人物 | 当我们在谈论语音识别时，我们在谈些什么？——知乎达人、CMU博士生王赟...

原标题：人物 | 当我们在谈论语音识别时，我们在谈些什么？——知乎达人、CMU博士生王赟

“

王赟：本科毕业于清华大学电子工程系，当前是卡内基梅隆大学（CMU）语言技术研究所（LTI）的博士生，研究方向为语音识别。在业余时间里，他是一名语言爱好者，通过自学掌握了六门外语（英日韩西法越）。此外，他还活跃在知乎社区中，为语言文化、算法、机器学习等多个话题贡献了上千条高质量回答。

”

1

“早上好，先生。现在刚刚过7点，马里布（Malibu）气温22摄氏度，多云。海水的温度和高度非常适合冲浪。”

“贾维斯（Jarvis），我想新建一个项目，叫‘马克2号’。”

“要存到公司的中心资料库里吗？”

“贾维斯，启用头盔显示器，把家里的环境设置调出来。”

“好的。”

图片来源网络

以上内容出自漫威电影《钢铁侠（Iron Man）》，托尼·史塔克（Tony Stark）和他的高智能、人性化的AI管家“Jarvis”的对话。在电影中，“Jarvis”能独立处理日常事务、管理“马克军团”，并以幽默的方式回（吐）应（槽）托尼的指令。或许这并不是人工智能的最终形态，可它已经“很好很强大”了。

虽说是想象，但“Jarvis”的出现意味着人工智能领域能够突破技术层面。在整合了语音识别、计算机视觉、自然语言理解等基础技能后，不断深化自我学习和数据处理能力，形成一个具备“人格”的系统。

图片来源于网络

走出电影银幕，“Jarvis”也在线下成为了现实。就在去年，科技大佬马克·扎克伯格（Mark Zuckerberg）亲自演示了“Jarvis”系统，通过应用程序来控制家中设备。这个项目有点儿像进化了的亚马逊“Alexa”——可以开关灯、烤面包、根据个人喜好播放音乐，甚至唤醒女儿Max准备上中文课。

目前，“Jarvis”系统还存在技术上的难题，无法实现量产。通过语音和智能系统联结家居，实现科技服务于生活，这既是人类的目标，也是包括王赟在内的众多科技工程师们正在做的事情。

2

王赟在2013年开始大规模使用知乎，相当于是社区建立后的第二批用户。在这个以“分享知识、经验和见解”为主的讨论型线上社区里，王赟贡献了2800条回答、参与了800多次公共编辑、写下60多篇文章，和社区用户分享自己学习6门外语（英、日、韩、西、法、越南语）的心得体会，以及与语言文化、语音识别、机器学习和算法等话题有关的信息。

在线下，王赟还有另一个身份——卡内基梅隆大学（Carnegie Mellon University, CMU）的博士生。算算时间，今年已经是他待在卡梅语言技术研究所（Language Technology Institute, LTI）的第7个年头了。

“来美之前我申请的是硕士项目（MA），要在斯坦福（Stanford）和卡梅（CMU）两所学校中做选择。”王赟回忆起刚拿到申请结果的时候，“经过咨询后，我了解到CMU的MA和PhD类似，要一边上课一边做研究，也有奖学金拿。就选了CMU，来到了匹兹堡。”

硕士学业结束后，王赟选择留在CMU继续深造。在此后读博过程中，他的研究主要和语音识别有关。简单地说，就是把某一段声音识别出来，变成文字。最常见的应用是iPhone Siri助手，它能够识别用户的语音指令（关键词），并根据指令执行相应的命令。

但王赟的研究不仅如此，他还要识别“语音以外的声音”——音频事件检测。比如，一段在野外拍摄的视频，其中出现了许多动物的叫声。通过音频识别处理后，摄像师可以辨识出视频中具体出现了哪些动物，并且把这些动物的名称编入关键信息，方便观众搜索。

从“关键词”识别到“语音以外的声音”辨识，难度不断加深，数据量不够是当前一项挑战。包括Google, Facebook在内的大公司正在积极收集数据，并且进行人工标注。可若想“音频事件检测”领域能够进一步发展，还需要更多数据、更强网络作为支撑。在王赟看来，这个过程至少要五年。

3

语音识别如何落地，如何成为商业项目。相信这是很多人都非常关心的问题。在王赟看来，语音识别在科研阶段的技术已经基本成熟了，同时，许多公司在引领该领域的发展。例如，Google凭借着足够多的机器和数据，在普通语音识别保持领先；而Amazon则在远距离语音识别有较好的表现。

随时技术的发展，人们的生活变得更复杂。而生活和科技的关系或许会由过去的“需求驱动技术革新”的模式，会逐渐变为多种模式并存，其中也包括——“科技（产品）创造出新的需求”。当我们捧着第一部诺基亚手机玩贪吃蛇时，难以想象十几年后，竟然能够通过语音来指挥手机做更多事情：发送消息、查阅天气和路况等等。

图片来源于网络

眼下，人们并没有强烈的意识，认为自己迫切的需要“Alexa”或“Jarvis”来打理日常起居。可人工智能管家以及便利化的生活还是相当诱人的，谁不希望在劳累了一天后，能窝在沙发里打个盹，偷偷小懒？在未来的某一天，科幻大片里的高科技说不定就成真了。

当科技发展到一定水平，研究者手中有充足的信息和数据（用户调查），很有可能就由这批人描绘出未来生活的模样。相信那时，想象力将成为创新之源，借由这一双翅膀，人类能够飞得更高，走得更远。

4

最后，采访话题落到了人工智能和人类社会的关系上。前者是否会威胁甚至颠覆传统人类社会，这是一个久盛不衰的话题。硅谷大佬们也纷纷亮出各自立场，Facebook创办人扎克伯格看好人工智能的未来，而马斯克、霍金等人则是“人工智能威胁论”的忠实拥趸。

在王赟看来，人工智能自然是一把双刃剑。“人工智能有威胁，但不见得会在短期内体现出来。”从技术发展的角度来说，目前，人工智能面临一道很大的坎——从“弱”到“强”。二者的主要区别在于，“弱”意味着只能干一件事儿。比如，语音软件只能识别语音，AlphaGo只能下棋。“强”则能做很多，能够像人类一样去“体验”和“理解”，就像钢铁侠的智能管家“Jarvis”，或是美国影星施瓦辛格（Arnold Schwarzenegger）在电影《终结者（The Terminator）》中饰演的“T-800”。

图片来源于网络

现在，若是给人工智能一个任务，它能在这个任务上做得好比人好；但它暂时无法胜任“多管齐下”任务组合。目前，神经网络方面的研究并不能完全解释人或电脑是如何思考的；人们熟悉的机器学习更多依赖“数据”，而非“亲身体验”。若有一天，人类的经验能够用机器能懂的方式表达出来，或让机器和人一起生活、收集生活中的一手体验，人工智或许能越过这道“坎”。

友好匹兹堡是由总部位于匹兹堡市的Idea Foundry有限公司于2013年底发起的。友好匹兹堡的战略目标是将匹兹堡教育、旅游、商贸投资以及房地产移民等机遇介绍给中国市场，并为匹兹堡吸纳资源发展当地社会经济。该战略获得宾州政府、地方政府及地区经济发展战略伙伴的支持，合作伙伴包括宾州政府国际业务拓展部，匹兹堡市长办公室，匹兹堡区域联盟，和匹兹堡旅游局。

官方网站：friendlypittsburgh.com，邮箱：info@friendlypittsburgh.com返回搜狐，查看更多

责任编辑：