創(chuàng)投分享會注：百度深度學習今日出現(xiàn)了里程碑性的突破，有關該項技術的信息目前披露較少，創(chuàng)投分享會兩位作者羅超與嗅科技提供了可供了解的線索，本文對兩位作者的投稿進行了摘編整合。
去年，在離蘋果總部不遠的加州庫比蒂諾，百度悄然發(fā)布了專注于深度學習研究的前沿實驗室。深度學習尋求通過模擬人腦運行機制來大規(guī)模提升計算任務處理，是人工智能的一個分支領域。從那之后的數(shù)月，深度學習通過很多方式得到廣泛拓展。
百度首席科學家吳恩達今日（12月19日）表示，百度在深度學習領域的發(fā)展已經(jīng)超過了谷歌與蘋果，如果這項技術真具有劃時代的革命意義，那么百度就此開啟并且引領了語音2.0時代，也即是人工智能時代的一個重要分支，改變搜索，更改變交互。
百度大腦與數(shù)據(jù)鏈相結合
√ 首先自然是依靠百度自身的搜索引擎所帶來的海量數(shù)據(jù)請求。這些數(shù)據(jù)請求代表了百度用戶在宏觀層面上的真實信息，通過將特定信息分類并整理，百度大腦將獲得一條較為宏觀的穩(wěn)定數(shù)據(jù)鏈。比如曾經(jīng)在電視上出現(xiàn)的“春運地圖”就是這種數(shù)據(jù)鏈的代表。當然，單純依靠互聯(lián)網(wǎng)搜索所帶來的數(shù)據(jù)鏈是不足以支撐百度大腦的數(shù)據(jù)需求的。來自搜索的數(shù)據(jù)鏈雖然內容豐富，但是精準不足。
√ 對于需要更貼近“人性”的百度大腦深度學習計劃而言，個體的數(shù)據(jù)鏈來源對于百度大腦將會更有意義。因此，對于來自地圖的用戶數(shù)據(jù)對于百度大腦來說，也是一條相當穩(wěn)定的重要的數(shù)據(jù)鏈。比如它可以通過對個體的分析，學習到在堵車情況下，人是如何在現(xiàn)實中選擇路徑的。
√ 第三條數(shù)據(jù)鏈將會來自移動端。作為人類個體的物理標記物，來自移動端的數(shù)據(jù)鏈將會成為百度大腦最好的行為模式分析樣本。通過大數(shù)據(jù)歸類，人們在手機上的各種行為都可成為百度大腦的參考對象，接下來百度大腦也許可以學習到，為什么在我電話聯(lián)系不到一個人的時候，什么情況下我會發(fā)短信，什么時候我會發(fā)微信，什么時候我用手機QQ。這條來自于移動端的數(shù)據(jù)鏈規(guī)模大小將完全取決于百度在移動端的影響力。
√ 還有一條數(shù)據(jù)鏈將來自于百度智能家居。通過電視盒子，空氣盒子或是其他一些家電產(chǎn)品獲得的用戶動作數(shù)據(jù)將會為百度大腦提供“個人人類在小規(guī)模社交環(huán)境中的行為思維模式”參照以及“小規(guī)模群體行為思維模式”參照。借助于此學會諸如“三口之家在看電視問題上誰做主，為什么？”一類的高端思維方式。這條數(shù)據(jù)鏈的規(guī)模將會取決于百度在智能家居方面的發(fā)展速度和深入能力。如果聯(lián)系到百度不久之前所發(fā)布的“baidu inside”計劃，其提前為數(shù)據(jù)鏈打造渠道的目的就非常明顯了。
“我們想要的機器是可以利用所有數(shù)據(jù)的，這就需要更好的無監(jiān)督學習“，專注于無監(jiān)督學習研究的蒙特利爾大學的Yoshua Bengio這樣表示。世界上大多數(shù)的數(shù)據(jù)是無法標記的，而且標記他們會非常昂貴。百度找到吳恩達，正式要找出更好的方法來讓機器自己學習可以提高人工智能的經(jīng)濟效益，并且為消費者帶來更好的應用程序。
語音識別2.0技術：大幅提升抗噪能力
Siri掀起的語音交互風暴一直還在蔓延。微軟Cortana、Google Now、百度語音助手，大量的獨立語音助手面世。不少智能設備包括智能手機、智能電視、智能家居、車聯(lián)網(wǎng)，語音交互也已成為標配。Google、微軟、百度等巨頭已經(jīng)將語音識別能力通過API開放出來，大家都在想辦法用語音來取代鍵鼠或者觸摸屏這兩種最常見的交互方式，尤其是在移動、家居、汽車等特別場景之下。
不過，語音技術包括諸多方面，最核心的幾大技術就包括語音識別、語音合成和語義理解。最基礎的自然是語音識別，要讓機器能“聽”之后它才會想、才會說。而語音識別當前存在的幾大難題就包括：識別率不高、難以應對噪聲環(huán)境、無法支持遠場識別以及對方言的支持不夠強大等等。尤其是抗噪能力更是阻礙了語音交互在車內、移動和商場等典型場景的普及。
百度最新的技術稱之為深度語音識別，是深度學習這項通用基礎技術在語音上的應用。深度語音識別技術大幅提高了準確率，尤其是抗噪能力，百度通過從9600人那里收集了將近7000小時的語料數(shù)據(jù)，然后在樣本中加入了十五種背景噪音比如，餐廳，汽車和地鐵，從而將樣本擴張到了10000小時的數(shù)據(jù)，然后百度團隊讓系統(tǒng)在噪音中去識別這些語音信息。
與傳統(tǒng)語音識別使用統(tǒng)計概率+人工干預不同的是，百度深度語音識別技術采用無監(jiān)督式機器自動學習，背后則是GPU深度學習基礎設施在支撐，不僅更準確，識別所需的運算更加快速和經(jīng)濟。最終在識別范圍內允許的單詞錯誤率提高10％，優(yōu)于Google Speech API，Wit.ai, 微軟的Bing Speech和Apple的聽寫服務。
改變搜索更改變交互
移動搜索的特性之一就是無處不在的多元化的輸入方式，圖像、位置、語音是典型的新型搜索。百度深度語音識別技術被整合到百度各大產(chǎn)品之中，提高語音識別率之后，可以增強用戶使用意愿進而提升用戶粘性，并且反過來貢獻語料提升語音識別能力，就像輸入法、圖像識別等采取類似識別技術的應用形成的“正循環(huán)”一樣。
另一方面，百度可以基于新的語音識別技術開發(fā)更多新型應用，尤其是在噪聲環(huán)境中的語音應用。比如汽車內語音因為有車輪、馬達、氣流、環(huán)境音，一直是一個難點，未來百度CarNet便可采取新的語音技術；再比如百度EYE，試圖改變商場導購方式的可穿戴設備，有了新的語音識別技術交互便可以很好地解決；還有大家都在使用的百度地圖導航，未來很可能會完全基于語音進行，就像對真人問路一樣簡單。
除了改變百度本身業(yè)務之外，深度語音識別還可以改變當前的語音交互叫好不叫座的現(xiàn)狀。一個例子是語音控制智能電視，因為電視本身節(jié)目聲音這種“噪聲”人們試用語音需要先終止正在播放的節(jié)目才可。有了抗噪能力之后，就可以直接對正在播放節(jié)目的電視喊：換臺，給我播放《中國好聲音》第二季第一集?？偠灾?，未來的語音交互有更多的可能性，抗噪能力的解決無異于消滅了困住語音的腳鐐。
百度對深度學習的野心
深度學習是百度2014年開始圍繞百度大腦重點投入的人工智能技術，讓機器模擬人的大腦皮質神經(jīng)元思考。百度為了發(fā)展深度學習技術，不只是成立了專門的研究機構，還大力招募全球頂尖技術人才?，F(xiàn)在深度學習已經(jīng)被應用到問答、搜索、翻譯和圖像等諸多應用，現(xiàn)在終于輪到了語音。
深度語音識別技術這類里程碑事件越來越多，表明了百度的技術投入是非常有價值有效果的，這對百度的業(yè)務有巨大的促進作用，同時也讓百度在未來的新興技術競爭中占據(jù)一席之地，不改技術驅動型公司的本色?！鞍俣扔凶约旱囊靶摹?，李彥宏在前不久百度與Uber戰(zhàn)略合作儀式上說過這樣一句話，深度語音識別技術超越Google等海外巨頭讓這個野心不再只是愿景。
微博@互聯(lián)網(wǎng)阿超，微信：羅超（luochaotmt）
嗅科技
