第三屆世界互聯(lián)網(wǎng)大會于11月16日至18日在浙江烏鎮(zhèn)舉行，移動互聯(lián)網(wǎng)論壇上，搜狗CEO王小川與臉譜公司副總裁石峰、斯坦福大學客座教授杰瑞·卡普蘭等人同臺論道，并發(fā)表了主題為《人工智能的未來之路》的演講。王小川從現(xiàn)今人工智能技術(shù)的“能與不能”說起，和在座嘉賓一同暢想人工智能未來的終極理想，他表示：“搜索的未來是人工智能時代的皇冠，搜索和輸入法未來將向問答邁進”。
值得一提的是，此次分論壇現(xiàn)場王小川發(fā)布了搜狗人工智能新產(chǎn)品——機器同傳，展示了實時機器翻譯技術(shù)，將演講嘉賓的中文講話實時語音識別并同步翻譯為英文上屏顯示，引起轟動。這是全球首次基于神經(jīng)網(wǎng)絡(luò)的實時機器翻譯技術(shù)在大型活動上的展示，效果可靠、準確率已接近人類同傳翻譯結(jié)果?；谶@項技術(shù)，演講現(xiàn)場屏幕上除了語音識別實時顯示的中文內(nèi)容外，還有機器同步翻譯的英文內(nèi)容，實時生成了演講內(nèi)容的雙語滾動字幕。從現(xiàn)場演示效果來看，搜狗語音識別準確率已超過97%，機器翻譯準確率達90%，未來有望取代人類同傳。
同聲傳譯或成歷史！搜狗自研機器同傳亮相世界互聯(lián)網(wǎng)大會
以下為王小川演講全文：
前面的十二場演講中，嘉賓有講技術(shù)、有講產(chǎn)品，我希望給大家的分享一些不同的內(nèi)容，以及自己獨有的視角。今天大家都提到了AlphaGo，作為引爆人工智能的開端，深度學習在其中承擔了最重要的責任。
今天當大家開始暢想的時候，有可能認為人工智能未來真的會取代人。那么我希望今天的分享更多地能夠知道人工智能在今天能做什么？不能做什么？未來終極的理想又是什么？
AlphaGo之后，我們看到最重要的突破領(lǐng)域是在語音和圖像領(lǐng)域，在文字領(lǐng)域的進展很緩慢。今天我們在機器翻譯方面取得了一些突破，但是問答和對語義的理解是不夠的。回到圖靈測試，上個世紀五十年代圖靈提出了問答機器推想這樣一個概念，今天我們直觀感受是語音圖像進步很快，但是自然語言的處理其實是比較慢的。
拋開技術(shù)，以一個產(chǎn)品經(jīng)理的身份來看，人工智能有三個產(chǎn)品方向，一是識別——語音識別、圖像識別、視頻識別；二是圖像——我們?nèi)ドa(chǎn)圖像，生成識別；三是創(chuàng)造。大家提到了人工智能進步的層次，我想換一個方式描述——工程師在人工智能時代會處于越來越重要的位置。我們開始提到傳統(tǒng)的方法是把規(guī)則教給機器，隨著統(tǒng)計系統(tǒng)的發(fā)展，包括深度學習，我們開始更容易地將答案教給機器。在數(shù)據(jù)的積累下我們就可以讓機器變得更加聰明。這里面更前沿的方式是將目標教給機器，AlphaGo融合了幾套算法，但是我和他們工程師溝通的時候，這樣的把目標教給機器的強化學習，還并不成熟，也就是說如果沒有之前三千萬局人機對戰(zhàn)的棋譜的話，AlphaGo沒能夠做到只通過強化學習來戰(zhàn)勝人類，這是技術(shù)層面需要往下突破的重點。如果將目標教給機器，機器能夠做自我學習，這方面有新的突破，那我們離新的人工智能時代就更近了。
今年六月份，我去了英國倫敦，和DeepMind公司的工程師做了交流，我特別好奇的事情就是下棋的第四局機器輸?shù)袅?發(fā)生了什么事情？他們說不是程序有BUG，就是深度學習本身有瓶頸，圍棋比賽是三月份，我是在六月份去的倫敦，已經(jīng)過了三個月，三個月的時間，這個問題依然沒有解決。但是我離開以后一個星期，他們的程序能夠正確面對之前的第四局棋譜，我問他是否這個BUG修好了，工程師說沒有，只是代表第四局那個特定問題，正好機器可以解決。但是我們依然不知道再什么情況下，AlphaGo會繼續(xù)出錯。所以深度學習這樣一個體系其實還是有瓶頸所在的。
所以在今天我更多想談的是以深度學習為代表的今天的人工智能技術(shù)，還有哪些不靠譜的地方？在產(chǎn)品上不適用之處有哪些？
第一個問題，語音識別靠譜嗎？在百度、騰訊，都提到了語音識別的能力，今天我給大家的演示也用到了語音識別，這是搜狗自己的技術(shù)。在安靜的環(huán)境里面我們的識別準確度已經(jīng)到了95%，甚至97%，但是一旦有噪音，準確率迅速下降。當噪音還只是汽車的引擎噪音、風的噪音時，我們把噪音當成原始數(shù)據(jù)進入監(jiān)督學習系統(tǒng)里去，把這種噪音變成機器見過的問題之一。但是事實上我們見到更多的情況，如果同時兩個人說話會怎樣？在今天的學術(shù)界依然無解。
今年六月份，我問學術(shù)界的人，人和機器在語音識別上的區(qū)別，究竟怎么破解？我們用機器的時候，采用立體聲的方式做定向的識別，也就是說我們做一個麥克風矩陣，通過立體的方式知道其中一個人在說話，把另外一個人說話去掉，但人本身是這樣干的嗎？如果把一只耳朵堵上，我是否沒辦法分離出誰在說話？或者把兩個說話的聲音錄在一個單聲道里面，人可以識別嗎？人當然是可以的，所以人的方法和機器不一樣。人怎么識別？因為人的音色不一樣，還是因為兩個人的一個聲音大一個聲音小，還是因為他們不同的語音，博士說但凡同時兩個人說話的時候，只要能夠找到差別，人就能夠把其中的一個聲音識別出來，所以人在和機器處理過程當中有巨大的不同。語音識別最成熟的領(lǐng)域其實還是和人有很大的區(qū)別。
另外一件事情是語義靠譜嗎？對語言的理解，谷歌在之前是用知識圖譜的方法解決，現(xiàn)在遇到了瓶頸，也是今年六月，我在一個實驗室看到最先進的人機對話系統(tǒng)，這個系統(tǒng)可以幫你訂餐訂酒店，對話過程當中機器的表現(xiàn)非常驚艷，我們上去試，有一個環(huán)節(jié)，機器問你：“你是需要停車位還是不要停車位？”這個時候我們回答要或者不要都沒問題，如果回答“我沒車”，大家知道機器會怎么樣嗎？他們完全不理解我沒車代表著我不需要停車位，因為今天的機器，在自然語言概念的理解方面，還是遠遠不夠的。所以自然語言處理是可以做的，但是語義理解到現(xiàn)在還是一個不靠譜的階段。谷歌也在今年發(fā)布了一套對于自然語言能夠做句子分析的引擎，把主語、謂語、賓語提出來，但是準確度只有90%，提不上去了，因為這個時候光靠統(tǒng)計靠語法已經(jīng)不能支撐，往下是需要對句子當中的具體概念有理解才能消除歧義。我們知道不能把馬路放在冰箱上面，這對于人來講非常好理解，但是對計算機的挑戰(zhàn)非常大，這是深度學習人工智能還不夠的地方。
#p#分頁標題#e#很敏感的問題，無人駕駛靠譜嗎？今天百度在大會上也提出了發(fā)布無人駕駛汽車，但是從我的了解，如果以今天人類的技術(shù)，我們確實再見過的場景和封閉場景中都可以使用。但是對于真正開放的環(huán)境，不只跑在高速上的汽車，以現(xiàn)在人類的技術(shù)是不安全的，因為這個場景只要沒見過，可能會犯嚴重的錯誤，就像AlphaGo下棋一樣會突然發(fā)瘋，所以作為輔助駕駛是可以的，無人駕駛在真正的技術(shù)突破以前還做不到。今天的深度學習缺乏推理，缺乏對符號的理解，如果沒有符號，對自然語言的理解就會成為瓶頸。
即便是這樣，我們也提到了（人工智能）能夠取代一些行業(yè)，比如說棋手、醫(yī)生、司機，機器在里面都可以做很好的輔助，但是對于大家沒見過的創(chuàng)造性的事情，比如規(guī)劃、科研，其實對于機器來說還很難，今天在媒體上機器自動寫文章、自動畫圖，在科研層面展示出了一些魔力，但是還沒有到可以取代人的階段，所以在這里面我先把大家對人工智能預(yù)期降低下來。
有人在問，（人工智能）是否會出現(xiàn)第三次退潮，前兩次我們都認為人工智能到來了，但是這次可能會比之前好，之前的人工智能兩次退潮前，我們問一個老師，說你是研究人工智能的嗎？這是罵他的話。因為（大家認為）人工智能不靠譜，這次是（人工智能）第一次真正進入到了使用，切實在語言處理、聲音處理、圖象處理，和在一些高維數(shù)據(jù)空間上能夠比人做的更好。所以這次的區(qū)別就是大量資金、資本投入到了人工智能。也有大量的研究人員在畢業(yè)以后從事人工智能工作，這是和之前不一樣的。所以一方面我們開始使用這項技術(shù)，另外一方面我們開始期待不斷產(chǎn)生新的突破。
我個人對這次人工智能的浪潮是樂觀的，但是我也很緊張，也許我們自己做的搜索引擎就是會被顛覆的一部分。
在這里面我們開始暢想未來的路在什么地方，從我自己的描述來看，搜索的未來就是人工智能時代的皇冠，為什么這么說，搜索的未來是什么，人工智能的未來又是什么，為什么是皇冠？
簡單來講，我認為搜索的未來就是問答機器人。因為我們習慣了一件事情：做搜索的時候我們先輸入關(guān)鍵詞，然后搜索給你十條結(jié)果，或者叫十條鏈接。但是這真是最好的方法嗎？肯定是不夠的。我們也會提到是否我們用個性化的方法能夠使得搜索的結(jié)果更準，但是其實個性化能夠提供的信息非常的有限。真正能夠使得這個系統(tǒng)變得有用的辦法是用問句。以前不用問句的原因是因為機器聽不懂你在說什么，真正到了問句以后，機器會從給你十條鏈接，變成給你一個答案，就會好很多。如果你去問機器四個字，“烏鎮(zhèn)大會”，機器不可能給你想要的內(nèi)容，最多把新聞，烏鎮(zhèn)的百科或者是官網(wǎng)介紹給你，只有你問烏鎮(zhèn)大會哪天開，這個時候機器才能理解你要什么，才有機會給你最好的答案，我相信隨著技術(shù)的突破，搜索引擎會自然而然演化成為問答引擎。
很多公司都在做這件事，蘋果、微軟、亞馬遜、谷歌。這里面起步最早做對話系統(tǒng)的是蘋果的Siri。但是這個系統(tǒng)并不成功，在中國用的人很少。為什么？因為現(xiàn)在技術(shù)沒有到來，對于自然語言的處理能力、自然語言的理解能力非常有限。那么為什么蘋果這樣一個追求極致的公司，會把這個系統(tǒng)發(fā)布出來呢？一種可能性是蘋果對技術(shù)了解不夠；另一種可能性是我認為這是喬布斯的一個遺愿。我們知道發(fā)布iPhone手機的時候，喬布斯病重，只能躺在病床上看發(fā)布會，發(fā)布會完成之后，他很快就離開人世了，所以Siri就像一個早產(chǎn)的嬰兒，在iPhone4s里面發(fā)布出來，所以我認為這樣的系統(tǒng)代表著人類終極人機交互的暢想。
事實上在大量的文學作品、科幻電影里面，都會提到問答機器人，不管是《星球大戰(zhàn)》、《超能陸戰(zhàn)隊》，還是《星際穿越》都提到了。阿西莫夫的短篇小說《最后的問題》，描繪就是人類造了一個機器，把所有的資源都用了上去。這個機器可以回答其他任何問題，卻有一個問題回答不了，就是“宇宙是怎么誕生的”，這是文學作品對問答機器的思考。
除了搜索引擎做問答以外，咱們知道在中國搜狗輸入法在移動端擁有三億用戶，輸入法的未來是什么呢？和自動問答有關(guān)系，大家一起來看一個視頻。
之前我們討論輸入法的時候很多朋友和我說語音是最重要的，搜狗有完整的語音識別技術(shù)和語音合成技術(shù)，但是在我內(nèi)心，這個遠不是輸入法的極致。輸入法真正的極致是能夠開始尋找信息，幫你思考。剛才給大家演示的是搜狗輸入法的分享的能力，真正的回答能力可以在后面給大家做一個新的演示。
在我們討論問答技術(shù)和討論人機對話的時候，輸入法也許是最好的一個切入場景。輸入法作為一個人的分身，更容易幫助你建立思考。輸入法也會從一個拼音工具走向一個對話和問答系統(tǒng)。
搜狗有兩個核心產(chǎn)品，一個是輸入法一個是搜索，一個是搜索信息一個是表達信息。隨著AI技術(shù)的發(fā)展，我們能更好地解放人的思考。我們有一個理念，包括兩件事情：一個是做自然的交互，不只是語音，還包括語言；另外就是做知識的計算，能讓機器開始逐步建立推理的能力。搜狗輸入法在中國擁有最大的語言數(shù)據(jù)處理積累，我們有機會在這個領(lǐng)域取得突破。
這是我今天的分享，謝謝大家！
Copyright @ 2005-2020 南京同傳翻譯公司 版權(quán)所有
