創(chuàng)投分享會(huì)注：百度深度學(xué)習(xí)今日出現(xiàn)了里程碑性的突破，有關(guān)該項(xiàng)技術(shù)的信息目前披露較少，創(chuàng)投分享會(huì)兩位作者羅超與嗅科技提供了可供了解的線索，本文對(duì)兩位作者的投稿進(jìn)行了摘編整合。
去年，在離蘋果總部不遠(yuǎn)的加州庫比蒂諾，百度悄然發(fā)布了專注于深度學(xué)習(xí)研究的前沿實(shí)驗(yàn)室。深度學(xué)習(xí)尋求通過模擬人腦運(yùn)行機(jī)制來大規(guī)模提升計(jì)算任務(wù)處理，是人工智能的一個(gè)分支領(lǐng)域。從那之后的數(shù)月，深度學(xué)習(xí)通過很多方式得到廣泛拓展。
百度首席科學(xué)家吳恩達(dá)今日（12月19日）表示，百度在深度學(xué)習(xí)領(lǐng)域的發(fā)展已經(jīng)超過了谷歌與蘋果，如果這項(xiàng)技術(shù)真具有劃時(shí)代的革命意義，那么百度就此開啟并且引領(lǐng)了語音2.0時(shí)代，也即是人工智能時(shí)代的一個(gè)重要分支，改變搜索，更改變交互。
百度大腦與數(shù)據(jù)鏈相結(jié)合
√ 首先自然是依靠百度自身的搜索引擎所帶來的海量數(shù)據(jù)請(qǐng)求。這些數(shù)據(jù)請(qǐng)求代表了百度用戶在宏觀層面上的真實(shí)信息，通過將特定信息分類并整理，百度大腦將獲得一條較為宏觀的穩(wěn)定數(shù)據(jù)鏈。比如曾經(jīng)在電視上出現(xiàn)的“春運(yùn)地圖”就是這種數(shù)據(jù)鏈的代表。當(dāng)然，單純依靠互聯(lián)網(wǎng)搜索所帶來的數(shù)據(jù)鏈?zhǔn)遣蛔阋灾伟俣却竽X的數(shù)據(jù)需求的。來自搜索的數(shù)據(jù)鏈雖然內(nèi)容豐富，但是精準(zhǔn)不足。
√ 對(duì)于需要更貼近“人性”的百度大腦深度學(xué)習(xí)計(jì)劃而言，個(gè)體的數(shù)據(jù)鏈來源對(duì)于百度大腦將會(huì)更有意義。因此，對(duì)于來自地圖的用戶數(shù)據(jù)對(duì)于百度大腦來說，也是一條相當(dāng)穩(wěn)定的重要的數(shù)據(jù)鏈。比如它可以通過對(duì)個(gè)體的分析，學(xué)習(xí)到在堵車情況下，人是如何在現(xiàn)實(shí)中選擇路徑的。
√ 第三條數(shù)據(jù)鏈將會(huì)來自移動(dòng)端。作為人類個(gè)體的物理標(biāo)記物，來自移動(dòng)端的數(shù)據(jù)鏈將會(huì)成為百度大腦最好的行為模式分析樣本。通過大數(shù)據(jù)歸類，人們?cè)谑謾C(jī)上的各種行為都可成為百度大腦的參考對(duì)象，接下來百度大腦也許可以學(xué)習(xí)到，為什么在我電話聯(lián)系不到一個(gè)人的時(shí)候，什么情況下我會(huì)發(fā)短信，什么時(shí)候我會(huì)發(fā)微信，什么時(shí)候我用手機(jī)QQ。這條來自于移動(dòng)端的數(shù)據(jù)鏈規(guī)模大小將完全取決于百度在移動(dòng)端的影響力。
√ 還有一條數(shù)據(jù)鏈將來自于百度智能家居。通過電視盒子，空氣盒子或是其他一些家電產(chǎn)品獲得的用戶動(dòng)作數(shù)據(jù)將會(huì)為百度大腦提供“個(gè)人人類在小規(guī)模社交環(huán)境中的行為思維模式”參照以及“小規(guī)模群體行為思維模式”參照。借助于此學(xué)會(huì)諸如“三口之家在看電視問題上誰做主，為什么？”一類的高端思維方式。這條數(shù)據(jù)鏈的規(guī)模將會(huì)取決于百度在智能家居方面的發(fā)展速度和深入能力。如果聯(lián)系到百度不久之前所發(fā)布的“baidu inside”計(jì)劃，其提前為數(shù)據(jù)鏈打造渠道的目的就非常明顯了。
“我們想要的機(jī)器是可以利用所有數(shù)據(jù)的，這就需要更好的無監(jiān)督學(xué)習(xí)“，專注于無監(jiān)督學(xué)習(xí)研究的蒙特利爾大學(xué)的Yoshua Bengio這樣表示。世界上大多數(shù)的數(shù)據(jù)是無法標(biāo)記的，而且標(biāo)記他們會(huì)非常昂貴。百度找到吳恩達(dá)，正式要找出更好的方法來讓機(jī)器自己學(xué)習(xí)可以提高人工智能的經(jīng)濟(jì)效益，并且為消費(fèi)者帶來更好的應(yīng)用程序。
語音識(shí)別2.0技術(shù)：大幅提升抗噪能力
Siri掀起的語音交互風(fēng)暴一直還在蔓延。微軟Cortana、Google Now、百度語音助手，大量的獨(dú)立語音助手面世。不少智能設(shè)備包括智能手機(jī)、智能電視、智能家居、車聯(lián)網(wǎng)，語音交互也已成為標(biāo)配。Google、微軟、百度等巨頭已經(jīng)將語音識(shí)別能力通過API開放出來，大家都在想辦法用語音來取代鍵鼠或者觸摸屏這兩種最常見的交互方式，尤其是在移動(dòng)、家居、汽車等特別場景之下。
不過，語音技術(shù)包括諸多方面，最核心的幾大技術(shù)就包括語音識(shí)別、語音合成和語義理解。最基礎(chǔ)的自然是語音識(shí)別，要讓機(jī)器能“聽”之后它才會(huì)想、才會(huì)說。而語音識(shí)別當(dāng)前存在的幾大難題就包括：識(shí)別率不高、難以應(yīng)對(duì)噪聲環(huán)境、無法支持遠(yuǎn)場識(shí)別以及對(duì)方言的支持不夠強(qiáng)大等等。尤其是抗噪能力更是阻礙了語音交互在車內(nèi)、移動(dòng)和商場等典型場景的普及。
百度最新的技術(shù)稱之為深度語音識(shí)別，是深度學(xué)習(xí)這項(xiàng)通用基礎(chǔ)技術(shù)在語音上的應(yīng)用。深度語音識(shí)別技術(shù)大幅提高了準(zhǔn)確率，尤其是抗噪能力，百度通過從9600人那里收集了將近7000小時(shí)的語料數(shù)據(jù)，然后在樣本中加入了十五種背景噪音比如，餐廳，汽車和地鐵，從而將樣本擴(kuò)張到了10000小時(shí)的數(shù)據(jù)，然后百度團(tuán)隊(duì)讓系統(tǒng)在噪音中去識(shí)別這些語音信息。
與傳統(tǒng)語音識(shí)別使用統(tǒng)計(jì)概率+人工干預(yù)不同的是，百度深度語音識(shí)別技術(shù)采用無監(jiān)督式機(jī)器自動(dòng)學(xué)習(xí)，背后則是GPU深度學(xué)習(xí)基礎(chǔ)設(shè)施在支撐，不僅更準(zhǔn)確，識(shí)別所需的運(yùn)算更加快速和經(jīng)濟(jì)。最終在識(shí)別范圍內(nèi)允許的單詞錯(cuò)誤率提高10％，優(yōu)于Google Speech API，Wit.ai, 微軟的Bing Speech和Apple的聽寫服務(wù)。
改變搜索更改變交互
移動(dòng)搜索的特性之一就是無處不在的多元化的輸入方式，圖像、位置、語音是典型的新型搜索。百度深度語音識(shí)別技術(shù)被整合到百度各大產(chǎn)品之中，提高語音識(shí)別率之后，可以增強(qiáng)用戶使用意愿進(jìn)而提升用戶粘性，并且反過來貢獻(xiàn)語料提升語音識(shí)別能力，就像輸入法、圖像識(shí)別等采取類似識(shí)別技術(shù)的應(yīng)用形成的“正循環(huán)”一樣。
另一方面，百度可以基于新的語音識(shí)別技術(shù)開發(fā)更多新型應(yīng)用，尤其是在噪聲環(huán)境中的語音應(yīng)用。比如汽車內(nèi)語音因?yàn)橛熊囕啞ⅠR達(dá)、氣流、環(huán)境音，一直是一個(gè)難點(diǎn)，未來百度CarNet便可采取新的語音技術(shù)；再比如百度EYE，試圖改變商場導(dǎo)購方式的可穿戴設(shè)備，有了新的語音識(shí)別技術(shù)交互便可以很好地解決；還有大家都在使用的百度地圖導(dǎo)航，未來很可能會(huì)完全基于語音進(jìn)行，就像對(duì)真人問路一樣簡單。
除了改變百度本身業(yè)務(wù)之外，深度語音識(shí)別還可以改變當(dāng)前的語音交互叫好不叫座的現(xiàn)狀。一個(gè)例子是語音控制智能電視，因?yàn)殡娨暠旧砉?jié)目聲音這種“噪聲”人們?cè)囉谜Z音需要先終止正在播放的節(jié)目才可。有了抗噪能力之后，就可以直接對(duì)正在播放節(jié)目的電視喊：換臺(tái)，給我播放《中國好聲音》第二季第一集。總而言之，未來的語音交互有更多的可能性，抗噪能力的解決無異于消滅了困住語音的腳鐐。
百度對(duì)深度學(xué)習(xí)的野心
深度學(xué)習(xí)是百度2014年開始圍繞百度大腦重點(diǎn)投入的人工智能技術(shù)，讓機(jī)器模擬人的大腦皮質(zhì)神經(jīng)元思考。百度為了發(fā)展深度學(xué)習(xí)技術(shù)，不只是成立了專門的研究機(jī)構(gòu)，還大力招募全球頂尖技術(shù)人才。現(xiàn)在深度學(xué)習(xí)已經(jīng)被應(yīng)用到問答、搜索、翻譯和圖像等諸多應(yīng)用，現(xiàn)在終于輪到了語音。
深度語音識(shí)別技術(shù)這類里程碑事件越來越多，表明了百度的技術(shù)投入是非常有價(jià)值有效果的，這對(duì)百度的業(yè)務(wù)有巨大的促進(jìn)作用，同時(shí)也讓百度在未來的新興技術(shù)競爭中占據(jù)一席之地，不改技術(shù)驅(qū)動(dòng)型公司的本色。“百度有自己的野心”，李彥宏在前不久百度與Uber戰(zhàn)略合作儀式上說過這樣一句話，深度語音識(shí)別技術(shù)超越Google等海外巨頭讓這個(gè)野心不再只是愿景。
微博@互聯(lián)網(wǎng)阿超，微信：羅超（luochaotmt）
嗅科技
