语用计算概念 AI离理解人类不远了?
云知声推出语用计算概念,AI离理解人类不远了?云知声在技术引擎升级分享会上宣布,7月上旬正式完成技术引擎3.0的版本升级,并提出“语用计算”新概念。那么,云知声的技术升级主要体现在哪些方面?“语用计算”到底是什么?机器可以做到像人一样理解语境吗?在热闹喧嚣的AI市场,它又能否为云知声带来新的机会?
容易露馅的语音助手逐渐让大家提不起兴趣,开发者们要做到是让它们真正的聪明。
人工智能的发展速度比我们想象的要更快,当你认为它们只会生硬的一问一答时,机器人已经在试图理解你的语境了,这也是人工智能未来发展的方向,甚至做到像人与“人”一样交流。
这个“语用计算”的概念,其实可以理解成我们熟知的语境、联系上下文等概念,对机器来说,从“我没有带手表”推断出“我不知道时间”,并不容易,往往要依赖于上下文的语境。为了实现这一点,云知声从AI基础架构层面开始做改进,最终希望在语音识别方面做到个性化、一致性、情感化,比如性别、年龄等人设一致。
与此同时,云知声宣布升级技术引擎至3.0版本,在感知智能方面,语音识别字错误率降低20%,识别速度提升40%,在认知智能方面,将会在语义理解的基础上,加入语言的现场环境和背景信息的理解,创立于2012年的云知声,是智能语音服务里的重要玩家,官方此前公布的数据显示,云知声已经覆盖了476个城市,9000万台接入设备,年调用量增长率达到了375.3%,经过四年的成长,完成了技术和数据的初步积累。
人工智能进入深度学习的大数据时代
数据作为人工智能研究的前提,引起了大家广泛的重视,此前云知声CEO黄伟在接受网易科技采访时也表示:有足够多的数据,就意味着系统有升级的可能性,创业以来,我们基本上打通了之前所设想的数据驱动技术迭代的过程。
云知声AI技术专家刘升平博士称:这次技术引擎的升级的根本原因是AI基础架构有了较大的突破,AI基础架构是指深度学习为代表的机器学习、高性能计算、大数据。
他进一步表示:机器计算能力我们是可以买到的,但唯独数据是买不到也学不到的。深度学习的算法在2000年左右,甚至更早就提出了,但因为计算量非常大,当时并没有得到成功应用。这几年,由于硬件计算能力的飞速发展,GPU比CPU快10倍,一些特定任务上还会快更多。同时,Web2.0以及移动互联网应用有产生了海量的数据,大数据管理技术也得到了很大发展,这样,深度学习算法,高性能计算,大数据,这三驾马车才能让人工智能技术在近几年取得了长远的进步。
将“智能语音”装入汽车 到底是前装好还是后装好?
前装一般定义为在已经面世的汽车产品当中,智能语音设备内嵌在车身里面,它属于整个汽车车型规划设计的一部分,在面世三年之前就已经测试运行,后装则是消费者自己去4S店或者销售门店购买智能语音设备自行安装的情况。
目前来看,大多数人工智能公司都选择后装市场进行切入,至于原因,黄伟给出了解释:最大的区别在于成本,一个是时间成本,一个是资金成本,前装周期很长,你跟这个车厂去接触,到测试,到选配,哪怕已经确定用你的方案,他还有一大堆其他东西要经过很漫长严格的测试,等这辆车真的面世已经是三年以后,这就是哪怕你花一百多万买辆车,它的电子设备也很落后的原因,都是三年前的技术方案了。
黄伟指出:后装的时间周期也是比较合适的,选择做后装市场产品面世速度快,大家可以很快体验到我们的产品,与此同时,可以在短期内带来较大的用户量,一个车型能卖5万台就不错了,如果是后装,语音设备每周都能达到几万台,所以,无论对于公司的发展,还是对数据的积累,后装目前来看是最好选择。
中国人工智能发展的路上还有哪些困难?
近年来,我国的人工智能事业如火如荼,普通消费者也对人工智能相关产品表现出了极大的热情,但是目前,我国产学研之间还没有形成有效的共赢机制,这可能还需要一点时间。
云知声AI技术专家刘升平博士对此认为:数据的不开放性极大的阻碍了中国认知智能的发展,另外,中国学者只做英文的认知智能研究,不做中文的,原因在于你即使做出了结果,外国人也不承认,所以索性只做英文研究,这就导致了中文没有人做,或者是做出来之后,也得不到承认,像我们的智能口语理解等等都有发展的空间,这对于我国来说是非常大的障碍。
对此,山世光教授也表示,开放数据,开源,是我们国内不管是学术界还是工业界还是做的不够好的地方,在国外的开源社区有非常多的人愿意做贡献,他不仅仅是拿过来用,他用完了之后也会把自己东西往开源的平台上放,这样越来越多人掌握了基础的东西,就可以使得整个行业,整个生态能发展的更快,这是非常值得我们国内不管是学术界还是工业界学习的。至于说学术界跟工业界之间,我认为国内还是存在一些障碍,从我跟别人合作的经验来看,不同的公司对这件事情的态度差异较大,有些公司就非常开放,愿意把数据给你,但也些公司,你即使跟他合作他也不给你数据。
更多资讯,可以访问2898站长资源平台资讯-科技评论栏目:http://www.2898.com/news/kjpl/ 谢谢!