語用計算概念 AI離理解人類不遠了？

　　云知聲推出語用計算概念，AI離理解人類不遠了？云知聲在技術引擎升級分享會上宣布，7月上旬正式完成技術引擎3.0的版本升級，并提出“語用計算”新概念。那么，云知聲的技術升級主要體現在哪些方面？“語用計算”到底是什么？機器可以做到像人一樣理解語境嗎？在熱鬧喧囂的AI市場，它又能否為云知聲帶來新的機會？

　　容易露餡的語音助手逐漸讓大家提不起興趣，開發(fā)者們要做到是讓它們真正的聰明。

　　人工智能的發(fā)展速度比我們想象的要更快，當你認為它們只會生硬的一問一答時，機器人已經在試圖理解你的語境了，這也是人工智能未來發(fā)展的方向，甚至做到像人與“人”一樣交流。

　　這個“語用計算”的概念，其實可以理解成我們熟知的語境、聯系上下文等概念，對機器來說，從“我沒有帶手表”推斷出“我不知道時間”，并不容易，往往要依賴于上下文的語境。為了實現這一點，云知聲從AI基礎架構層面開始做改進，最終希望在語音識別方面做到個性化、一致性、情感化，比如性別、年齡等人設一致。

　　與此同時，云知聲宣布升級技術引擎至3.0版本，在感知智能方面，語音識別字錯誤率降低20%，識別速度提升40%，在認知智能方面，將會在語義理解的基礎上，加入語言的現場環(huán)境和背景信息的理解，創(chuàng)立于2012年的云知聲，是智能語音服務里的重要玩家，官方此前公布的數據顯示，云知聲已經覆蓋了476個城市，9000萬臺接入設備，年調用量增長率達到了375.3%，經過四年的成長，完成了技術和數據的初步積累。

　　人工智能進入深度學習的大數據時代

　　數據作為人工智能研究的前提，引起了大家廣泛的重視，此前云知聲CEO黃偉在接受網易科技采訪時也表示：有足夠多的數據，就意味著系統(tǒng)有升級的可能性，創(chuàng)業(yè)以來，我們基本上打通了之前所設想的數據驅動技術迭代的過程。

　　云知聲AI技術專家劉升平博士稱：這次技術引擎的升級的根本原因是AI基礎架構有了較大的突破，AI基礎架構是指深度學習為代表的機器學習、高性能計算、大數據。

　　他進一步表示：機器計算能力我們是可以買到的，但唯獨數據是買不到也學不到的。深度學習的算法在2000年左右，甚至更早就提出了，但因為計算量非常大，當時并沒有得到成功應用。這幾年，由于硬件計算能力的飛速發(fā)展，GPU比CPU快10倍，一些特定任務上還會快更多。同時，Web2.0以及移動互聯網應用有產生了海量的數據，大數據管理技術也得到了很大發(fā)展，這樣，深度學習算法，高性能計算，大數據，這三駕馬車才能讓人工智能技術在近幾年取得了長遠的進步。

　　將“智能語音”裝入汽車 到底是前裝好還是后裝好？

　　前裝一般定義為在已經面世的汽車產品當中，智能語音設備內嵌在車身里面，它屬于整個汽車車型規(guī)劃設計的一部分，在面世三年之前就已經測試運行，后裝則是消費者自己去4S店或者銷售門店購買智能語音設備自行安裝的情況。

　　目前來看，大多數人工智能公司都選擇后裝市場進行切入，至于原因，黃偉給出了解釋：最大的區(qū)別在于成本，一個是時間成本，一個是資金成本，前裝周期很長，你跟這個車廠去接觸，到測試，到選配，哪怕已經確定用你的方案，他還有一大堆其他東西要經過很漫長嚴格的測試，等這輛車真的面世已經是三年以后，這就是哪怕你花一百多萬買輛車，它的電子設備也很落后的原因，都是三年前的技術方案了。

　　黃偉指出：后裝的時間周期也是比較合適的，選擇做后裝市場產品面世速度快，大家可以很快體驗到我們的產品，與此同時，可以在短期內帶來較大的用戶量，一個車型能賣5萬臺就不錯了，如果是后裝，語音設備每周都能達到幾萬臺，所以，無論對于公司的發(fā)展，還是對數據的積累，后裝目前來看是最好選擇。

　　中國人工智能發(fā)展的路上還有哪些困難？

　　近年來，我國的人工智能事業(yè)如火如荼，普通消費者也對人工智能相關產品表現出了極大的熱情，但是目前，我國產學研之間還沒有形成有效的共贏機制，這可能還需要一點時間。

　　云知聲AI技術專家劉升平博士對此認為：數據的不開放性極大的阻礙了中國認知智能的發(fā)展，另外，中國學者只做英文的認知智能研究，不做中文的，原因在于你即使做出了結果，外國人也不承認，所以索性只做英文研究，這就導致了中文沒有人做，或者是做出來之后，也得不到承認，像我們的智能口語理解等等都有發(fā)展的空間，這對于我國來說是非常大的障礙。

　　對此，山世光教授也表示，開放數據，開源，是我們國內不管是學術界還是工業(yè)界還是做的不夠好的地方，在國外的開源社區(qū)有非常多的人愿意做貢獻，他不僅僅是拿過來用，他用完了之后也會把自己東西往開源的平臺上放，這樣越來越多人掌握了基礎的東西，就可以使得整個行業(yè)，整個生態(tài)能發(fā)展的更快，這是非常值得我們國內不管是學術界還是工業(yè)界學習的。至于說學術界跟工業(yè)界之間，我認為國內還是存在一些障礙，從我跟別人合作的經驗來看，不同的公司對這件事情的態(tài)度差異較大，有些公司就非常開放，愿意把數據給你，但也些公司，你即使跟他合作他也不給你數據。

　　更多資訊，可以訪問2898站長資源平臺資訊-科技評論欄目：http://www.afrimangol.com/news/kjpl/ 謝謝！