黃學(xué)東博士在微軟工作已經(jīng)超過(guò) 25年,。25年的時(shí)間里，黃博士負(fù)責(zé)過(guò)很多項(xiàng)目,，但是有一件事情沒(méi)變：他是微軟語(yǔ)音技術(shù)的創(chuàng)始人,，微軟的語(yǔ)音識(shí)別、語(yǔ)音合成技術(shù)都是他一手創(chuàng)建出來(lái)的,。

在 25年中,，黃學(xué)東博士負(fù)責(zé)過(guò)很多東西，包括新產(chǎn)品的研發(fā),、通信系統(tǒng),、Bing搜索、搜索廣告,、CNTK,、深度學(xué)習(xí)平臺(tái)、GPU集群,，還有智能客服系統(tǒng),、對(duì)話系統(tǒng)，認(rèn)知服務(wù)里面的自然語(yǔ)言處理的所有東西,。

黃博士認(rèn)為,，在人工智能發(fā)展的過(guò)程中，語(yǔ)音和語(yǔ)言也是皇冠上的明珠,。他說(shuō)：“只有掌握了核心的語(yǔ)音和語(yǔ)言技術(shù),，人工智能才有希望,，否則其它都是在‘忽悠’?！?/p>

黃博士告訴 InfoQ,，目前在“感知”方面，計(jì)算機(jī)視覺(jué)和語(yǔ)音識(shí)別進(jìn)步都很大,。在“認(rèn)知”方面,，這個(gè)進(jìn)步還是有限的。微軟機(jī)器翻譯第一次達(dá)到了媲美人的水平,，這是非常有歷史性意義的事實(shí),。語(yǔ)音和語(yǔ)言是人類進(jìn)化中重要的東西，而現(xiàn)在,，計(jì)算機(jī)第一次在翻譯質(zhì)量上超過(guò)專業(yè)人士的水平,，黃博士說(shuō)：這對(duì)人類文明的進(jìn)展來(lái)說(shuō)是很震撼的。

黃學(xué)東：這個(gè)問(wèn)題很好。語(yǔ)音技術(shù)是一個(gè)賦能的技術(shù),，所有的開(kāi)發(fā)者都可以把這個(gè)技術(shù)拿過(guò)來(lái),，實(shí)現(xiàn)他自己想要做的東西，比如智能音箱,，因?yàn)楝F(xiàn)在遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別能力很強(qiáng)了,，所以音箱火得不能再火了——“百箱大戰(zhàn)”——今年 CES展上基本上就只有兩個(gè)東西，一個(gè)是自動(dòng)駕駛,，另外一個(gè)就是音箱,，基本上可以占 CES展臺(tái) 80%的東西。音箱出現(xiàn)很重要的一個(gè)原因就是語(yǔ)音識(shí)別技術(shù)進(jìn)步到了這個(gè)水平,，基本上可用了,，就是遠(yuǎn)場(chǎng)交互都可用了。

再說(shuō)回來(lái),，今年我覺(jué)得最熱的是翻譯器,，尤其對(duì)中國(guó)人。因?yàn)槔厦莱鋈プ弑槭澜?，他講英文,，好像別人都懂,，中國(guó)人出去一講中文，別人不知道什么意思,。在中國(guó)每年有 1.2億的游客出去?，F(xiàn)在我們跟小米生態(tài)鏈企業(yè)香蕉出行合作推出的魔芋翻譯器，真是物美價(jià)廉,，基本上只要目前市場(chǎng)上翻譯器 1/10的價(jià)格,。它剛出來(lái)不到一個(gè)月,，銷售基本遍布全國(guó)各大城市,，而且常常是脫銷狀態(tài)。

還有一個(gè)有趣的事情,。出國(guó)到海外就會(huì)發(fā)現(xiàn),，國(guó)內(nèi)的云服務(wù)在國(guó)外很難用，在國(guó)內(nèi)做的演示很棒,，但出了國(guó)云服務(wù)就沒(méi)法用,。香蕉出行的情況是倒過(guò)來(lái)的，因?yàn)槲覀兊脑品?wù)是真正覆蓋全球得,，它在國(guó)外的表現(xiàn)非常好,，大家用起來(lái)用戶口碑很好，上市不到一個(gè)月現(xiàn)在是賣到完全脫銷,。這就是微軟人工智能和中國(guó)企業(yè)結(jié)合得非常好的一個(gè)案例,，我們非常高興，小米也非常高興,。雷軍想要給他的領(lǐng)導(dǎo)班子每人送一臺(tái)——對(duì)不起缺貨,，這是真的故事。

黃學(xué)東：技術(shù)上已經(jīng)是了,。今天在我的演講中演示了一個(gè)表,，微軟最新的機(jī)器翻譯系統(tǒng)已經(jīng)達(dá)到了 69分。機(jī)器翻譯這個(gè)東西不像語(yǔ)音識(shí)別是一對(duì)一,，只有唯一的答案,，機(jī)器翻譯是多對(duì)多的，每個(gè)答案都可能是準(zhǔn)確的,，所以在評(píng)價(jià)機(jī)器翻譯的時(shí)候,，現(xiàn)在只能靠人來(lái)評(píng)，當(dāng)然老師也很嚴(yán)格,，100和 0之間相差很大,。我們根據(jù)人來(lái)評(píng)的話,，其實(shí)現(xiàn)有的商用系統(tǒng)像微軟和谷歌的，在標(biāo)準(zhǔn)的測(cè)試集上分別在 56分,、54分左右,，中國(guó)企業(yè)的研發(fā)能力也很強(qiáng)，像搜狗公司,，在微軟推出最新突破之前有最優(yōu)秀的系統(tǒng),，達(dá)到了 62分的水平。,。

黃學(xué)東：我今天講的內(nèi)容非常多，我大概梳理一下,。今天講了一個(gè)事情是中國(guó)移動(dòng)和微軟正在合作,，用微軟的語(yǔ)音識(shí)別技術(shù)幫助他們解決客服中心的一些技術(shù)問(wèn)題，這是一個(gè)非常了不起的事,。因?yàn)橹幸苿?dòng)是全球最大的電信運(yùn)營(yíng)商,，他們現(xiàn)在用最優(yōu)秀的技術(shù)滿足他們的客戶需求，這本身就是一個(gè)有意義的創(chuàng)舉,。微軟公司的人工智能技術(shù),、語(yǔ)音識(shí)別技術(shù)和全球最大的電信商合作，解決用戶的實(shí)際工程需求,。這是一個(gè)中美兩國(guó)合作,，讓用戶更加滿意的一個(gè)非常好的案例。

第二,，微軟最近推出了很多全新的產(chǎn)品和服務(wù),，包括統(tǒng)一的語(yǔ)音識(shí)別 API，我們可量身定制所有的語(yǔ)音識(shí)別,、語(yǔ)音合成,、喚醒詞和機(jī)器翻譯系統(tǒng)。

第三,，PMA,，我們有一個(gè)普林斯頓計(jì)劃，我們提供的麥克風(fēng)陣列在全球都是具有領(lǐng)導(dǎo)性的,。微軟最新推出來(lái)的 PMA麥克風(fēng)陣列絕對(duì)是“黑科技”,，絕對(duì)是“耳聽(tīng)八方”，我把它稱為是“全武功”的會(huì)議人工智能系統(tǒng)。這個(gè)創(chuàng)新是基于微軟黑科技的語(yǔ)音識(shí)別 DDK設(shè)備開(kāi)發(fā)套件,，是我們跟中國(guó)本土的 Roobo公司聯(lián)合推出來(lái)的,，也是微軟和中國(guó)公司合作以高新技術(shù)領(lǐng)先世界新潮流的最好的案子。微軟不僅僅是翻譯器和中國(guó)本土公司合作,，像這樣先進(jìn)的麥克風(fēng)陣列也是和中國(guó)本土公司合作開(kāi)發(fā)的,。

黃學(xué)東：我覺(jué)得大家應(yīng)該有這樣的共識(shí)。計(jì)算機(jī)視覺(jué),、計(jì)算機(jī)語(yǔ)言識(shí)別是“感知”智能,，感知智能因?yàn)樯疃葘W(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了突破了,，大家都非常激動(dòng),?！罢J(rèn)知”是包括推理,、理解上下文、自然語(yǔ)言處理,，這方面的突破還有待大家的努力,。而機(jī)器翻譯，則在感知和認(rèn)知之間的一個(gè)歷史性的里程碑,。

讓我們想象一下,，如果有一天，機(jī)器可以理解我們所有的文本,，了解上下文,，有推理的功能，想象一下后果：這意味著機(jī)器可以 24小時(shí)閱讀所有的新聞,、所有出版過(guò)的文件,、著作、科學(xué)文獻(xiàn),，它可以上知天文下知地理,，包括生物，這是不是比愛(ài)因斯坦還牛,？愛(ài)因斯坦也是只懂物理——這才是真正的“強(qiáng)人工智能”的來(lái)臨,。

強(qiáng)人工智能一定是由自然語(yǔ)言理解、感知驅(qū)動(dòng)的,，讓計(jì)算機(jī)能達(dá)到人的知識(shí)獲取能力,，可以通過(guò)閱讀自動(dòng)獲取知識(shí)，這是不是很厲害,？過(guò)去 5000年人類的所有文獻(xiàn),，它都可以讀得一個(gè)字不忘,，還有超過(guò)人類得深入的理解。像我今天引用《封神演義》里的一句：眼觀六路,、耳聽(tīng)八方,，其實(shí)《封神演義》里面講的不是六路，是眼觀四路,、耳聽(tīng)八方,。如果計(jì)算機(jī)在自然語(yǔ)言處理上進(jìn)步了，就可以說(shuō)黃學(xué)東在會(huì)上講的眼觀六方,，不對(duì),，《封神演義》講的是四方，不是六方,。

黃學(xué)東：我自己是一個(gè)有情懷的,，這個(gè)情懷是什么呢？在清華大學(xué)做研究生的時(shí)候,，我就想讓語(yǔ)言的障礙不是成為我們交流的障礙,，我覺(jué)得這件事情太有意義。

我在愛(ài)丁堡大學(xué)念的博士的時(shí)候讀了達(dá)爾文得“進(jìn)化論”,，達(dá)爾文也曾在愛(ài)丁堡大學(xué)念醫(yī)學(xué),，后來(lái)轉(zhuǎn)到劍橋大學(xué)去念神學(xué)，畢業(yè)以后發(fā)表了進(jìn)化論,，跟神學(xué)完全決裂,，這是很有意思的一件事。

我意識(shí)到人通過(guò)語(yǔ)言可以自然交流,、相互合作,，像我們來(lái)自五湖四海，今天可以組織起來(lái)在這個(gè)地方見(jiàn)面,，都是因?yàn)橛辛苏Z(yǔ)言,。語(yǔ)言是促進(jìn)人類進(jìn)化得最重要的因素，就像我今天講的,，在人類進(jìn)化的長(zhǎng)河中,，語(yǔ)音和語(yǔ)言是最重要的因素，有同樣的重要性,。我在清華上學(xué)的時(shí)候看得沒(méi)有那么遠(yuǎn),，但是我當(dāng)時(shí)就覺(jué)得語(yǔ)音和語(yǔ)言太重要了，至少我自己 30年如一日，從沒(méi)有放棄過(guò)這份情懷,。

黃學(xué)東：我覺(jué)得這個(gè)事情不會(huì)，機(jī)器翻譯出錯(cuò)誤會(huì)出得比人類更離譜,。我覺(jué)得最好的方法就是在機(jī)器轉(zhuǎn)錄翻譯的時(shí)候,，有人在旁邊看著，有錯(cuò)誤就給糾正一下,，人和機(jī)器協(xié)同工作,，這是最好的模式。

機(jī)器出錯(cuò)是出在什么地方呢,？冷僻的詞,、新的概念。人可以實(shí)時(shí)學(xué)習(xí)冷僻的詞和新的概念,，這里的信息量非常大,，人類馬上可以自適應(yīng)。比如我講了一個(gè)很怪的詞,，大家一聽(tīng)覺(jué)得有意思,，馬上神經(jīng)就高度緊張，注意力高度集中了,，馬上可以舉一反三。而機(jī)器就慘了,，怎么樣處理沒(méi)有見(jiàn)過(guò)的事情,，這才是真的智能，也是人類智能和機(jī)器智能最大的區(qū)別,。

跟人相比,，不管是圖像識(shí)別還是語(yǔ)音識(shí)別、機(jī)器翻譯,，機(jī)器其實(shí)都笨得要死,，因?yàn)樗欢门e一不反三——孔子說(shuō)過(guò)“舉一不反三，不可教也”,。

黃學(xué)東：如果是沒(méi)有突發(fā)事件，那么是基本可信、基本可達(dá),、基本還算比較雅,。

如果出現(xiàn)突發(fā)事件，就舉一不可反三,，這是人工智能和人的智能最大的差距,。

我們說(shuō)一個(gè)人靈不靈，主要看他處理突發(fā)事件時(shí)的決策怎么樣,，就能說(shuō)明是不是真的行,。一般的人處理常見(jiàn)的事情都可以，沒(méi)問(wèn)題,，就像人工智能一樣,。而聰明的人，在面對(duì)突發(fā)事情,、小概率事件,，或者很困難的時(shí)候，可以做出正確的決策?，F(xiàn)在人工智能和人類智能最大的差別,，就是處理突發(fā)事件的能力差得遠(yuǎn)，這也就是為什么認(rèn)知非常重要,。認(rèn)知是解決推理,、解決小概率事件、獲取知識(shí),、聚一反三,，這個(gè)過(guò)程的最重要的一個(gè)代表和體現(xiàn)。

黃學(xué)東：這就像當(dāng)年在英國(guó)的時(shí)候汽車剛剛發(fā)明出來(lái)，被要求速度不能超過(guò)馬車的速度,，后來(lái)馬車夫沒(méi)有了,，但是汽車工業(yè)造就了多少新的機(jī)會(huì)呢？同樣的道理,，人工智能會(huì)給我們的生產(chǎn)力賦能,，變的更快、更好,，讓大家有更多的時(shí)間去做自己想要做的事情,，我是非常樂(lè)觀。

當(dāng)年馬車起主導(dǎo)作用的時(shí)候,，你可以想象會(huì)有那么大的汽車工業(yè)嗎,？像鋼鐵,、發(fā)動(dòng)機(jī)、石油,，這造就了多少就業(yè)機(jī)會(huì),。

AI至少提高了工作的質(zhì)量，有很多這樣的案例,。人以前要做很多重復(fù)性的工作,，人和 AI協(xié)同工作，就能提高我們的生產(chǎn)力,，提高人的工作質(zhì)量,，這是人工智能和人協(xié)同工作，有很多這樣的例子,。

黃學(xué)東：比如在 Switchboard上,，微軟是第一個(gè)達(dá)到了媲美人類水平的，這說(shuō)明在研究測(cè)試級(jí)上,，微軟的技術(shù)是很強(qiáng)大的,。但那個(gè)還不夠，因?yàn)橛?xùn)練數(shù)據(jù)是固定的,，計(jì)算資源是無(wú)限的,。在做產(chǎn)品的過(guò)程中，倒過(guò)來(lái)了,，訓(xùn)練數(shù)據(jù)可以無(wú)限,，計(jì)算資源有限，因此看問(wèn)題的側(cè)重點(diǎn)不太一樣,。還有落地場(chǎng)景的事情，像微軟“耳聽(tīng)八方”的會(huì)議系統(tǒng),，這個(gè)是我們自己用計(jì)算機(jī)視覺(jué)和語(yǔ)言識(shí)別打造的一套新的解決方案,，前人沒(méi)有想到，也沒(méi)有做到的事,。

黃學(xué)東：技術(shù)實(shí)力還是非常重要,，人工智能會(huì)議系統(tǒng)它的技術(shù)要求遠(yuǎn)遠(yuǎn)超越了兩個(gè)人的對(duì)話,。真是像《封神演義》講的耳聽(tīng)八方,，很難的，根本顧不過(guò)來(lái),。我們的系統(tǒng),，它上面有一個(gè) 360度的攝像頭，就像九頭鳥(niǎo)一樣全看見(jiàn)了,，會(huì)議室的東西都盡收眼底,，下面還有 7個(gè)麥克風(fēng)的麥克風(fēng)陣列，用的就是 Speech Device SDK,?？雌饋?lái)像“黑塔”的那個(gè)東西就是用微軟現(xiàn)有的云，加上現(xiàn)有的 DDK打造的一個(gè)人工智能落地的實(shí)例,。微軟的服務(wù)都在,，但別人沒(méi)有打造出這樣的一套東西，我提供了開(kāi)發(fā)工具,，但是要打造一套像 PPT這樣的應(yīng)用程序,，還是需要很多的工作。