AI NEXT | 微软黄学东:微软在很多AI领域领先Google

AI科技评论按: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。AI科技评论根据演讲录音和PPT整理成文。

AI科技评论注: 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

  • 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。

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AI科技评论了解,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

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

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。

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

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。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-03-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

推荐系统那点事

2074
来自专栏新智元

【iPhone10周年】王威廉谈NLP:智能助理几家仍需努力

【新智元导读】什么是自然语言处理?在 iPhone十周年之际,王威廉应 UC Santa Barbara Current 之邀请,谈了谈人工智能,并简要介绍了自...

4045
来自专栏罗超频道

视觉搜索是移动搜索的未来?

罗超为虎嗅网、钛媒体、TECH2IPO、DONEWS、爱科技和新浪科技撰稿。 愚人节当天发布消息很容易会让人产生联想。比如苹果的道歉,再比关于百度的两则消息:一...

2834
来自专栏镁客网

“水哥”3:2战胜人工智能“蚂可”,人类终于赢了一次!

1724
来自专栏AI科技大本营的专栏

AI看电影看哭了...MIT科学家正在教AI感受电影中的喜怒哀乐

翻译 | AI科技大本营(rgznai100) 参与 | 么广忠 虽然我们都知道人工智能(AI)特别火,但AI究竟能做什么了不起的事情呢?要是问AI能不能写出一...

2945
来自专栏机器人网

如果你的下一个面试官是个机器人…

很多人面对一份理想的工作,都会为面试而紧张不已,尤其如果对方是一位严肃的面试官。即使是电话面试,也会如此。那如果面试官是个机器人呢?现在可以想象一下,你未来的面...

822
来自专栏AI研习社

微软黄学东:微软在很多AI领域领先Google | AI NEXT

AI 研习社按: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“A...

2846
来自专栏大数据文摘

我们问了Yann LeCun等16个顶级数据科学家,这是他们给数据新人的建议

712
来自专栏人工智能头条

增强学习是人工智能的未来

1946
来自专栏企鹅号快讯

不仅仅是机器学习,快速了解人工智能的六大领域

提示:阅读本文预计需要10分钟,读完后希望能够帮助您对人工智能的六大领域有一个基本的全貌认识。 12月7月到12月9日,中国大数据峰会在北京召开,公司帮我弄到了...

2067

扫码关注云+社区