2021年AI Labs報告發(fā)布！創(chuàng)辦17年，這家「不專心」做語音的研究院入選

---

??新智元報道??

編輯：桃子?好困

【新智元導(dǎo)讀】2021人工智能創(chuàng)新研究院揭曉了，看看都有誰？

22年前，十幾位工科生在中科大校園租下了一間三室一廳，擼起袖子準(zhǔn)備大干一場。

?

創(chuàng)業(yè)之初，他們的想法很純粹：研究一個像人一樣能聽會說的機(jī)器。

?

帶著這樣的憧憬，26歲的劉慶峰帶隊便以一項(xiàng)技術(shù)為主開啟了創(chuàng)業(yè)歷程。

然而，創(chuàng)業(yè)并非易事。更重要的是，他們選擇以一項(xiàng)在當(dāng)時不被看好的技術(shù)——語音合成起家。

?

說干就干，可是忙了一年多，幾乎不見任何成果。

?

創(chuàng)業(yè)前那些豪言壯語瞬間成了一眼浮云，軍心動搖。許多人甚至開始懷疑，智能語音是未來正確的發(fā)展方向嗎？

?

殘酷的是，這家剛剛成立的公司在當(dāng)時面臨兩個抉擇：要么繼續(xù)做語音，要么改行做其他的，比如房地產(chǎn)。

?

一場會議，他們最終決定了自己的命運(yùn)：還是要做最喜歡的事情——智能語音。

?

就這樣，劉慶峰和團(tuán)隊明確了未來的發(fā)展發(fā)向，將語音交互技術(shù)的自主研發(fā)作為公司核心戰(zhàn)略方向。

?

?

一切證明，當(dāng)初的選擇終不負(fù)所愿。這個以源頭技術(shù)創(chuàng)新為核心的AI王國——科大訊飛20多年來持續(xù)推動智能語音與人工智能走在世界前列。

?

這背后便是，訊飛研究團(tuán)隊22年來始終堅持「頂天立地」的理念和追求，通過不懈努力取得的成果。

?

做研究是訊飛的基因，尤其是對源頭技術(shù)的研發(fā)。所以，從科大訊飛創(chuàng)立開始，訊飛研究院就相伴而生。

?

近日，MIT科技評論中國發(fā)布了2021人工智能創(chuàng)新研究院（AI Labs）報告。

?

訊飛研究院憑借著在智能語音、計算機(jī)視覺、自然語言處理等多個領(lǐng)域的杰出成就，成功入選。

?

始于語音，不止語音

??

早在2008年之前，科大訊飛在語音合成、語音評測和語音識別上，已經(jīng)到了全球語音技術(shù)領(lǐng)域內(nèi)全面領(lǐng)先的地位。

?

隨著技術(shù)的不斷發(fā)展和積累，時間來到了2020年1月。在韓國釜山舉行的ISO/IEC JTC 1/SC 35全會上，由科大訊飛主導(dǎo)，聯(lián)合中國電子技術(shù)標(biāo)準(zhǔn)化研究院和中科院自動化所，提出的全雙工語音交互國際標(biāo)準(zhǔn)正式獲批立項(xiàng)。

?

這也是在人機(jī)交互領(lǐng)域中，首個由中國牽頭制定的智能語音交互國際標(biāo)準(zhǔn)。

?

此外，科大訊飛還主導(dǎo)承建了語音及語言信息處理國家工程實(shí)驗(yàn)室、認(rèn)知智能國家重點(diǎn)實(shí)驗(yàn)室等國家級平臺。

?

而在最擅長的語音方面，科大訊飛也連續(xù)多次獲得CHiME、Blizzard Challenge、IWSLT等國際評測冠軍，并在業(yè)界率先實(shí)現(xiàn)口語自動評測達(dá)到人工專家水平。

「俗話」說得好，再強(qiáng)的SOTA終究是會被刷掉的。于是我們就看看2021年，科大訊飛都有哪些不俗的表現(xiàn)。

?

在低資源多語種語音識別方面，由世界語音學(xué)術(shù)領(lǐng)域的權(quán)威組織美國國家標(biāo)準(zhǔn)與技術(shù)研究院NIST（National Institute of Standards and Technology）舉辦的OpenASR (Open Automatic Speech Recognition) 比賽就非常具有代表性。

?

2021年11月，科大訊飛-中科大語音及語言信息處理國家工程實(shí)驗(yàn)室（USTC-NELSLIP）聯(lián)合團(tuán)隊參加了所有15個語種受限賽道和7個語種非受限賽道，并全部取得第一名的成績。

說到這里，其實(shí)不難發(fā)現(xiàn)，科大訊飛能做的已經(jīng)遠(yuǎn)遠(yuǎn)不止有語音這一個點(diǎn)了。

?

畢竟，想要理解這15種語言的對話都在說什么，除了要準(zhǔn)確地識別出來以外，還得能「聽懂」才行。

?

這個時候，就要祭出人工智能最常用到的自然語言處理了，而且，還得是多語種的才行。

?

正好，谷歌舉辦的XTREME（Cross-Lingual Transfer Evaluation of Multilingual Encoders）多語種自然語言理解評測，就涵蓋了12個語系的40種語言，并包括對不同層次的語法或語義進(jìn)行推理的4大類9個任務(wù)。

?

2021年10月，哈工大訊飛聯(lián)合實(shí)驗(yàn)室（HFL）團(tuán)隊以總平均分84.1分位列榜首，刷新了微軟9月份才剛剛達(dá)到的世界紀(jì)錄。

??

除了最新的這次屠榜以外，科大訊飛近5年在NLP領(lǐng)域共獲得20余項(xiàng)國際評測冠軍，并于2021年獲吳文俊人工智能科技進(jìn)步獎一等獎。

?

當(dāng)然了，CV領(lǐng)域也不例外，科大訊飛近幾年在圖文分析、虛擬形象等方向提出十余項(xiàng)原創(chuàng)成果。

?

等下，道理我都懂，但一個搞語音的是怎么和計算機(jī)視覺扯上關(guān)系的？

?

這，就要從2014年說起了。

?

當(dāng)時，研究院發(fā)現(xiàn)人工智能在教育里非常富有潛力，而OCR技術(shù)可以稱得上是進(jìn)入這個領(lǐng)域的必由之路。

?

然而，擺在科大訊飛面前的問題有兩個：

1.?文本行大段的手寫連筆讓字符很難被切分

2.?公式的識別需要處理上下左右以及嵌套等各種順序

?

對此，研究院的小伙伴們發(fā)現(xiàn)，在語音識別中，需要將連續(xù)的波形轉(zhuǎn)化出分離的字符，而波形和手寫字類似，也是無法拆分的。

?

很快，語音識別到計算機(jī)視覺之間的算法框架遷移和借鑒就完成了。通過將語音識別中的HMM模型框架引入到文本行中，識別精度得到了大幅提升。

?

既然語音的成果能夠借鑒，那NLP的是不是也可以？

?

沒錯，研究院的小伙伴們又一次發(fā)現(xiàn)，公式識別和機(jī)器翻譯任務(wù)很像。

?

于是，團(tuán)隊便引入基于注意力機(jī)制的Encoder-Decoder模型并構(gòu)建了新的無切分公式識別算法，成功地將識別率拉到了96%。

?

2020年6月，科大訊飛AI研究院聯(lián)合中科大語音及語言信息處理國家工程實(shí)驗(yàn)室，以顯著優(yōu)勢獲得ICFHR 2020 OffRaSHME數(shù)學(xué)公式識別挑戰(zhàn)賽冠軍。

?

此外，還在ICDAR ReCTS評測任務(wù)中刷新了單字識別、文本行識別、文本行檢測和端到端識別全部四項(xiàng)榜單世界紀(jì)錄。

當(dāng)然了，科大訊飛的計算機(jī)視覺也不止能識別公式。

?

2021年8月，科大訊飛在智能駕駛的道路目標(biāo)檢測領(lǐng)域，刷新了Cityscapes 3D目標(biāo)檢測任務(wù)的全球最好成績，得到檢測分?jǐn)?shù)（DS）42.9，取得了該項(xiàng)評測的第一名。

就這樣，科大訊飛的計算機(jī)視覺在語音識別技術(shù)+自然語言處理的基礎(chǔ)上構(gòu)建了起來。

一股注入血里的基因

?

可以看到，不論是語音、還是NLP、CV都是單點(diǎn)技術(shù)上取得的突破。

?

不得不承認(rèn)，得益于源頭技術(shù)創(chuàng)新，訊飛在人工智能發(fā)展史上樹立了語音合成、語音識別、認(rèn)知智能等多個里程碑。

源頭技術(shù)創(chuàng)新是訊飛從創(chuàng)立初始注入血里的基因。

?

但是，單點(diǎn)應(yīng)用還只是窄人工智能，而現(xiàn)實(shí)并不是只有加法運(yùn)算，加減乘除都得會，就需要AI系統(tǒng)性創(chuàng)新。

?

同樣，科大訊飛董事長劉慶峰在2021第五屆全球1024開發(fā)者節(jié)上提出，「為了讓人工智能更好地切實(shí)解決社會重大命題，就必須要從單點(diǎn)應(yīng)用突破到系統(tǒng)性創(chuàng)新。」

?

那么，何為系統(tǒng)性創(chuàng)新？他給出了系統(tǒng)性創(chuàng)新的三個關(guān)鍵要素：

?

第一是重大系統(tǒng)性命題到科學(xué)問題的轉(zhuǎn)化能力；

第二是從單點(diǎn)的核心技術(shù)效果上要取得突破，跨過應(yīng)用門檻；

第三是把創(chuàng)新鏈條上各個關(guān)鍵技術(shù)深度融合，實(shí)現(xiàn)真正意義上的系統(tǒng)性創(chuàng)新。

?

?

如何去實(shí)現(xiàn)系統(tǒng)性創(chuàng)新？

?

科大訊飛堅持在人工智能的技術(shù)層面進(jìn)行源頭技術(shù)的突破和多技術(shù)的融合，來推動實(shí)現(xiàn)系統(tǒng)性創(chuàng)新。

?

就比如，訊飛在去年全球1024開發(fā)者節(jié)上推出的虛擬人交互平臺1.0便是很好的印證。

?

虛擬人的交互需要集成語音識別、對話理解、對話生成、語音合成、虛擬人形象生成等多項(xiàng)的人工智能單點(diǎn)技術(shù)，需要實(shí)現(xiàn)多項(xiàng)技術(shù)貫穿，才能實(shí)現(xiàn)更一致更和諧的虛擬人交互系統(tǒng)。

以情感維度為例，虛擬人的微表情是最難實(shí)現(xiàn)的，也是業(yè)界令人頭痛的問題。

?

目前，訊飛實(shí)現(xiàn)了基于多模態(tài)信息的情緒感知，基于情緒的回復(fù)對話文本生成，以及可展現(xiàn)對應(yīng)情緒的虛擬人的表情和語音合成。

?

基于全局的系統(tǒng)性的規(guī)劃設(shè)計，以及全鏈條單點(diǎn)技術(shù)的有效配合，造就愛加有情感、有個性的多模態(tài)虛擬人。

此外，還有其他用到系統(tǒng)性創(chuàng)新的案例，比如訊飛AI學(xué)習(xí)機(jī)，就融合了圖像、語音、機(jī)器閱讀理解、知識圖譜等技術(shù)，可以做到學(xué)生作業(yè)批改，以及基于學(xué)情的個性化學(xué)習(xí)。

?

不論是源頭技術(shù)創(chuàng)新，還是系統(tǒng)性創(chuàng)新，都面向社會剛需，推動真正問題的解決。

AI花開，不負(fù)22年堅守

?

如今，科大訊飛在「平臺+賽道」齊開花。

?

通系統(tǒng)性技術(shù)創(chuàng)新解決社會重大命題，同時推動人工智能規(guī)?；涞?，實(shí)現(xiàn)「科技為民」的價值追求。

?

回看過往，2010年，訊飛首次推出了人工智能開放平臺，那時能提供的能力還只有3項(xiàng)。

?

2021年科大訊飛全球1024開發(fā)者節(jié)正式發(fā)布了訊飛開放平臺2.0戰(zhàn)略，從二維升級到三維，聯(lián)合各行業(yè)中資源充沛、平臺能力強(qiáng)的龍頭，共同搭建行業(yè)的基線底座，同時匯聚開發(fā)者的創(chuàng)造力。

現(xiàn)在，訊飛開放平臺提供了449多項(xiàng)人工智能能力，給293萬的開發(fā)者團(tuán)隊，總應(yīng)用數(shù)超137萬，覆蓋終端設(shè)備數(shù)33億+。

?

此外，訊飛也積極布局「賽道」，通過系統(tǒng)性創(chuàng)新，推動人工智能在教育、醫(yī)療、城市、消費(fèi)品、工業(yè)等場景的規(guī)?；瘧?yīng)用。

?

從教育領(lǐng)域看，訊飛推出「因材施教」解決方案，促進(jìn)師生減負(fù)增效，實(shí)現(xiàn)覆蓋全國32個省級行政單位五萬多所學(xué)校超1億師生的規(guī)模化應(yīng)用；

?

比如，2021年剛剛發(fā)布的AI學(xué)習(xí)機(jī)T10，將「因材施教」夢想照進(jìn)現(xiàn)實(shí)。

?

?

從醫(yī)療看，面向基層醫(yī)療構(gòu)建人工智能輔助診療系統(tǒng)，覆蓋全國200余個區(qū)縣5萬名基層醫(yī)生，累計提供超過3億次輔助診斷服務(wù)；

?

從消費(fèi)者領(lǐng)域看，以AI技術(shù)引領(lǐng)電子消費(fèi)品類升級，開創(chuàng)性推出訊飛輸入法、學(xué)習(xí)機(jī)、辦公本、錄音筆、翻譯機(jī)等標(biāo)桿產(chǎn)品。

?

比如2021年5月份發(fā)布的雙屏翻譯機(jī)，除了做到精準(zhǔn)實(shí)時的翻譯、多語言多語種翻譯外，也創(chuàng)新了產(chǎn)品外觀，雙屏的形式也更符合后疫情下的交往方式。

?

不止于此，未來訊飛要持續(xù)做到核心技術(shù)的引領(lǐng)，這才是其最基礎(chǔ)的和最底層的目標(biāo)。

?

訊飛AI研究院的發(fā)展，很大程度解決了技術(shù)從科研到商業(yè)落地的轉(zhuǎn)化難題，把新技術(shù)轉(zhuǎn)化成現(xiàn)實(shí)生產(chǎn)力，最終完成商業(yè)化閉環(huán)。

?

科大訊飛研究院執(zhí)行院長劉聰談道，「十七年來，有幸經(jīng)歷了從幾個人到1000多人的發(fā)展歷程，親自見證了訊飛研究院的探索、成長、突破、重構(gòu)、革新等不同時期的關(guān)鍵階段。

?

新的一年，新的時代，訊飛研究院將責(zé)無旁貸繼續(xù)前行，用系統(tǒng)性創(chuàng)新解決重大社會剛需，立志于代表中國成為世界一流的研究院?！?/span>

?

未來，訊飛研究院依然會堅持深耕，繼續(xù)推動推動智能語音及人工智能走在世界前列。