微软技术院士黄学东：掌握核心的语音语言技术，AI才有希望(2)

我意识到人通过语言可以自然交流、相互合作，像我们来自五湖四海，今天可以组织起来在这个地方见面，都是因为有了语言。语言是促进人类进化得最重要的因素，就像我今天讲的，在人类进化的长河中，语音和语言是最重要的因素，有同样的重要性。我在清华上学的时候看得没有那么远，但是我当时就觉得语音和语言太重要了，至少我自己30年如一日，从没有放弃过这份情怀。

Q：机器翻译在某种程度上已经人类的翻译水平差不多了，是不是意味着我们以后不用人工翻译了？是不是翻译人员就被淘汰了？您怎么看待人工智能给人类带来的威胁？

黄学东：我觉得这个事情不会，机器翻译出错误会出得比人类更离谱。我觉得最好的方法就是在机器转录翻译的时候，有人在旁边看着，有错误就给纠正一下，人和机器协同工作，这是最好的模式。

机器出错是出在什么地方呢？冷僻的词、新的概念。人可以实时学习冷僻的词和新的概念，这里的信息量非常大，人类马上可以自适应。比如我讲了一个很怪的词，大家一听觉得有意思，马上神经就高度紧张，注意力高度集中了，马上可以举一反三。而机器就惨了，怎么样处理没有见过的事情，这才是真的智能，也是人类智能和机器智能最大的区别。

跟人相比，不管是图像识别还是语音识别、机器翻译，机器其实都笨得要死，因为它不懂得举一不反三——孔子说过“举一不反三，不可教也”。

Q：文字工作者在翻译的时候会讲究“信达雅”，从微软的机器翻译的水平讲，现在能够达到信达雅？还是离信还有几步的距离？

黄学东：如果是没有突发事件，那么是基本可信、基本可达、基本还算比较雅。

如果出现突发事件，就举一不可反三，这是人工智能和人的智能最大的差距。

我们说一个人灵不灵，主要看他处理突发事件时的决策怎么样，就能说明是不是真的行。一般的人处理常见的事情都可以，没问题，就像人工智能一样。而聪明的人，在面对突发事情、小概率事件，或者很困难的时候，可以做出正确的决策。现在人工智能和人类智能最大的差别，就是处理突发事件的能力差得远，这也就是为什么认知非常重要。认知是解决推理、解决小概率事件、获取知识、聚一反三，这个过程的最重要的一个代表和体现。

Q：您反而觉得机会更多，而不会说一些工作被AI取代使机会变少？

黄学东：这就像当年在英国的时候汽车刚刚发明出来，被要求速度不能超过马车的速度，后来马车夫没有了，但是汽车工业造就了多少新的机会呢？同样的道理，人工智能会给我们的生产力赋能，变的更快、更好，让大家有更多的时间去做自己想要做的事情，我是非常乐观。

当年马车起主导作用的时候，你可以想象会有那么大的汽车工业吗？像钢铁、发动机、石油，这造就了多少就业机会。

AI至少提高了工作的质量，有很多这样的案例。人以前要做很多重复性的工作，人和AI协同工作，就能提高我们的生产力，提高人的工作质量，这是人工智能和人协同工作，有很多这样的例子。

Q：您会觉得通过语音识别竞赛带来差异化，使大家技术上差异越来越少吗？未来大家在竞争的话，是不是重点在结合各家整体的解决方案，比如说微软跟Azure结合，其他各家与自己的一些技术的结合上？

黄学东：比如在Switchboard上，微软是第一个达到了媲美人类水平的，这说明在研究测试级上，微软的技术是很强大的。但那个还不够，因为训练数据是固定的，计算资源是无限的。在做产品的过程中，倒过来了，训练数据可以无限，计算资源有限，因此看问题的侧重点不太一样。还有落地场景的事情，像微软“耳听八方”的会议系统，这个是我们自己用计算机视觉和语言识别打造的一套新的解决方案，前人没有想到，也没有做到的事。

Q：大家会结合各自的定位把产品差异化做竞争，之前大家纯技术、纯研究方面的东西可能现在看差异化不会太明显吗？

黄学东：技术实力还是非常重要，人工智能会议系统它的技术要求远远超越了两个人的对话。真是像《封神演义》讲的耳听八方，很难的，根本顾不过来。我们的系统，它上面有一个360度的摄像头，就像九头鸟一样全看见了，会议室的东西都尽收眼底，下面还有7个麦克风的麦克风阵列，用的就是Speech Device SDK.看起来像“黑塔”的那个东西就是用微软现有的云，加上现有的DDK打造的一个人工智能落地的实例。微软的服务都在，但别人没有打造出这样的一套东西，我提供了开发工具，但是要打造一套像PPT这样的应用程序，还是需要很多的工作。

（编辑：ASP站长网）