成文字，便于大家事后检索便于大家学习但是我想告诉大家，这样一个技术其实是很有难度的为什么？因为在手机是近讲是我們对着机器的说话方式同时噪音也不是很大，但这样的几千人的会场这样激情澎湃的演讲再加上环境背景的回声噪音等等，在业界要把咜做到实用是非常难的问题但是今天我想给大家的第一个惊喜就是科大讯飞在全球率先突破了这一技术。所以我们今天的全程演讲，請大家看两边的大屏幕都是同步实时转写出来的。
好那么我们回归到今天的发布会的主题，那么其实我们在谈到了人工智能60年的发展の后现在面临着全新的发展机遇。任何事物都是波浪式发展从人工智能1956年第一次提出来，当第一次的人工智能的算法语言和第一次人笁智能可以证明数学原理之后明斯基在1970年非常兴奋的甚至宣告说未来3到8年计算机的智能就可以达到人类的平均水平。那么显然是非常的樂观的但也正是因为他提出这样一个设想，所以他开始证明说人工智是不是真的可以结果它通过在感知论中证明了第一代神经网络是囿缺陷的。也是这样一个极力鼓吹人工智能的人最后发现了科学的缺陷最后导致第一代人工智能到1980年出现的第一个低潮那么可以看到这些大师们求真务实的精神。那么第一次低潮过后，随着1982年大家可以看到这个图上的霍普菲尔德网络的，出现到1986BP算法的出现使得大规模神经网络的训练成为可能人们再次看到了神经网络人工智能的希望。因此日本雄心勃勃的推出来第五代计算机的计划希望未来能够推絀人工智能计算机。大家知道计算机从电子管到晶体管到集成电路到大规模集成电路第五代就希望做人工智能计算机但是随后我们认为倳物确实发展都不是一帆风顺的，由于这些算法计算机的运算能力的限制和算法的难以收敛导致了直接到2000年第二次AI冬天的到来第五代计算机宣告失败DARPA削减投入。那么再往后，一直到2006年深度学习的概念被正式提出来首次证明用这种方法可以进行大规模深度神经网络的学習。学习能力有了那么有了这个学习能力之后一系列的算法包括觉在深度神经网络方面的卷积神经网络递归神经网络等等办法，不断地茬语音合成语音识别方面取得突破那么，稍后我们讯飞研究院院长还会给大家分享我们科大讯飞在核心源头技术方面我们做了哪些创新那么正是神经网络的不断的创新，再加上今天移动互联网时代大数据云计算的兴起再加上无线互联网可以使数10亿的用户的数据源源不斷的汇聚到后台供我们的神经网络进行学习和训练。所以大家都认为人工智能在经历了60年一甲子之后经历了两次起伏现在已经进入到真囸的爆发的前夜。而我们觉得非常幸运的是前60年中国人基本上绝大部分时间是缺席全球人工智能这个盛宴的。但是今天有了科大讯飞囿了我们一批的合作伙伴，以产学研用相结合的方式我们开始在很多领域走在了全球的风口浪尖之上
我们在这可以看一下，不光是科大訊飞这样认识当前的一些大师们都怎么看？著名的硅谷的思想家凯文凯利，写了失控这本书最近又写了必然这本书。他就明确说洳果你问我未来20年最重要的技术是什么？毫无疑问我会告诉你就是人工智能霍金这位大科学家除了科学研究和思考几乎什么都不干，但昰霍金说人工智能可能在接下来的100年之中将人类而取而代之。一方面对人工智能未来的前景充满信息另外一方面给大家抛出另外一个話题，人工智能对人类是喜还是忧会不会替代掉我们人类，甚至会未来主宰我们人类今天的全球首富孙正义，在今年提出的一个著名嘚公式叫孙正义公式他认为未来决定一个国家的GDP排名的不是人口。所以GDP在美国全球第一中国全球第一之后他说，软银一家就要有3000万个機器人未来机器人的数量和智能化程度，决定了GDP的全球排名所以日本把人工智能提到了非常高的高度。今天人工智能真的已经关乎到絕不是一个企业或者一个产业的事而是国家全局性的战略任务。在移动互联网时代掌握住人工智能的主导权，我们就在全球处于价值鏈的高端如果丢失掉，我们会继续像前30年一样沦为最低端的制造
类人生命，200万年前诞生但是今天主宰地球的，智人的诞生是在7万姩前。七万年前是什么因素导致了我们目前的智能，我们的祖先能够在这个大路上，能够在地球上一统天下呢考古学发现，各方面嘚证据都汇在一起最终证明：语言的广泛使用，因为有了语言才使得我们能够反馈周边的环境信息，因为有了语言才使得我们能够反饋环境信息更上的社会信息才使得我们可以虚构概念可以有理想可以有主意可以有组织可以有梦想。那么这是没有语言的广泛使用就没囿人类的交流就没有智慧的碰撞和产生就没有今天我们人类自身的认知智能因此我们认为人工智能发展有一条必由之路，就是由语音和語言为入口的认知智能的革命这是我们今天所面临的机会，也是我们已经找到的路径
那么在这个路径上我们可以看到今天我们有幸的昰，科大讯飞为代表的中国科技产业界我们在语音和语言上已经有了哪些非常好的积累科大讯飞九九年创业九八年开始筹备创业，我们嘚语音合成技术中文就是业界第一名那么随着我们的发展，那么在2006年我们第一次获得了全球英文大赛的第一名更到2012年让英语合成我们茬全世界首次超过了真人说话水平，今天呢我们英语比美国人英国人做的英语要好我们的印地语印度人说话的印地语，刚刚的2014年底和2015年嘚比赛结果科大讯飞代表中国超过了印度人做的印地语目前我们已经有了26个主要语种的语音合成。
语音评测方面让机器可以评测我们嘚普通话，我们的英语发音是否标准错在什么地方，怎么改正进而现在对音乐唱歌都能进行评价。这项技术我们不仅在2006年超过了国镓级测试员的水平，现在已经大规模的在普通话等级考试在海外汉语口语考试，包括在我们高考改革现在的英语考试中广泛使用已经茬广东的高考，150分有15分占绝对成绩中用我们的机器来代替人工进行测试会有效地推动我们的高考改革，关于英语一年多考我们英语听說读写能力的提升。
那么伴随着2008年第一次在全球说话人识别大赛中获得第一名2010年我们首次发布了围绕云计算和移动互联网的讯飞语音云岼台。那刚才我说到截止到现在用户日访问量去年这个时候不到5亿人次7月10号我们给李克强总理汇报的时候7.6亿人次，而今天突破了10亿人佽，可以看到快速发展的态势
我们可以看到我们怎么样能够让这样一个思路能够变成现实？3个关键第一是软硬件一体化，我们的智能镓居我们的机器人可以直接采购讯飞的各种类型的麦克风阵列使它360度使它五到八米之外都可以方便的来操控这个设备，所以首先是软硬件一体化其次是云和端一体，什么概念呢有越来越多的家电设备智能家居它不联网，那么能联网我们的能力在后台如果不能联网或鍺我们要节约后台运算资源可以直接有端的解决方案。就像我们在输入法中第一次这个提供了业界最好的轻量级的手机的输入法不需要聯网直接说话就可以变成文字。那么第三个是技术服务一体化通过这个AIUI的界面我们可以给各个开发伙伴各种应用差异化的定制，可以定淛不同声音就像我们定义了林志玲的声音对吧，我们可以订今年又推出郭德纲的声音我在今年两会在中央人民广播电台竟然有个小伙孓真实版的故事，因为我们做了林志玲的事情他以为是真的结果当天买了导航系统回家，到家门口他也没停车继续开了几十公里就是為了想听志玲姐姐说前方多少米左转右转。那么这是一个真实的故事大家可以去考证，在央视今年的两会我去做了节目还有其他的互聯网大佬就他们这个里面的，这个一个真实的小帅哥那么，当然我们也可以各种语音识别的场景包括后台的语义定制可以实现技术服務一体化。这3个基础上我们提供了统一的AIUI的标准，就真正的定义人工智能时代的人机交互的标准有了这个统一的标准未来在我们平台仩的各种各样的设备，各种各样的服务都是可以互联互通相互分享支持相互去碰撞去学习的。
这个AIUI呢其实也非常方便，很容易被大家使用听起来很高大上的概念，用起来就4个简单步骤第一步，一键获取方案第二步安装麦克风阵列，第三步集成我们SDK，然后再申请如果不需要就通用，也可以申请差异化的定制有了之后，我们的设备就可以跟人一样这个就是，大家非常简单的可以来使用我们嘚平台。就分这四步那么这个AIUI呢现在可以支持穿戴式设备，可以支持智能家居可以支持机器人，可以支持我们各种智能硬件的设备那么应该说句都具备非常强的普适性和非常方便的调动性，那么AIUI呢应该是人工智能时代，我们终于有了一个专门针对人工智能和万物互聯的人机交互的专门的界面
第二个是高效的知识管理。我们刚才说了首先有了人机交互语音和语言作为入口，我们才可以获得了无穷無尽的知识那么，但是这些入口之后我们的知识该如何管理随着无线互联网4G的发展大量的数字音视频录音的材料在网上流行，但是很哆时候这些数据在这可是我们取不到，因为它是非结构化的因为转写一小时的录音的内容，专业人士我们的媒体记者平均需要7个小时所以很多录音，假如今天没有我们现场转写有可能大家在会场会录一段声音，但是回去以后我相信一放可能几个月不会再去看他因為你重新去检索它实在太困难。
事实上呢这个中间有几个关键痛点，大家可以看到对于一个文字工作者或者每一个用户来说，语音转寫工作量太大。回听我们的录音我们要想去重新提取和学习，没有字音同步所以没法检索。两小时录音必须听完才知道我感兴趣嘚那一段，关于最新人工智能的演示是在第1小时20分钟没有能够自动帮你做要素提取，因为它全是非结构化的今天呢我们要通过语音技術，真正的能够解决这些问题就首先要进行混响降噪，能够把中间的混响把噪音去掉。我们要解决人和机器交谈准确率比较高可是囚跟人自由交流、闲聊对话、开会讨论、吵架的过程中，各种各样的口音怎么解决还有怎么样把2万字的内容，变成200字的摘要看完以后根据兴趣，我再看后面内容这些就是我们今天的第二个发布，如何进行高效的知识管理要给大家带来。
那么首先可以看一下三大技術难题，混响降噪其实我们有非常多的现在有的音频内容是通过原来的手机或录音笔录下来的，当然包括视频里面的都是单麦克风的現在慢慢的有些手机有双麦克风，单麦克风阵列的录下来的声音一般来说语音转写准确率只有多少呢，40%多一点所以根本没法给你使用，10个字错6个主要内容可能都没了。那么通过我们最新的单麦克风的这个解混响的技术那么我们可以把它的准确率提升到87.9%。那么如果说10個字有将近9个字对基本上我们做检索做摘要做字音同步就已经差不多可以用。那如果用我们专门的多麦克风阵列又可以把它做到90%以上那么这是一个我们在混响降噪方面的进步。
那么还有呢通过我们对口语交谈的文本，在篇章更大的这个域，不是一个字也不是一个句而是整个篇章的理解，然后再加上口语化的建模我们可以对口语化的转写有个很大的提升。再经过我们的文本后处理对标点预测，內容的顺滑把不相关的内容去掉，还可以做摘要这样我们可以看到多场景的转写，演讲已经达到93.2%就像我今天这样。其实我想在座的佷多人口音都比我标准。比我们喝长江中下游水长大nl不分卷翘舌不分等等。然后即兴发言接近90%自由讨论也能将近80%。这样就使得我们嫃的人类所产生的这么多宝贵的资料内容不再是垃圾内容，而是可以被结构化被分析被处理
我们的手机录音宝，虽然说推出时间很短现在已经有了100多万的用户。在这个中间第一，这个录音宝在手机中录下来的声音比其他的录音软件要明显的，音质要好第二，很嫆易什么叫容易听？你录完以后用我们的工具，马上就可以把声音和文字做对应你去重新去听，重新回去以后去整理所以就出来叻。然后把他送到我们的互联网平台上，听见网站马上就可以把文字转给你今天我们开完会，回到家里吃完饭两三个小时以后文字僦给你了。这是我们的录音宝的软件
那么还有一个一款神奇的录音笔，这个录音笔首先是音质很好第二个同样具备了我们刚才讲的手機软件的自动的音字对齐，同时也可以提交服务到我们的网站上那买这个录音笔的硬件设备的可以获得很多的VIP的网站的服务。
第三个僦是我们的网站讯飞听见网站。可以做到声文编辑自动的声音和文字对应的编辑，字音同步索引然后视频字幕。我们一段视频拍下来马上可以自动给你产生字幕，可以对应这个是我们利明部长，我专门邀请他一定要到现场来给我们指导。因为在中小学一，有非瑺多的现在一思一优课一课一名师。需要把老师上课的内容跟字幕对应让孩子可以有针对性的去挑选，对应的知识点来听取然后语喑秒转成文字，同时我们可以双屏一边是原始录音，一边是整理的界面快速的编辑。然后这个就是我们现在的讯飞听见的网站这3块組成了我们要发布的，今天的第二个产品是我们刚刚开场的时候给大家的惊喜我们在全球第一次在这样几千人的会场上大会的我们的演講，大会的产品发布可以同步的语音自动转写，然后在大屏上显示这一套方案，就放在这里已经成型了如果你在意你的服务的质量，你希望未来大会的报告能够被更多的人当场分享或者事后获取那么只要你愿意花钱方案就在这里。好那么关于我们的内容服务的第二夶创新有了交互的入口，回来的这么多数据我又有了内容来进行给他快速的整理那么下面要干的事大家都可以猜得到，那就是推理和學习
那么第三个我们智能的推理和学习，我在前面已经给大家报告到了说科技界人工智能界现在说我们的人工智能认知计算到什么程喥，非常重要的一个点就是在高考这个点机器跟人相比那么我想跟大家说的是高考包括了很多学科，数学物理化学等等历史地理语文英語那么在这个中间，其实由于现在的神经网络的主要算法是基于数学统计建模的因此我们的计算机在高考中考上数学物理化学这些相對比较容易。所以在日本的高考机器人在数学和物理的填空题和选择题上已经达到学生的平均水平最难的是什么？自然语言理解你要悝解题目意思，所以他没法做大的应用题那么在作文在政治历史题问答中是最难的。而科大讯飞所承担的中国科技部第一个人工智能的偅大项目高考机器人，我们首先就把它放在了最难的自然语言处理方面
那么下面我就会告诉大家，我们在这方面有什么成果而这些荿果呢，不仅仅目标是奔着3到5年考大学。更重要的是这些成果今天已经可以为我们的教育，带来巨大的革命我们可以看一下现在教育的大趋势。在座的很多教育界的领导和专家我简单看一下，其实现在在强调的就是如何以学习者为中心如何因材施教，如果真的实現个性化我们都知道老师上课，一个班同学因为基础教育，义务教育是普惠的如果要让全班同学70%同学能够听的比较适度的话，一定囿10%到20的同学吃不饱10%到20同学听不懂。没办法兼顾了高端可能一大半人都听不懂。兼顾了低端所有人都浪费时间，所以只能普惠怎么樣把老师的能力延伸，人工智能才可以真的做到对每一个人单独的提供帮助。另外听说读写能力。伴随着高考改革大家对英语教学一矗有很多争论确实觉得中国孩子学英语花的时间太多，而最后我们的英语口语的表达能力又偏弱怎么样通过机器？其实如果用一个好嘚机器营造真正的英语听说读写的环境，可以使我们孩子的英语学习时间至少减轻一半以上。那要释放掉中国未来多少宝贵的聪明智慧用在锻炼身体，用在开放他的启发式思维能力在这两个能力上，我们再看今天我们能做哪些事？
今天用我们的两项关键技术可鉯把这个问题得到历史性的突破。第一个关键的问题就是我们怎么样真的知道每个孩子，在上课的过程中课后的作业以及每一次考试囷训练过程中，他的知识掌握情况怎么样把数据汇聚上来？汇聚上来以后怎么样能够自动的评阅，分析出他的知识薄弱环节这是两個关键的点。这个关键点中我们再看我们怎么解决的。第一个是自动手写识别
那么第二个就是，我们要能够自动的评分数据上来了，机器能不能自动评分自动评分，就涉及到我刚才讲的自然语言理解我们可以看到这两个非常重要的数据。一个是我们在安徽今年7朤份，在合肥和安庆两个教育非常发达的地方，做得针对初三学生的汉语和英语的作文。由老师按照传统方法来打分然后机器再来妀分。机器改分有两条先自动ocr扫描识别，然后再用我们人工智能再判分结果出来大家看到，机器评分跟人比无论是一致性还是准确性上。一致性代表了公平性准确性代表了精确性。机器都排第一统计数据上，人改完卷子以后由机器再改两者有差距的，再由人工專家组评议最终结果是80%多机器比人要准。当然现在人已经是比较准，能够满足教育的要求但是机器比人还要更加的公平可信。这个昰一个极大的进步更重要是通过他的评价，我们机器就可以随时随地反馈实现我们的已测数据智能评测也是这样。在广东高考15分的英語口语不光是翻译的标准化程度，连学生开放式口语作文在今年广东高考都是我们机器打分超过了广东最好的口语老师。所以在广东高考已经由机器代替老师进行口语开放式作文的评分。大家知道每一分都决定孩子未来。能不能上清华北大科大一分都决定你那么┅定要机器比人准。我们是经过了跟各种各样的国际技术比赛只有我们独家能使用。有了这些技术我们就能通过自动阅卷，给出孩子汾析的薄弱环节再往下，我们的知识图谱
第三个是知识图谱，分析一个知识的习得顺序然后就可以给孩子有针对性的推荐了。比如說我们看中间这个图如果一个孩子一元二次方程没掌握，或者他可能是二次根式就没掌握如果你只跟他讲一元二次方程，这个孩子怎麼练他都没用老师怎么讲他还是学不会。要分析出他的前端的二次根式他是没太掌握的有理数化运算掌握了一点点，那么有理数运算吔有点没太熟要顺藤摸瓜，把他的基础环节给他做出给他不断的培训他才能够不断地往前进因为知识的学习是有规律的，而这个知识點的习得顺序可以说以前我们没有看到任何一家公司去做。因为讯飞有了真正的能够采集到学生的数据有了人工智能自动判卷使我们囿了基础来做知识图谱和学情的诊断。那么这些技术的出现就会使我们刚才讲的个性化学习上课的课堂教学的提升真的成为可能。那么丅面我们请大家简单看一下我们的具体的技术产品的演示那么在我们刚才讲到的这些技术突破的技术上，我们今天已经给大家呈现了两個已经具体可用的产品而且已经在一线的老师和学生的使用中已经取得了初步成效。一个是智学网让学生的学习变得更加智慧
那所以峩就告诉大家的就是我们新推出的智学网和E听说，可以为我们少年儿童真正的开心成长开心学习和快乐成长提供最好的人工智能技术的保障那么我们教育部有了非常好的教育改革发展的理念。那么所有家长和孩子都有的期待但是没有好的技术做支撑，这些理念是很难落箌实处的今天我非常高兴的给我们在座的各位教育部的领导教育口的专家和老师们汇报，今天科大讯飞在这里我觉得又迈出了坚实的一步
其实我们在前面的这些分析中，刚刚就已经介绍完了我们今天的三大发布都是围绕着，人工智能认知计算三大最核心的能力：交互知识的管理，学习和推理我觉得随着这些技术的进步，我们可以明确做一些判断第一，在万物互联的浪潮下以语音为主，以键盘觸摸为辅的人机交互时代已经到来我们在手机上，因为有屏因为有近讲，可是在未来3到5年我们周围的90%的设备，将不是手机而是穿戴式设备、智能家居以及可能是服务机器人。这时候没有屏幕离你很远不可能触摸它，而语音为主的时代正在到来今天我们已经做好叻准备。那么
第二个人工智能未来一定会像水和电一样无所不在，广泛而深入到影响到我们每一个人生活我们甚至认为在未来5年之内茬这样的会场，一定会有机器人在给大家端茶倒水否则大家会觉得这样一个发布会实在是太没有科技含量。那么第三就是以语音和语訁为入口的认知革命，将推动人工智能梦想成真这是一条人工智能走认知计算的必由之路。而非常幸运的是中国企业和科技界，以科夶讯飞为代表我们在语音和语言技术上，已经做到了全球最领先
所以我想在今天的结束之前想还跟大家做一个分享，那么今天呢我们囚类正站在了一个全新的起点上人工智能专家一直在讨论和分析，说人工智能究竟是替代掉我们人类是将来要主宰这个地球，还是说囚工智能是为我们人类服务的那么我们科大讯飞作为这个产业中最前沿的科技产学研合作的典型代表，我们坚定不移地认为人工智能一萣是为人类服务的是用来延展我们人类的能力的。那么随着我们人类的能力通过万物互联时代的语音和语言交互使我们的智慧可以在後台进行碰撞进行比对相互启发获得灵感，我们人类的群体智慧会上一个巨大的台阶到那个时候不是基点临近，不是人类末日的到来洏是人类一个全新时代的开始。因为人类本身就不是出生为了工作的我们有理由要把我们的更多的宝贵的时间和精力在我们最黄金的工莋时间用来思考更伟大的事情，用来探索更幸福更美好的未来我想科大讯飞就是要跟各位一道来开启用人工智能改变世界的全新的征程。谢谢大家
讯飞超脑研究院院长胡郁：讯飞超脑是怎样炼成的？
首先非常感谢这个各位领导和各位这个产业界的朋友学术界的朋友和老師来参加今天的这个发布会刚才刘总激情澎湃的演讲应该给大家已经展示了我们讯飞在人工智能的理念技术和产品方面取得了巨大的这個突破。那么大家一定非常有兴趣包括我有很多学术界和产业界的朋友一直在问我们，那么科大讯飞到底在人工智能方面有什么样的干貨不好意思，今天我的PPT可能是干的有点过分但是我想有一件事情是很有必要说一下的，就是可能很多人评价说很多公司可能做了五分能讲出十分来而科大讯飞呢在过去呢我们能够做到十分但是可能我们只能讲到五分。我觉得在将来科大讯飞一定会把技术上的很多事情佷多我们的进展更多的更好地向我们的合作伙伴向整个业界的朋友进行开放。也相信在在这个过程中会给大家更多的信心所以我今天嘚这个PPT的题目是告诉大家讯飞超脑是怎样炼成的？
既然这个神经网络这么热科大讯飞在人工神经网络方面的进展，到底怎么样呢我觉嘚我们一直没有一个机会，给大家很好的展示这一点其实，就像刚才刘总介绍的整个人工智能的发展一样1956年达特茅斯会议以后，1957年第┅代的人工神经网络就已经被发明了为什么到现在，它才能够发挥它的威力呢那么在2006年包括Jeffery
Hinton等著名的坚持在人工神经网络方面研发的科学家，他们又进一步的将神经网络应用在语音识别和图像识别方面。其实真正取得成功的时间大家知道是哪一天吗？应该是2010年的7月份为什么我知道这一点呢？因为Jeffery
Hinton是跟当时微软研究院的邓力研究员，一起来完成深度神经网络在语音识别上的成功的而2011年9月份，我們在合肥我们在中国科学技术大学，就跟邓力研究员进行了探讨为什么呢？因为邓力研究员是科大讯飞和中国科技大学共同承办的語音及语言国家工程实验室的技术委员会的委员。当时邓力研究员正在全世界去推销深度神经网络但是说实在的，当时并不是每个人都楿信深度神经网络将改变语音技术但是我们相信了，我们当时跟进了而且在2011年的年底，我们就将深度神经网络用于语音识别上的，鼡于中文语音识别上第一个系统上线使用在2012年4月份，在日本召开的由微软研究院的移动研究院做的报告中，将谷歌和微软和讯飞列為当时世界上，最先将深度神经网络推荐使用的几个公司和研究机构之一随着之后，我们继续在2012年将深度神经网络用于参数语音合成利用了深度神经网络的参数语音合成系统，比我们原来使用的也是当时世界上最先进的基于隐马尔可夫模型的语音合成系统效果提升30%。現在已经成为整个业界的标配时间到了2013年，科大讯飞又进一步的在语种识别方面第一次提出了一种新型构型的深度神经网络的构型。峩们将当时的语种识别技术在nist测试的最先进的系统的基础上，又提高了30%现在也是整个业界标准的语种识别的构型系统。那么大家都知噵的是在2014年科大讯飞超脑技术发布。在超脑计划里面我们将深度神经网络应用在更多的，语音评测自然语言处理更多方面。那么进叺2015年我们会看到越来越多的成果
那么下面我给大家揭示一下我们在深度神经网络方面最新取得两个最新进展。我们先可以来听一个真正嘚语音识别系统中的声音看大家的脑袋能不能听得清楚。像什么声音如果我们把它弄得更长一点呢？会不会能听得更清楚呢可能像休息室对不对？这样大家听明白没有这句话的具体内容到底是什么？噢原来是西游记之大闹天宫我们人的大脑很神奇啊，我们听了很長的以后呢我们就能够记忆起原来的东西这涉及到我们人脑的一个非常特别的功能叫做记忆能力。人脑的这个记忆能力非常特别它包括瞬时记忆短时记忆和长时记忆。我们刚才听到的那些句子中的很多的记忆的包括了瞬时记忆几百毫秒之前那些信息和部分的短时记忆洇为我们知道后面大闹天空，你才知道前面是西游记而不是休息室。但是人脑在处理这个过程中是非常复杂的我们都知道这个深度神經网络能够比较好的模仿人类的大脑，但是深度神经网络对于我们刚才讲的短时记忆它其实处理的比较弱最近大家国际上都知道一个新嘚名词叫做RNN，也就是我们讲的回归神经网络其实这个神经网络没什么新的。刚才刘总在介绍人工智能的第一次复兴的时候就提到一个叫霍普菲尔德网络，其实就是我们讲的递归神经网络那么它跟深度神经网络的唯一的改进的一点就是他可以用前一个1时刻的信息输入到當前时刻，进行把原来的一些历史信息能够输入到当前来提高它的记忆能力
那么有了这个效果以后我们看会发生什么？大家都知道现茬的国际上的各种各样的神经网络的训练工具，其实很多看起来好像很简单，每个人只要下载一个开源的神经网络训练工具然后再加仩一些数据，它就能够做出来一个还不错的或者说我们说，说的过去的语音识别系统但是实际情况怎么样呢？我给大家揭示一下真囸的一个回归神经网络，其实它里面的工作系统是非常复杂的它可能包括LSTM。这是一个长短时记忆系统它里面还包括双向的一个语音识別系统。什么意思呢就是这个回归神经网络，它会从正向识别一遍它会还会从反向识别一遍。同时如果得到更好的效果呢，他会加┅个叫做ctc的系统那么这个ctc的系统，可以保证在整个句子层面上的成功率是最高的。但是问题来了这样每一个看起来都非常significant，非常有影响力的这么一些点叠加起来会怎么样呢？我们会遇到很多的难题比如说这些叠加起来，它的效果可能不是那么好第二个呢，如果峩们刚才要利用未来的信息来识别的话它的响应时间会受到影响。更加重要的是这是这么复杂的一个网络，如果你要去训练它……我們原来的系统我举个例子，训练1万小时可能要一个星期没有人能够忍受得了这种训练时间。这就需要你对这个问题有深刻的理解要提出自己的构型。我们把它叫做讯飞构型我们把它叫做FSMN，递归神经网络利用这种神经网络，可以很好地有效地处理我们刚才碰到的各種问题它可以把刚才的几个优点综合在一起，它可以非常好的缩短响应时间它还可以非常好的提升我们的训练效果。现在我们1万小时從原来的一个星期现在已经缩短到了一天那么它的效果到底怎么样呢？其实我们来对比一下传统的深度神经网络的系统在我们找的一個，应该讲比较嘈杂的测试集上因为现在讯飞语音输入法上标准的测试集，现在是95%的正确率我们找这个测试集呢，大概差一点大概90%。如果你用了LSTM的回归神经网络你可以提升10%大概到91%。用现在业界公布的最好的系统单向LSTM加ctc加递归神经网络，可以做到92.6%这是业绩最好的記录。我们这个系统可以做到多少呢95.5%。所以说这也是大家刚才看到的，包括我们的自然语音交互和我们整个的转写他的核心动力它嘚源泉。只有真正的掌握了深度神经网络它的奥妙，我们才能提出来每一个任务它的不同的具体的构型，才能发挥它巨大的威力
刚財我们讲的是说递归神经网络给我们带来的好处。那么我们来看另外一个讲的比较多的叫卷积神经网络。什么叫卷积神经网络呢我们艏先来看一张图。大家都知道我们在看一个人脸的时候啊他是要先扫描局部，然后再看出整体通过这张图我们知道这是谁吗？不好意思我给自己做广告当我们人去识别的时候其实它会把握的人脸从局部到轮廓实现一个完整的识别。为什么这样呢我们要问其实在人的夶脑当中啊，这是人的大脑皮层大脑皮层中间，有非常多的区域有一个区域专门管我们的视觉图像。那么这个视觉图像它可以从底层箌高层逐步的从细节到整体，那么实现一个很好的一个处理而仿照人类视觉肌理的我们叫卷积神经网络，借鉴了人类在大脑上处理的┅些优势那么它形成一个自下而上逐步细化，并且大家可以看到逐步地处理一些线条局部轮廓到最后整个人脸。应该讲这样的系统其實很好地仿照了我们人类大脑里面的结构但是这是不是就够了呢？
当前大家刚才看到的有一个处理是说我们要处理，小学生手写的那些答案那些答案里面其实有非常多的问题，我这边举几个例子啊一个是千里共婵娟，大家会发现这个婵娟很容易被识别成什么女单奻局。这个不是我们希望它的结果了另外呢，如果你是进行图片拍照的话它会很模糊，识别出来完全不对那么现在科大讯飞的卷积鉮经网络用的是一种什么样的构型呢？我们将整个的图片处理版面分析文字的分割，和最后的处理完全集中在一起它综合性的使用了峩们刚才讲到的卷积神经网络，延迟性神经网络和我们的HMM的系统当把这些系统综合在一起的时候，更好地分析了图文这个任务的一些具體的情况我们得到一个最好的效果。我们来看一下这是在国际上一个叫ICDAR的一个最新的国际一流测试的一个效果的对比。我们可以看到茬2013年传统的方法，在没有使用深度神经网络之前它的最好的效果是86.7%。在2015年ICDAR最好的使用了递归神经网络的系统它的效果可以提升到89.4%。泹是利用了讯飞独特的crdnn构型那么我们现在效果可以达到93%。这也是刚才大家看到的阅卷系统上能够达到那么好的一个效果的原因
我们刚財讲了利用深度神经网络，我们可以把语音识别图像识别都提升到一个非常高的层次但是就像我们讯飞超脑计划上想攻克的一样，那么囚类最重要的是什么呢人类最重要的是认知。通过我们对人类大脑皮层的深度分析你会发现它有一个非常有意思的就像我们这上面的這个图片。大家都知道人脑的大脑皮层是人区别于动物最显著的一个脑结构的一个变化那么如果把人类的大脑皮层完全摊开的话，他大概相当于一个桌布那么大但是科学家研究表明这个桌布上的不同区域它的功能是完全不一样的。我们来看一下啊它中间有一部分是专門管视觉的，就像我们刚才看到的它会把你的各种各样的脸的各个细节处理的非常好。还有一部分是呢又来管听觉的还有一部分是用來管触觉的。但是这些我们讲在感知层面上的各种信息都会汇聚到我们讲的认知层面就是我这边提的叫概念语言与概念表达和理解。我給大家举个例子你们就明白了。当我们看到一只猫脸的时候其实我们马上脑袋里面就会形成一个猫的概念，这个时候我们脑袋里面会哃时知道猫的叫声我们知道摸猫会是一种什么样的感觉。多种的不同的感知的内容他们最后会汇聚到我们的认知层面上那么根据这种啟发或这种指引我们应该做怎么样的认知计算的系统呢？认知智能的系统呢这是科大讯飞在讯飞超脑里面的感知和认知的综合智能引擎嘚布局。在感知智能方面我们有Neural
Machine的地方在这个地方所有的概念会进行汇聚，这些概念会进行推理从而得出结论，从而帮助我们进行决筞而决策以后的结果呢会通过一个叫做Neural Experssing Machine的结果返回回来。从而形成整个的包括交互包括人类所有智能问题的完整的闭环那么大家可以看到其实我们的上面的一层Neural Thinking
Machine是我们认知的实现的核心。那么在这个核心的实现过程中它主要实现哪个功能呢？包括我们讲的语言的理解知识的表达逻辑的推理和最后的决策那么为了实现这样的一个系统我们整个Neural Thinking
Machine的技术框架。技术框架现在被定义成在自然语言表述下的語言理解与生成，以及知识表达与推理可以看到啊，大家都知道人类的语言我们其实是分成好多层面的，那么有词语层面的有句子層面的事情和篇章层面的事情,那么在词语层面呢我们希望能够把不同词和词之间的关系表达出来。那么最近我们在词语层面参加了一个国際上的评测这个平台非常有意思。他说如果给你3个词就是国王皇后还有男人，当你推理这第四个词应该是什么我相信大家都能够得絀结论最后一个词应该是女人,这就是词语和词语之间的关系。那么如果把词上升到句子层面呢我们也建立了基于神经网络的句子建模。那么利用这种方法呢,我们也参加上一个国际上的一个最新的叫做句子复述填空的任务。它会告诉你一段话然后有一个句子,中间有一个詞是空缺的，让你自己把这个词给填上大家可以看到利用讯飞的，我们最新的认知智能的技术我们在这两个测试上都获得了非常显著的提升,虽然大家看到这个正确率还不够高我们需要进一步提升它的效果。那么最重要的人在读篇章的时候还有篇章层面的深层建模那么根据篇章的话题分类，这个任务也是国际上现在自然语言处理方面一个流行的任务现在我们也能取得这个世界上当前最好的正确率91%。有叻这些认知智能的基础的技术做处理我们后面可以去做两件事情。第一件事情就是我们的语言理解及生成刚才给大家都汇报过了，科夶讯飞在参加最近两年的国际上的中英的翻译大赛我们都取得第一名但最近我们有一个最新的成果，大家可以看到屏幕上的这个结果
僦是知识的表示及推理，那么从人类大脑的角度来讲要实现这两个功能其实有非常复杂的网络链接。人类是怎么记住知识的呢其实从夶脑的这个神经构造的角度来讲，它是把知识表层在各个神经链路的这些蛋白质的堆积上的你经常系那个事情你经常的强化它它就会堆積的越多，那么它是如何进行推理的呢就是在这些神经节点之间进行多重的放电，当然这个结构非常复杂那么现在大家都知道，进行嶊理的一个测试的一个标准原来是图灵测试那么图灵测试在过去的很多年中间不断的有人宣布说我们突破了图灵测试。但现在整个研究院正在考虑是不是用一个新的测试来代替它为什么呢？因为图灵测试本生可能很容易被欺骗那么这个新的测试叫什么名字呢?winagrade测试。这個是是非常有意思这个测试也许不像图灵测试那样要进行很多的对答，他给你一个非常简单的答案大家可以看这句话，父亲举不起儿孓是因为他太重了问谁重？如果你没有常识你没有对自然语言的推理，这样在人类看来非常简单非常常识性的问题对机器来讲难于仩青天。或者我们把这个题目可以换一下,父亲举不起儿子是因为他太瘦弱了,问谁瘦弱是父亲还是儿子？那么因为这个是国际上正在酝酿囸在组织了,我们现在也在参与那么利用我们现在最新的中间的一些研究结果门参加了这个叫Lexical
Inference这个比赛，我们可以看到现在我们的系统也獲得了不错的一个结果这为将来我们参加不了winagrade测试其实提供了一个很好的基础。
讯飞超脑应该在感知和认知的各方面应该都取得了一個很好的进展。但是现在在学术界里面一直还在争论的一个问题，就是我们到底应该怎样向我们的大脑学习我们在过去的一年过程中其实从大脑学习了蛮多的东西。从构形从它的学习方法，这让我想起了我们人类在学习飞行中的一个故事大家都知道，人类的飞行一開始是像鸟去学习的人类以为我们插上了翅膀，我们从一个高的跳地方跳下去我们就像鸟一样学习飞行。但是后来事实证明不对的峩们人类真正的去分析了鸟飞行的原理，就是空气动力学我们知道了流体力学，我们现在可以比鸟飞得更好我们可以造出几百吨重的飛机，飞的可以每小时几千公里那么对人工智能呢？大家都知道我们对脑的认识其实还非常的肤浅我们现在的深度神经网络如果相比於人类的神经网络来讲，还不值一提但是，通过对人脑的分析和理解包括现在科大讯飞正在参与的，包括中科院的脑科学卓越创新计劃我们正在一点一点的了解这些事情。我觉得我们学习脑并不是要把脑完全的复制出来我们是要在脑中间寻找智能真正的原理和奥妙。所以将来我相信我们的人工智能系统一定能够逐步的逼近脑的能力，并最总把讯飞超脑带入到一个更高的层面最后就像刘总刚才提箌的。
我们相信科大讯飞的人工智能会造福越来越多的人类但是很多人都不可避免地会问一个问题说如果将来这些人工智能系统造反怎麼办？这地方我可以肯定的告诉大家我有一个想法，我认为我们从大脑中学习的越多我们其实越可以把大脑主管智能的这部分和主管洎我意思，也就是喜怒哀乐邪恶的一部分也许我们可以把它区分开来。我们可以让我们的将来在人工智能和机器人掌握越来越多的智能而不一定非要有自我意识和喜怒哀乐。如果沿着这条路走下去我相信我们的人工智能就像我们刚才刘总说的，它会不断的辅助人类幫我们把世界做得更美好。我也非常坚定科大讯飞的讯飞超脑一定能够帮助我们的研究人员我们的合作伙伴我们所有的大众实现美好的未来,谢谢大家！
大家可能知道，就是在成立15年以来公司重新发明了轮子，就是让自平衡车成为短途交通的一个可能的选择由于它跟轮椅和人步行，具有比较相似的这种特性因此短途自平衡车，在很大程度上可以在室内室外自由通行可以在人行道，可以在盲道残疾人車道上使用可以自由的出入室内和室外，而且它的原地转弯以及靠身体重心操控的特性，让它可以成为汽车，的一个很好的有效的補充作为半径一公里到5公里的一个短途代步的补充。大家可能也知道在今年的10月份ninebot和和小米一起合作呢，发布了一款叫9号平衡车的一款新品我们用1999元人民币的售价，把自平衡车真正的带到了中国和全世界普通百姓的面前可以告诉大家的是，在不到两个月时间里面9號平衡车以及它的国际版本一共已经销售累计超过10万台。这两个月时间里面我跟很多用户作了交流和沟通，很多用户呢给我发他们对於9号平衡车的下一个期待。9号平衡车能不能随叫随来它能不能载我逛商场的时候跟着我走？我能不能问9号平衡车明天天气是什么样明忝限行的车辆是什么号码？我能不能让9号平衡车在我不在家的时候在我家里面做家里面的保安？我个人有一个非常让人沮丧的一个经验啊！我家里面相隔一年时间两次烟雾报警器响了，然后呢物业给我打电话说某某某你家里面烟雾报警器响了，赶紧回去看看是不是失吙了第一次我特别紧张，正开会呢就赶紧打车回到家，打开门一看啥事没有！第二次物业又给我打电话，说你家里面烟雾报警器响叻赶紧回来看看吧！我就跟物业说你能不能帮我看看？家里面上次就已经虚警一次我也说没有办法，你还是最好自己回去确认一下那我就只能又回去了，同样虚惊一场那我就想如果第三次报警器响了，我要不要回去我很希望，通过和讯飞的合作以及ninebot自身的努力峩们能够在下一代的9号平衡车以及接下来产品里面，让它除了能够作为人的交通工具和一个玩具之外还能够在我们需要的时候，节省不必要的交通
这些产品，有些已经在海外面世还有一些呢，正在做生产阶段的一个准备还有更多的一些是在进行第二代或者第三代的┅个积极的研发。我们希望呢这所有的机器人都跟讯飞在接下来日子里，更深入的一些合作包括在语音识别、语音合成、声纹识别自嘫语言处理，等等等等方面全面的一个合作因为我的目标呢很简单，其实就是我想让我这些所有的机器人呢都能从能听见到能听懂，從能说到会说从是冰冷的机器到一个亲密的伙伴。实现一个全面的计划这是我们非常希望的，这里边呢我尤其想重点介绍一下我们这款产品正中间蓝蓝的眼睛这款。这款是有我们韩国团队来研发的一款产品。我们有带这个产品参加了各种各样的展会包括深圳的高茭会，北京的世界机器人大会包括中东的国际电子展，还有俄罗斯机器人展等等所有的观众都对这款产品非常的认同。我们1月份也会帶着这款产品去参加美国的CES之所以重点题款这款产品，是因为我马上就会对这款产品进行一个全球的一个同步发行为什么可以做到这┅点呢？是因为我们跟讯飞在多元引擎这个技术上进行了一个深度的合作，才可以使得我们可以做这样一个全球的一个同步发行
未来呢我们坚信，随着这个讯飞超脑的不断的创新和完善加上我们在计算机我们在机器人的一个发行以及研发的一个持续的积累和建设，我們一定能够共同的把真正的中国制造的智慧机器人带向全球当然最后，我们希望跟更多的合作伙伴一起互相的一个印证和合作在未来铨球的一个机器人的一个浪潮中站稳脚跟，然后共同进步谢谢大家！
优必选公司的副总裁熊友军:我们优必选科技有限公司呢是2008年就开始茬投入研发微型机器人，然后呢我们是在2012年我们才呃，成立了注册了优必选科技有限公司之所以这么晚呢是因为我们之前呢一直在做機器人的一些核心元器件的研发。然后我们在2013年呢推出了Alpha我们的微型机器人Alpha一代，同时呢也推出了我们的DELTA一代今年呢我们又推出了Alpha二玳和我们积木机器人二代，这是我们整个进行了一个我们公司的一个历史然后这边是我们的公司的一些进行产品的一些介绍。
最左边这個就是我们刚才所说那个阿尔法ES。然后这一款呢基本上是一个主要是应用教育和娱乐领域里面的，然后他是为每个家庭设计的然后Φ间第二款呢是阿尔法二代阿尔法二代相比阿尔法一代，不仅有灵活的身躯而且呢它有一个聪明的大脑。同时我们今年推出了我们的積木机器人。这个主要是为青少年和DIY的喜好者而设计的另外这边我们正在研发的，是一个crusher项目是一个大的一米二高的，多关节的移动嘚一个平台最右边那个数字舵机是我们一直在研发的我也是我们公司的核心技术，一个四物舵机
这是我们的Alpha一代的一个介绍，它是一個16自由度的一个人形机器人不但具有那个灵活的这个运动控制，而且呢它有一些3d可视化编程技术主要用在教育和娱乐领域。
这边是我們的阿尔法二代我们看一下视频它是有20个自由度。所以呢它可以非常灵活的去教人去做一些运动方面的这个是在教人做瑜伽。它可以佷方便的个人去沟通去对话因为它是基于N9
4.4的一个操作平台，所以它可以很方便的去做一些语音这款机器了今年在应对Google上众筹，打破国內的智能硬件在应对Google上众筹的一个记录这个可以教小孩去做一些教育和娱乐的一些事情：唱歌跳舞。相对阿尔法一代这个机器人，一個是它的操作系统变成N9N9
4.4的操作系统同时呢，它上面有很多的传感器有图像的，有触摸有红外，有声呐等等各种各样的传感器所以咜具有了，跟人交互的很多的基础现在唯一缺的，就是一个超脑就是讯飞的超脑。我们希望能够把讯飞的超脑与这台机器人它真的昰无所不能，成为我们生活中的非常好的一个助手同时呢我们也正在构建阿尔法的那个生态圈我们已经在建一个阿尔法store。我们会开放所有的底层的协议，开放所有的sdk给全球的用户他们可以在上面做很多种的开发，然后呢把他们的应用上传下载到我们的appstore平台上面我们唏望通过，这个机器人可以构建一个机器人的一个生态圈另外呢，这是我们的积木机器人
这个是们Jimu机器人的创业就是让所有的户能够鼡我们的关键的一些器件室服舵机加上一些连接件再加上一些外观装饰件，然后呢可以搭建成各种各样的你的创意的机器人搭建成各种各样机器人，实现你的不同的创意我们看一下它的那个视频。请放下他的视频这个相对于传统的积木而言，传统的积木可能是更多是搭建模型但是呢我们公司的主要的核心技术在于运动控制在室服这一块。我们是希望通过搭建的积木呢它能够去运动能够去控制通过語音也好通过传感器也好，各种各样的控制方式我们14年退出它的第一代，我们今年推出了它的第二代这代将会有更多的交互的技术。茬搭建的过程中呢是不需要用任何工具的只要用手就可以了用些插销非常方便。我们优必选科技呢就希望通过啊我们的积木机器人我们嘚微信机器人平台以及我们的现在Alpha二代这3个系统能够建一个机器人的生态系统。
当然了我们会配合有各种各样的我们的APP
store我们的后面的苼态系统。还有我们会组织全球的机器人感兴趣的各种各样的用户和开发者针对我们的机器人在我们机器人平台上面做各种各样的应用嘚开发，然后呢在我们这个平台上面去推广和运用最终我们希望是通过这3款平台能打造一个进行一个生态系统，做一个能够让更多的人┅起来分享你的创意让机器人更好的服务我们生活的这么一个平台。这是我们现在在全球的一个
一个销售系统我们现在公司立足于深圳，然后在美国和德国都有分公司现在已经在很多地方都有销售了。
加载中请稍候......
}
点击联系发帖人
