微软黄学东:微软在很多AI领域领先Google | AI NEXT

微软黄学东:微软在很多AI领域领先Google | AI NEXT

雷锋网按:本月 18 日,由美中技术与创新协会(Association of Technology and Innovation,ATI)主办的第一届“AI NEXT”大会在西雅图召开。本次会议的主要嘉宾包括:微软首席 AI 科学家邓力,微软院士黄学东,Uber 深度学习负责人 Luming Wang 等。华人之外,还有亚马逊 Alexa 首席科学家 Nikko Strom,微软小娜架构师 Savas Parastatidis 等业内知名专家。

大会主题是“探索 AI 的潜力,把 AI 技术应用于实用项目和服务”,对 CV、NLP、智能助手、深度学习框架均做了专题报告。微软首席语音科学家黄学东也发表了演讲,对微软的人工智能业务和进展做了全面的介绍和梳理。雷锋网(公众号:雷锋网)根据演讲录音和PPT整理成文。

雷锋网注: 黄学东于1993年加入微软,目前领导微软在美国、德国、埃及、以色列的团队研发研发微软企业人工智能客服对话解决方案 、cris.ai 和 luis.ai 等认知服务、CNTK 开源深度学习工具等人工智能产品和技术。2017年2月,黄学东刚刚被评为“微软全球技术院士”,这代表着微软技术人员的最高荣誉。

微软的AI业务简介

其实,“人工智能(Artificial Intelligence)”一词最初是在1956年DARTMOUTH学会上提出的,但是为何一直到如今人工智能技术才步入快速发展的轨道?黄学东认为,主要是两方面的原因:海量的数据,以及计算能力的大幅提升。目前,人工智能主要集中在视觉、语音、语言和知识(图谱)四个领域,但是未来计算机将能够理解这个世界。

根据黄学东的介绍, 目前微软的AI业务可以分成代理(Agent)、应用( Application)、服务(Service)、基础设施(Infrastructure)这四大块。

  • 代理:Cortana(中文名:微软小娜)、微软小冰、Toronto Project(客服助手)

  • 应用:Office 365、Dynamicas 365(整合CRM和ERP的云服务解决方案)、SwiftKey(输入法)、Pix(拍照软件)

  • 服务 :聊天机器人框架(Bot  Framework)、认知服务(Cognitive Services)、Cortana智能、认知工具包(Cognitive Toolkit)

  • 基础设施:适用于机器学习的Azure 、Azure N Series(GPU + FPGA)、FGPA(现场可编程门阵列)

计算机语言技术的发展史

微软黄学东:微软在很多AI领域领先Google | AI NEXT

  • 1954年,IBM和乔治城大学首次展示了能力非常有限的机器翻译系统。

  • 1966年,John Pierce发布了一份关于“语言技术”非常关键的报告。

  • 1975年——1986年,美国政府没有任何拨款支持机器翻译或者语音识别,发展陷入停滞。

  • 1985年,“共同任务(common task)”方法的出现,研究人员开始共享数据。

  • 2007年,基于统计学谷歌的翻译上线。

  • 2011年,Siri登陆iPhone。

  • 2016年,微软的语音识别系统的达到人类水平,同年谷歌发布支持8种语言的神经网络翻译系统。

虽然目前神经网络翻译系统还经常闹出各种笑话,但是黄学东认为,在未来几年内,计算机的翻译水平有可能会和目前的语音识别一样,达到人类(专家)的水平。

微软在语音识别领域的成就

黄学东在演讲中提到,微软于1991建立了Research Lab,该实验室的愿景是让计算机具备“看(see)、听(listen)、说(speak)”的能力。1993年,微软成立语音小组(Speech Group),希望能够让人与设备之间的语音交流成为主流。而如今,这一愿景正在实现。黄学东在演讲中特别提到了《经济学人》今年1月份的封面文章——“Now we're talking”,该文章认为语音技术让计算机不那么令人生畏,而且更易接近。

黄学东称,1993年的时候,他们做的语音对话识别的词错率(word error rate,简称WER)高达80%。然而2016年9月14日,由黄学东带领的微软语音团队在产业标准Switchboard语音识别基准测试中,实现词错率低至6.3%的这一技术突破,这比IBM的6.6%词错率更低,达到目语音识别领域错误率最低的水平。仅仅一个月后的10月18日,黄学东团队进一步将词错率降低至 5.9%,首次与专业速记员持平。

微软黄学东:微软在很多AI领域领先Google | AI NEXT

这个人类水平的对话语音识别系统用到了10个不同的DNN(深度神经网络)。据雷锋网了解,其具体实现过程是:首先用包括了ResNet(残差网络)、LSTM(长短期记忆网络)在内的6个不同的神经网络组合并行工作,其结果再通过4个新的神经网络组合之后再输出,最终达到专业速记员的水平。

但是黄学东表示,目前计算机的对语音的识别还只停留在转录阶段,想要真正理解语义还非常困难。

微软客服助手Toronto

微软黄学东:微软在很多AI领域领先Google | AI NEXT

黄学东表示,语音技术除了能够用作娱乐用途之外,还能够做很专业的事,比如技术支撑(technical support)。它在演讲中提到,微软除了语音助手Cortana和聊天机器人小冰之外,还有一个代号为“Toronto”的客服助手项目。

Toronto是基于深度强化学习的人工智能,能够理解对话中的上下文,让客服聊天机器人更加人性化、更加高效。

根据PPT的介绍,Toronto不仅能自动回复,给出建议,还能在解答不了时提示用户转接人工服务。此外,它还能帮助人工客服快速了解用户信息,给出回答建议,并可以转接给其他的工作人员,甚至还有录音功能。

当然,黄学东也表示,这些聊天助手和语音识别不一样,并没有一个已经建立起来的有效训练方法(established recipe)。

微软在深度学习方面的进展

微软黄学东:微软在很多AI领域领先Google | AI NEXT微软黄学东:微软在很多AI领域领先Google | AI NEXT

黄学东此前曾表示,微软的深度学习工具包CNTK其实比谷歌的TensorFlow开源的要早,但是由于一开始 并不是发布在GitHub上,所以外界知道的人相对少一些。但是黄学东表示,根据基准测试的结果,CNTK比谷歌的TensorFlow和亚马逊的MxNet的性能要更好:相同条件下,CNTK每秒能够处理的样本更多。

微软黄学东:微软在很多AI领域领先Google | AI NEXT

此外,黄学东还列举了ComputerWorld今年2月的评测结果,来证明微软在深度学习方面的实力。从图中可以看出,微软认知工具包(Cognitive Toolkit)v2.0 beta 1版本在性能、开发的难易程度、以及部署的难易程度这三个方面表现突出,而综合表现仅次于谷歌的TensorFlow r0.10。

微软认知工具包的优势

微软黄学东:微软在很多AI领域领先Google | AI NEXT

目前,微软认知服务的API主要包括语言、语音、机器学习、视觉、搜索、知识这几大类。据黄学东介绍,微软的认知工具包有以下三大优势:

  • 速度&可扩展性:微软认知工具包训练和评估深度学习算法比其他的工具包都快,而且可以在不同的环境下有效扩展的同时保持精度。

  • 商业级的质量:使用了复杂的算法以及大量的数据集。

  • 兼容性:可以使用C++、Python等语言,而且能够定制内置训练算法,甚至使用自己的算法。

【招聘】雷锋网坚持在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间提供海外科技动态与资讯。我们需要若干关注国际新闻、具有一定的科技新闻选题能力,翻译及写作能力优良的外翻编辑加入。 

简历投递至 wudexin@leiphone.com,工作地 北京。


微软黄学东:微软在很多AI领域领先Google | AI NEXT

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/77742.html

(0)
上一篇 2021年8月12日 04:28
下一篇 2021年8月12日 04:29

相关推荐

发表回复

登录后才能评论