商汤《星际争霸2》AI智能代理公开亮相，大型AI设备达到专业级决策水平
06-17
11月13日，第二届万物互联创新大会在杭州正式开幕。
科大讯飞研究院胡国平院长为大会带来了题为“《人工智能的顶天与立地》”的主题分享。
结合科大讯飞在智能语音和人工智能领域17年的成长历程，胡国平和院长首先从技术角度分析了我们目前正在经历的人工智能热潮背后的三大驱动力，即如何实现《人工智能》《顶天》：1.深度学习； 2、大数据； 3.云计算。
胡国平坦言：“人工智能技术的核心技术研发实际上需要大量的时间、精力和金钱。
”因此，他从创业者和投资者的角度，总结了人工智能技术的优势，即“情”过程中的五个关键点：1.在人机交互的界面上实现广泛落地；2.在- 与物联网、大数据深度融合，实现落地； 3、利用人工智能特有的客观性、稳定性和继承性； 4、人工智能面对海量任务孜孜不倦； 5、在人类擅长的领域落地；学习成本高，使用频率低，后来胡国平表示，根据上述要点确定产品的实施方法时，在具体的实践方向和节奏控制上也会出现一些问题。
，我们需要关注以下三个方面：1、针对现实生活中存在的大量重复脑力劳动的领域；2、想一个实际的应用场景，集中精力攻克这个场景； 3、不要总想着颠覆。
从人机融合的角度出发可能更容易实现。
胡国平认为，从事人工智能的企业必须有自己的坚持。
他说：“就像我们做科大讯飞输入法时一样，我们的年相对错误率在6年里只下降了30%。
每次我们都需要在相关方向进行巨大的技术投入，才最终取得了今天的成绩。
”以下为院长胡国平讲话原文。
雷锋网在不改变原意的情况下进行了修改：大家早上好，我是科大讯飞的胡国平。
很高兴有这样的机会与大家分享。
作为一名人工智能研究院的一线工作者，作者，关于人工智能的一些思考和想法。
人工智能走过的60年，人工智能定义的历史使命是，在工业革命期间，我们将人类从沉重的疲劳中解放出来，信息技术将世界紧密连接在一起。
人类必须从繁重的脑力劳动中解放出来。
脑力劳动，从某种程度上来说，人工智能是人类智能需要克服的最后一场革命。
如果人工智能取得重大突破，超越人类智能，你可以想象，未来所有去太空或者火星的飞机的设计可能都不需要人类智能的参与。
因此，这也是人工智能最后一个需要人类智能自行攻克的课题。
因此，人工智能对整个世界的吸引力，对所有智力团队的诱惑是非常大的。
大家都知道，人工智能在过去的60年里经历了三波浪潮，或者说三起大起大落。
但到目前为止，大家都知道我们已经经历了人工智能的第三次浪潮。
也许这一次可能会有些波折，但无论怎样，人类追求人工智能的梦想都会继续前行。
包括科大讯飞在内的大多数人都认为，我们现在正在经历第三次浪潮，正处于真正爆发的前夜，人工智能技术将进入应用的各个方面。
刚才吴军博士也讲了很多。
人工智能在很多方面改变了我们。
也就是说，人工智能这次真的开始流行了，包括机器下棋已经攻克了围棋的最后一个难题，语音合成已经超越了普通自然人的说话水平。
语音识别，大家也看到了一些像右图这样的语音识别效果，已经达到了97%的识别率。
据官方报道，面部识别已经超越了人眼的识别能力。
根据我的数据，自动驾驶应该可以安全行驶数百万公里。
计算机自动识别学生写的这样一张纸笔试卷，已经超出了专家的水平。
语音评价、机器翻译、自动聊天已达到18轮。
您无法判断是一个人在与您聊天还是一台 Microsoft 机器在与您聊天。
我们的知识竞赛也超过了人类冠军，我们可以自动作诗、自动写新闻、智能医疗。
刚才吴军博士也介绍了。
应该说，这一次人工智能真的开始流行了，而人工智能流行后的另一个明显特征和标志就是政府、巨头、创业者、资本都大量涌入。
美国和中国都将人工智能定义为国家战略，谷歌、Facebook、苹果、科大讯飞、百度等都已进入人工智能前沿。
尤其是近几年，阿里巴巴、华为、腾讯、乐视、联想，还有前天看到一条消息，小米也正式宣布进军人工智能领域。
现在已有数百家人工智能初创公司，也有大量资本涌入。
还有一件事。
我们普遍认为，人工智能竞争是人类智能最后需要攻克的技术。
它与国际社会的PK和对抗主要是中美之间的较量。
从刚才两位老师的数据中也明显看出，大数据和人工智能的主要贡献者或者参与者也是中国和美国的企业。
这主要是因为人工智能技术依赖于大数据、移动互联网、云计算以及庞大的用户基础。
在这方面，中美两国处于领先地位。
从技术角度来说，我想跟大家分享的是这次人工智能技术火爆的真正原因。
归结为三点：一是深度学习，一是大数据，三是云计算。
首先，深度学习，或者说深度神经网络诞生了。
这是2008年提出的深度学习方法，实现了历史性突破。
它最基本的原理其实也比较简单。
在像左边这样的复杂网络中，输入相关数据后，通过网络生成最终的输出。
如果这个输出与最初标记的答案不同，它会使用BP误差反馈算法来修正相关网络中的参数，使其最终在整个训练级别上具有最高的预测和建模精度。
该方法其实很简单，但它最大的作用在于它拥有非常大的网络量、大量的自由数以及非常强的建模能力，使得它能够有效捕获图像识别中从像素到边界到组件的所有内容。
，对人脸的一系列特征，可以进行有效的人脸识别。
如果我们直观地理解，这种深度学习最关键的特点就是它是一个更强大、更通用、能够更高效地训练数据的建模机。
下面给大家举一个具体的例子来了解深度学习的关键突破点——模式识别。
左边假设是一张人脸图像来判断是男还是女。
按照经典的人脸识别套路，可以提取其特征、头发和胡须，并使用各种语言和一系列机器学习模型训练相关模型。
最后建立初步模型并进行触摸识别。
但是使用深度学习之后，一个非常关键的特点就是特征提取环节没有了。
对于机器来说，现在仅仅，或者说整个模式识别内容已经简化为最简单的准备数据和训练模型两个步骤。
如果你注意到AlphaGo的算法原理，它的运作方式是类似的。
对于图像识别来说，不需要提取任何特征，直接输入像素值。
对于AlphaGo来说，它也采用了深度学习，将19×19网格上的围棋黑白棋信息直接输入到神经网络中，以确定当前棋局中黑棋获胜的概率。
它不再使用手动方法来告诉 AlphaGo 看什么。
这种东西，它输入的是最原始的信息。
如果你把深度学习看作一个黑匣子，你就能理解人工智能的这场革命。
只要将足够多的有监督的海量快速数据直接输入到黑匣子中，就可以获得与人类相媲美的人工智能技术。
简单来说，用10000小时的训练样本，然后训练一个自由度或参数数量为10的7次方的神经网络，就可以达到与人类媲美的语音识别效果。
当然，这不是一个黑匣子，它使用了主要包括GPU的计算服务器。
所以抽象一点看，和人类媲美的人工智能其实是大数据喂养的，或者说是大数据、大成本、大量计算。
确实，我们现在已经进入了深度学习的时代。
由于深度学习的多功能性，不再需要针对任何特定任务做大量的特征提取，或者相应的分析和研究工作。
因此，至少从科大讯飞的角度来看，自2008年以来，深度学习已经广泛应用于语音和语言的各个方面。
我们现在使用的方法几乎都是以深度学习作为语音合成和评估的主要框架，包括语言模型、机器翻译和人脸识别，全部都在深度学习框架中。
而且更重要的是，如果你是投资或者做创业者相关的事情，你一定要记住另一点。
深度学习也在不断发展，2017年主流的DN技术路线已经得到广泛应用。
但在2000年，一种有效模拟人类神经注意力的模型被提出。
现在，全球超过50%的相关会议论文都与深度学习相关。
也就是说，全世界所有的知识学者都在研究和改进深度学习。
深度学习本身会不断改进，因为持续改进每年会消耗科大讯飞研究院30%的代码。
你可以爱上你的工作，但你一定不能爱上你工作的结果，因为技术变化非常非常快。
刚才讲的更多的是语音和图像识别的概念。
深度学习在这一年左右开始，基于最经典的语言翻译取得了较好的效果。
它还使用了最新的注意力技术。
它采用的方法是基于海量的中英文句子集合，机器可以有效地实现机器翻译。
而且大家喜闻乐见的自动作诗的聊天机器人都是用这个套路实现的，机器无法真正理解语义。
人工智能不断向前发展，被广泛认为是可以替代图灵测试的测试，测试机器智能是否可以像人类一样思考。
这个测试是一个常识推理任务，测试机器是否具备这种智能。
例如，父亲无法举起他的儿子，因为他很重。
谁重？大家很容易理解，是儿子重。
如果父亲因为儿子虚弱而无法举起他的儿子，那么大家都知道父亲是虚弱的。
科大讯飞提出了基于神经网络主要方法的深度学习认知智能路线，并获得年度评测第一名。
这里我想告诉大家的是，我们第一名的结果在5个选择中只有58%正确，所以相对来说，与人类智力相比还是有相应的差距，接近10%。
第三，我刚才讲了神经网络和大数据。
过去五年推动人工智能快速发展的第三件事是云计算。
因为在云计算的支持下，人工智能首先扩大了整个模型的规模。
我刚才说了，10的7次方参数的模型可以有效应用，并且得到了大量的真实数据。
我们前面提到的人工智能的按位学习大数据得到了有效的支持。
和云计算模型一样，每天更新一个版本，加快了技术迭代的速度，所以云计算是人工智能进步的技术驱动力。
融合了人工智能专业科技公司必须具备的上述三大要素。
顶尖的人工智能算法和团队，为什么需要团队？因为算法在不断发展。
同时必须在大数据积累、以及云计算能力和服务方面具有独特的优势。
这三者加在一起，就可以实现科大讯飞等公司所做的事情，每年相对降低30%-50%的错误率。
这里有一个技术概念，错误率相对降低。
错误率的相对降低是评估人工智能系统向前改进难度的概念。
简单来说，将语音识别错误率从20%降低到10%的难度相当于从2%降低到1%的难度，因为它们的相对降低幅度都是50%。
我们之前说过，摩尔定律已经持续了几十年，人工智能也与摩尔定律类似。
30%是错误率相对下降的基线，每年错误率相对下降至少持续五年。
而且我们也相信，通过算法的演进、数据的积累以及云服务模式，人工智能的这个相关的摩尔定律还会继续向前推进至少3-5年。
我们要从两个方面来看错误率相对下降30%到50%。
首先，如果你从事的相关人工智能算法的年平均错误率下降没有达到这个值，那就证明你在整个人工智能算法中。
在竞争中相对落后。
现在我们为人工智能而战，不再是为我们现在达到的水平而战，而是为人工智能的速度进一步加快而战。
第二，当你看到某种技术还没有完全可用时，比如现在视频监控中的人脸识别，但是如果我们做好前三件事，它可以保持每年30个的相对错误率。
%下降程度。
简单来说，如果今年的错误率是20%，那么明年就是14%，之后可能会达到10%的水平。
因此，无论是创业还是投资，都可以有这样的摩尔定律来预测相关技术什么时候会达到用户接受的门槛。
这是非常关键的一点。
当然，如果你没有顶尖的人工智能算法和团队，或者没有云计算和云服务的能力，你可以在这里打硬广告。
但如果你对自己的行业或相关朋友有独特优势的大数据，可以直接找有大数据的科大讯飞人工智能专家。
正如吴军先生所说，可以利用新技术改造原有的相关算法或相关系统，用人工智能武装传统行业。
前面我们讲的是这波人工智能浪潮真正的原因，三大推动力。
以下是创业者和投资者希望听到的，关于科大讯飞17年来在智能语音和人工智能征程中总结的一些经验，或者说教训。
确实，人工智能真正开始流行是最近五三年的事，特别的一年是最热的一年。
但对于科大讯飞来说，我们从1999年在科大就读大学生创业起就一直在追求人工智能的梦想，因为技术的进步，我们打开了整个相关的市场空间，进入了更好的发展机遇。
这里我要讲的第一个挑战是，大家都知道人工智能是一种所谓的技术，但是人工智能和传统技术在实现方式和定位上有很大的不同。
你可能不太明白为什么我把机器翻译和WIFI放在一起来理解。
就像这样。
当一种WIFI技术在全球推出时，大家都会欣然接受。
我不会说我不需要你的WIFI。
我可以通过自己的能力实现手机和终端设备连接互联网的能力，因为所有WIFI都是人类本身不具备的技术范畴。
机器翻译则不同。
只要你是大学生，你都可以找到现在机器翻译系统中出现的系统。
所以当你介绍机器翻译技术或者语音识别技术的时候，别人总会质疑你。
你的技术和人的能力其实是有差距的。
我不必使用它，我自己就可以。
简单来说，相比人工智能，人类智能处处受到打击。
是的，机器可以制造一些搬运机器人，但搬运工没有它也可以做到。
自动驾驶与驾驶员的PK，速记员的语音转录，Watson系统与医生的语音转录。
虽然现在智慧医疗推广得很好，但传统领域的医生接受这个新事物还需要一个漫长的过程。
当科大讯飞独家研发的自动评分技术呈现在教师面前时，他们总会用批判或质疑的目光来看待。
应该说，从各个方面来说，人类智能都是人工智能的主人和竞争对手。
所以，我们做人工智能生意的时候，一定要想清楚，你是要做一个WIFI相对于传统的创新，还是做一些别人做不到的事情。
与其他技术相比，人工智能的实施将面临更多的挑战和困难。
不过，人工智能作为人类的徒弟，其实也有很多优势。
如果我们充分挖掘或者利用这些优势，就能有效实现人工智能产业的落地，或者创业的成功。
我在这里总结了五点，可能不全面，但也许可以给大家参考。
首先，人工智能技术可以作为人机或其他系统的人机界面。
因为一个人自己的能力只能是他自己的，人机智能可以拓宽交互系统。
当手写识别用于短信、作为人与人之间信息交流的人机界面时，已经实现了有效的大规模应用。
我们现在的扫描识别也是一个检索和分析的应用。
之所以现在汽车支付识别较多，是因为停车场收费管理中汽车支付识别应用有广泛的需求。
人脸识别常用于身份认证和移动支付。
这样的真实人机界面只有用户有明确的需求，才能得到广泛的应用。
其次，随着当前物联网或者传感器技术的进步，利用传感器和大数据实现超越人类的智能，也是人工智能的有效发展模式。
这里最典型的例子就是天气预报。
过去，人们还会谈论夜间观测天空，但现在已经没人能做到了。
如果你想出门，直接打开当地天气预报，就可以有效了解明天的相关天气情况。
包括自动驾驶等，为了方便，可以使用比人类更多的传感器来获取信息输入，可以有效创造人工智能，超越人类智能，获得更多的应用推广机会。
第三，相对客观性，或者说稳定的继承性。
包括语音评估、作文评分等一系列技术。
它的核心点之一是，由于人类在对同一张试卷进行评分时是主观的，因此机器在这方面会更加善于观察和冷静。
这时机器相对于大量的人工评分更有优势，这也是相关人工智能技术被教师和学校广泛接受的主要原因。
第四，面对艰巨的任务，孜孜不倦。
科大讯飞从语音合成开始。
语音合成是一个典型的概念，不知疲倦地合成任何文本并合成大量文本。
这也成为了它真正得以实现的原因。
五是人力学习成本高、使用频率低的行业。
比如多语言翻译，是的，人类可以非常擅长多语言翻译，但是因为学习成本太高，使用频率太低，所以这个时候相关的人工智能就会有很好的应用。
最后我稍微讲一下人工智能的方向和节奏。
这也是非常关键的一点。
首先，很多报道都听说机器可以自动创作诗歌和音乐。
如果我们把这种技术创新或者创业与机器自动分级技术进行比较，其实我们可以直观地思考。
机器自动分级显然具有更大、更广泛的实施机会。
当你开展人工智能相关业务时，必须优先考虑现实生活工作中存在的大量重复性脑力劳动，从而更有效地实现广泛实施和大规模产业化。
此外，我们还需要掌握相关人工智能技术的进一步步骤的设计。
不同的应用场景需要不同级别的同一语音识别技术。
简单来说，手机云输入现在已经达到了97%，非常好用。
对应会议发言转录，由于会议过程中出现争吵等相关问题，会议发言转录的准确性还没有完全达到应用门槛。
当然，这种发布会或者这种会议演示能够有效达到语音识别率，跨越应用门槛，实现落地机会。
所以当你选择人工智能方向的时候，无论是人脸识别还是其他方向，你一定要思考第一个应用场景，集中精力攻克那个场景。
最后一点是，人工智能和人类智能并不是严格意义上的PK和对抗。
人与机器可以合作的场合和场景有很多。
通常来说，就是辅助驾驶和自动驾驶。
事实上，现在自动驾驶还没有真正商业化，辅助驾驶已经在很多场合得到了广泛的应用。
人工智能落地时，可以优先实施人机融合，这样可以让相关技术更早达到适用门槛。
如果你仔细听了前面的介绍，你应该能够得出结论。
做人工智能技术的核心技术研发，实际上需要大量的时间、精力和金钱。
换个角度来说，这就是吴军先生刚才说的，当人工智能技术进步了，有很多飞跃的时候，我们是否可以利用现有人工智能的技术进步来与传统行业以及相关行业进行竞争？产品的有效组合和创新。
从创业创新的角度来说，机会其实会更大，尤其是相对于小规模的公司。
因此，如果你想选择一家公司做人工智能核心技术的研发，你一定要记住，你必须有相关的坚持，类似于鑫输入法。
我们在科大讯飞输入法上工作了六年，每次我们都告诉自己，每年的识别率和错误率下降了30%。
每次我们都坚持在相关方向进行大量的技术投入，最终才导致了现在的这个点，包括大家在老罗发布会上认可了科大讯飞输入法，或者科大讯飞后台语音识别的工艺。
另一方面，科大讯飞也没有那么自私。
我们在相关核心技术和人工智能技术方面也取得了进步和进步，通过云服务和语音云的特定载体，为众多创新创业团队提供了更好的人工智能支持。
。
整个科大讯飞云自2016年首次发布以来，经过六年的发展，已经聚集了7亿用户、11万开发者、日访问量30亿次的云计算服务规模。
我们已经有效地对外开放了所有相关的人工智能技术。
基于科大讯飞，每个人都可以在人工智能这个大产业和领域实现自己的创新创业。
最后我想强调一下人工智能的无限魅力。
我刚才说了，人工智能是人类的智能，我们自己的智能是最后需要解决的。
另一方面，即使人工智能技术没有突破，人工智能的无成本复制能力和持续进化能力也是人类本身无法比拟的。
我们都知道，随着一代宗师的逝去，新人需要重新拾起智慧，重新学习。
即使你是英语大师的儿子，你仍然要一一背单词。
这是人类智能进步的最大障碍。
人工智能则不同。
人工智能是一种技术，也是一种机器智能。
一旦某台机器的语音识别准确率达到97%，那么原则上全世界所有的机器都可以有这样的准确率。
无论哪家公司继续研发下一代语音识别技术，都必须达到97%以上的指标。
无成本复制和持续向前进化是人工智能相对于人类智能的巨大优势。
这也是“人工智能威胁论”的主要来源，因为人工智能的进化速度比人类至少快一万倍。
我们也会越来越习惯未来的人工智能出现在现实生活中。
我儿子今年8岁了那一年，在他眼里，火车就等于高铁，或者对他来说，所有的苹果都是触摸屏，我们不再在晚上看天空，直接使用这样有效的人工智能技术。
就像天气预报一样，以前我们经常记住相关的地址和路线，但现在我们甚至走路也用地图来导航，尤其是当我们原来只习惯拼音输入法，然后我们就习惯了。
到手写输入法，现在我们越来越习惯语音输入，我们坚信在不久的将来，汽车、家电、家庭都将能够通过语音进行自然的交互。
至于你说的法语，我在这里可能通过语音翻译技术听到的是中文。
每个人肯定都会有一个虚拟助手，也许是一个在街道或办公室里跑来跑去的机器人。
我们将越来越习惯人工智能及其相关方面的进步越来越快。
因此，人工智能的顶线和底线。
正气是科大讯飞自成立以来在人工智能的追求中一直坚持的。
我们需要拥有顶尖的核心技术，我们需要能够将人工智能产品走进亿万家庭。
这也是我们的方法论。
只有人工智能真正付诸实践，才能真正将人工智能技术推向世界之巅。
相应地，人们也认为，只有人工智能技术达到世界领先水平，才能有效推动相关技术达到数亿应用规模。
所以对于我个人来说，或者说科大讯飞也希望和在座的大家一起，带着远大的梦想去实现人工智能梦想，知其然，知其所以然，脚踏实地，乐观积极，实现人工智能的地位。
让我们用人工智能共同建设一个更美好的世界，谢谢。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-18
06-06
06-17
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态