微软黄学东:微软在很多AI领域领先Google
jopen 8年前
<p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/1c746f7689e694504c8c73d3aac2a3b1.jpg" /></p> <p>3 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。</p> <p>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。</p> <p>雷锋网根据演讲录音和 PPT 整理成文。</p> <p>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。</p> <p><strong>微软的 AI 业务简介</strong></p> <p>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。</p> <p>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。</p> <ul> <li> <p>代理:Cortana(中文名:微软小娜)、微软小冰、Toronto Project(客服助手)</p> </li> <li> <p>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)</p> </li> <li> <p>服务 :聊天机器人框架(BotFramework)、认知服务(Cognitive Services)、Cortana 智能、认知工具包(Cognitive Toolkit)</p> </li> <li> <p>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)</p> </li> </ul> <p><strong>计算机语言技术的发展史</strong></p> <p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/2fcb118b4400ae6883b1a1916a5e5da6.jpg" /></p> <ul> <li> <p>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。</p> </li> <li> <p>1966 年,John Pierce 发布了一份关于“语言技术”非常关键的报告。</p> </li> <li> <p>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。</p> </li> <li> <p>1985 年,“共同任务(common task)”方法的出现,研究人员开始共享数据。</p> </li> <li> <p>2007 年,基于统计学谷歌的翻译上线。</p> </li> <li> <p>2011 年,Siri 登陆 iPhone。</p> </li> <li> <p>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。</p> </li> </ul> <p>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。</p> <p><strong>微软在语音识别领域的成就</strong></p> <p>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。</p> <p>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。</p> <p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/eec151d97e7d3edef34c88ab39d6b878.jpg" /></p> <p>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(公众号: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。</p> <p>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。</p> <p><strong>微软客服助手 Toronto</strong></p> <p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/0c661fec4c62e3c1a811313b10004805.jpg" /></p> <p>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。</p> <p>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。</p> <p>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。</p> <p>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)。</p> <p><strong>微软在深度学习方面的进展</strong></p> <p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/60428ed338fc30c24b654a6c6cefbd9a.jpg" /><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/32e1c0953fbae94622c901842d23a100.jpg" /></p> <p>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。</p> <p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/be8ca59fa7d0bf7953e54e8c9f44b261.jpg" /></p> <p>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。</p> <p><strong>微软认知工具包的优势</strong></p> <p style="text-align:center"><img alt="微软黄学东:微软在很多AI领域领先Google" src="https://simg.open-open.com/show/3ec0c00dbd874ee0387348a00a8d204a.jpg" /></p> <p>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:</p> <ul> <li> <p>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。</p> </li> <li> <p>商业级的质量:使用了复杂的算法以及大量的数据集。</p> </li> <li> <p>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。</p> </li> </ul> <p>来自: <a href="/misc/goto?guid=4959004764042577193" id="link_source2">雷锋网</a></p>