人工智能稱得上是當前科技界最為熱門的話題之一。無論將其稱作“下一個風口”、“最強有力的創(chuàng)新加速器”，還是關于它是否比人更聰明甚至取代人的各種爭論，都在說明，人工智能又一次迎來了黃金發(fā)展期。
與以往幾十年技術發(fā)展不同的是，這次人工智能的高潮，是伴隨著生活和工作的應用而來，因此也有科學家認為，“我們或許是和人工智能真正共同生活的第一代人”。
與人工智能共同生活，語音識別技術就成了其中最重要的一環(huán)。未來，會不會出現一幅語言自然交融的場景：人與機器問答自如、說著不同語言的人們實時對話？智能語音技術正帶領人類前往其中。
不再是一個需要討論的問題
在生活中，智能語音不再是新鮮事。
你可以進行語音搜索。比如，對著手機說：“我想給XX打電話”，系統通過識別，立即將電話撥出；或者，你只要對著它輕輕哼唱一段音樂，手機就能搜索出相應的一首歌。
你還可以用語音輸入信息。發(fā)送手機信息甚至長篇的電子郵件，只需對著電子終端說話，語言就能變成文字輸入。
下班路上，你可以通過喚醒語音操控系統，將家里的空氣凈化器、空調、加濕器等電器調節(jié)到最舒適健康的狀態(tài)。
要開一個重要會議，合作伙伴來自美國、德國、日本等國家，語音識別可以實時將多國語言轉化成文字并翻譯在大屏幕上，參會者可以直接溝通。
這些語音識別技術不僅已經變?yōu)楝F實，而且每一天都在進步。
“語音最大的優(yōu)勢是，它是人類最自然的交互方式。”前百度研究院副院長余凱曾在接受媒體采訪時說道，基于自然語言的搜索請求將會成為移動互聯時代的主流搜索方式之一。“如今的語音搜索不同于傳統搜索模式，不是基于無關聯的幾個關鍵詞來反饋結果，而是能夠理解用戶指令，完成一項完整的任務。”
語音技術曾經并不被人們看好，走過了漫長的蟄伏期。但隨著智能手機崛起，語音技術應用也迎來了爆發(fā)性增長。
去年6月初，美國“互聯網女皇”（Mary Meeker）發(fā)布的《2016年互聯網趨勢報告》也認為，語音將成為最重要的交互入口。去年年初，美國麻省理工科技評論評選出的十大創(chuàng)新預測中，語音接口也被列為第三名，被認為是能解決重大問題、帶來全新機遇的希望所在。
你會發(fā)現，近幾年，蘋果推出了Siri（蘋果語音助手），谷歌發(fā)布了Google Now（谷歌語音服務），微軟的Cortana（微軟小娜，個人智能助理）也問世了，都希望通過語音助手來打開人工智能的大門。
同樣，在中國，已發(fā)展了20多年的語音技術，也開始了一個前所未有的快速發(fā)展階段。語音的徹底主流化已經不是一個需要討論的問題，只是一個時間和習慣轉移的問題。
那么，在語音識別率更高、語音合成效果更好的未來，語音會如觸摸技術一樣，成為人機交互的主流方式嗎？
一個漫長的征途
如今，我們離人機交互的時代還有多遠？
這是科大訊飛董事長劉慶峰在采訪中遇到最多的問題之一，他每次都很堅定地回答：“以語音為主導，以鍵盤和觸摸屏為輔助的人機交互時代正在到來。”
在他描繪的圖景里，未來的人工智能會像水和電一樣進入每個行業(yè)。這其中，“語音是人工智能的重要入口”。
劉慶峰介紹，人機交互的過程中主要包括兩類語音技術，一類是語音合成，就是讓機器“說話”，產生人造語音。另一類是語音識別，就是讓機器聽懂人說話，并能像人一樣作出反應。
讓機器人聽懂人說話，并不容易。余凱曾這樣解釋：傳統的語音識別中的語言模型是通過概率來“識別”的，比如用戶說“中”字，“國”字緊隨其后的可能性很大，其他字的出現概率相對就會小很多。利用不同的概率及數據建立的語言模型能夠幫助機器識別語音。但是如果在口語化的環(huán)境下，用戶語序不同或者有方言口音，就會大大干擾語音的解碼識別過程，降低識別準確率。
但讓機器像人一樣作出反應，更難。很多人不禁問，從接受語音到識別語音，再到理解判斷，最后反饋服務結果，機器真的能像人一樣思維嗎？
機器要能夠準確識別語音并像人一樣通過理解判斷作出回應，需要基于大量的“學習”，通過學習，與人一樣根據過去的經驗進行判斷預測。這種“學習”有兩種方法：通過在數據中找尋類似事例來提供解決方案，或是通過歸納出許多數據樣本的共性來對這件事情做出判斷。這也是語音技術發(fā)展的難點。
一切都朝著人工智能的大目標努力，不過，做出一款類似《超能陸戰(zhàn)隊》里的大白的產品，能夠完全理解人類的語言和行為，注定是一個漫長的征途。
將怎樣改變世界
近幾年，作為國內智能語音的領軍者，科大訊飛走紅了。
今年6月27日，以報道新興科技與創(chuàng)新商業(yè)為特色的《麻省理工科技評論》發(fā)布了“全世界最聰明的50家公司”榜單，其中排名全球第六、中國第一的，不是風頭正勁的中國互聯網巨頭BAT中的任何一家，而是科大訊飛。
在此之前，科大訊飛曾榮獲2016中國年度新銳榜“年度企業(yè)”，頒獎詞是這樣寫的：語音和語言是它的兩大撒手锏，玩語音輸入，玩語音翻譯，玩體感輸入，玩萬物互聯，教育、家居、醫(yī)療、客服、車載、機器人領域無不有它緊急的身影。它的雄心是從“讓機器能聽會說”到“讓機器能理解會思考”，深度改變人類世界。
在位于合肥高新區(qū)的科大訊飛總部大樓二層產品展示中心，一塊顯示屏上不斷跳動的數字顯示，“訊飛開放平臺”正被全國各地多少位用戶使用。
“無論在北京還是海南，無論打車或者叫外賣，或者設計一個新的手機APP，背后的支撐都有‘訊飛語音云’。”科大訊飛研究院院長胡國平這樣說。“技術永遠是科大訊飛的立身之本，我們每年將銷售收入的25％投入研發(fā)中去，遠超其他科技企業(yè)3％～5％的平均水平。”
如今，訊飛語音出現在各類會議的大屏幕，訊飛輸入法成為互聯網人的標配。“訊飛開放平臺”終端用戶數超10億，日均語音服務次數突破40億，第三方創(chuàng)業(yè)伙伴超過40萬家。訊飛輸入法的語音識別準確率達到了98%，不僅一分鐘可以輸入400字，還支持21種方言識別。在中文語音市場中，科大訊飛占據70%的市場份額。從全球范圍看來，語音技術領域超過80%的市場份額已經回到了中國人自己的手中。
看起來并不“宏大”的語音技術，將怎樣改變我們的生活？也許可以從訊飛正在落子布局的領域一窺究竟。
在智能家居領域，你不僅能夠通過語音下達命令，還能隨時咨詢問題，比如，燒菜時，你可以問現在該放多少鹽？智能家居就會立即回答你。
在汽車領域，汽車智能車載系統飛魚助理，將全景識別、多輪交互、方言識別等技術應用于汽車，讓人可以直接通過語音輸入輕松進行導航，收聽了解多媒體娛樂信息，對車身進行控制和信息查詢等服務。
在教育領域，通過機器自動閱卷技術，原批閱一份需要40分鐘左右的閱卷工作，現在只需要3分鐘即可完成。此外，目前科大訊飛的人工智能機器已經替代了30%的人工客服，安徽移動甚至有75%的客服內容都被人工智能的機器替代了。
改變，正悄然而劇烈地發(fā)生。
很多還處于“弱智能”階段
“我們很榮幸入選‘最聰明的公司’，但是我覺得，科大訊飛在過去十幾年做的幾乎每件事都是挺笨的。”在《麻省理工科技評論》揭曉“全世界最聰明50家公司”現場致辭時，科大訊飛高級副總裁江濤說。
用最原始的笨辦法打造一家最前沿的公司，這聽上去挺有意思。劉慶峰解釋：“創(chuàng)業(yè)近20年，才迎來起色，走過彎路、受過質疑，能靜下心來坐10年板凳的這種決心，我覺得更重要。”
2000年以前，中文語音應用幾乎都被國外公司壟斷，國內的語音研究機構壁壘森嚴、力量分散。“中文語音技術要由中國人做到全球最好，中文語音產業(yè)要掌握在中國人自己手中。”懷著這個夢想，1999年，以劉慶峰為首的中國科學技術大學十幾位畢業(yè)生起航創(chuàng)業(yè)。
然而，當時的技術并不過關。劉慶峰記得，當時語音合成出來的效果是“一頓一頓”的，連續(xù)性不好；而語音識別和語音解析則更多地停留在實驗室階段。
語音技術如何賺錢，初創(chuàng)團隊誰都說不清楚。但讓機器能聽會說，成為創(chuàng)業(yè)之初就設定的目標。
2010年，訊飛輸入法正式推出，宣告語音聽寫時代的到來。劉慶峰還記得，一位記者用福州口音嘗試了訊飛輸入法后激動地說，“中國終于有個像Siri（蘋果語音助手）的產品出現了”。
劉慶峰覺得科大訊飛的“笨”也與人工智能這個行業(yè)有關。在他眼中，科大訊飛并不是一家互聯網公司，而是一家正在爬山的科技公司。“之所以要強調二者的區(qū)別，是因為在做人工智能的公司很像爬山者，需要堅持目標、不改方向，一步步地爬到頂峰，我們今天是人工智能公司，昨天是人工智能公司，明天還會是人工智能公司。但互聯網公司更像是個沖浪選手，互聯網的每一波浪潮都不一樣，它要不停地迎接下一個浪潮，如果下個浪潮不是人工智能，也許他們就換了方向。”
劉慶峰呼吁，中國要有更多“爬山型”公司：“你要征服的這個東西要是不可變的。如果你連堅守都沒有，你后面做創(chuàng)新是不可能的。”
然而現實卻是，在資本的加持下，許多公司紛紛貼上了人工智能的標簽。一位企業(yè)家曾在演講中提到，他見到過一家內衣企業(yè)，也聲稱自己是人工智能企業(yè)。“這是非常不正常的現象。現在，人工智能領域的泡沫化特別嚴重。”
科大訊飛執(zhí)行總裁胡郁認為更需探討的問題是，在中國，目前的人工智能技術還處于“弱智能”階段，大多還只能達到語音助手的水平，要想獲得與人類大腦類似或同等的智慧，擁有自主學習、舉一反三的能力，人工智能還需要將深度學習、大數據等技術相結合，實現“漣漪效應”。
“我們的很多創(chuàng)新其實只是停留在應用或者技術層面上，但沒在科學的層面上去發(fā)現和創(chuàng)新，在人工智能的研究上，學術界的理論深度還應加強，如果我們只停留在技術層面的話，不可能創(chuàng)造未來。”
的確，故事才剛剛開始，從基礎研究、技術發(fā)展，到未雨綢繆建立人工智能相關的倫理規(guī)范，人工智能的未來，還面臨著無數挑戰(zhàn)和變化。
對話
“人工智能+”時代什么樣
解放周一：大潮來臨時，人們總是喜歡將目光放在谷歌、蘋果、BAT、小米這些滿身光環(huán)的企業(yè)身上，直到明星企業(yè)家羅永浩在自己的產品發(fā)布會上對“訊飛輸入法”演示之后，大多數人才意識到：這可能是“離智能時代最近的中國企業(yè)”。那么，為什么是科大訊飛呢？
劉慶峰（科大訊飛董事長）：1999年，我們剛創(chuàng)業(yè)的時候，很多人都質疑我們：十幾人的團隊，怎么可能成功？但不到20年來，我們從被質疑能不能生存下來到成為人工智能領域的牽頭者，體會就是一句話：走著彎曲的“直線”，每一步成長都充滿艱辛和曲折。所有的但凡有前瞻性重大意義的技術，無不經歷這樣一條特殊曲線。
2016年是人工智能正式提出60周年，而前60年可以說中國力量基本是缺席的。2016年底，科大訊飛首先在發(fā)布會上提出我們已經從“互聯網+”時代進入到“人工智能+”時代。這次發(fā)布會，3000人的會場來了5000多人，100多萬人在線觀看，第二天發(fā)布會現場視頻的傳播超過600萬。2016年成了中國人工智能元年。
除了在中國，人工智能大潮已經在全世界勢不可擋，從實驗室走向了產業(yè)，從專業(yè)領域走向了開放的消費類市場，從大城市走到了鄉(xiāng)村。盡管中國不是人工智能的策源地，但在當前這一輪語音識別技術的爆發(fā)中，中國第一次同科技發(fā)達國家站在了同一起跑線上。
解放周一：在語音識別領域，我國已經躋身世界先進行列，但在人工智能的其他方面，是不是距離國際先進水平還有一定的差距？
劉慶峰：一定意義上，面對人工智能，中國和美國幾乎同時進入了無人區(qū)，包括技術持續(xù)創(chuàng)新的無人區(qū)，在應用中摸索的無人區(qū)，以及配套的政策、法規(guī)、論理、人文的無人區(qū)。這是一個非常令人激動的時代機遇。但中國的產業(yè)界、媒體界對人工智能了解更多的是應用特性和娛樂特性，而美國則深入鉆研人工智能的理論研究，這些研究成果大多難以產業(yè)化，但卻是最原始的理論基礎上的創(chuàng)新。
為什么中外人工智能領域的差異這么明顯？國內人工智能學術界因為要跟產業(yè)對接，所以做了許多技術應用和創(chuàng)新；而產業(yè)界還沒有更加深入、原創(chuàng)的研究能力，所以很少有單位能做整體性的系統創(chuàng)新。
所以，中國的人工智能研究應該從兩個方面發(fā)力：研究院所、高校應該更加著重于理論鉆研，而產業(yè)界不僅要應用人工智能技術，還應該去做技術方面的大規(guī)模的融合創(chuàng)新。
解放周一：您說，我們已經從“互聯網+”時代進入到“人工智能+”時代。“人工智能＋”是一個怎樣的時代？
劉慶峰：“人工智能+”時代已經到來了，2016年是中國人工智能元年，2017年是人工智能應用落地年，我們已經走上了“人工智能+”的賽道。
我曾經去安徽省金寨縣的小學待了兩天，非常有感觸，我一直想，如果人工智能能使每一個鄉(xiāng)村學校都擁有和城市學校一樣的名師，中國教育將會怎樣？通過“人工智能+教育”就能實現，中國的教育會往上邁一個大臺階。
“人工智能+醫(yī)療”呢？現在通過學習，我們的人工智能已經可以達到一線醫(yī)生的水平。我們的目標，是要讓人工智能今年能在全球首次通過國家執(zhí)業(yè)醫(yī)師資格考試。
“人工智能＋法治中國”，目前已經在電信防詐騙領域運用一些技術，并已取得成效。通過人工智能進行輔助量刑，使得一線的檢察官具備了大法官、大檢察官這樣的公平判案的能力和水平，使得人工智能自動檢查公檢法體系證據鏈完備，防止冤假錯案。
我們提出：要通過人工智能為每個人賦能。在第三次人工智能的產業(yè)浪潮中，我們會不會失業(yè)？我們能干什么？“人工智能+個人”，就是我們未來要做的。圍棋高手和AlphaGo之間比賽圍棋是沒有意義的，應該是每一個圍棋高手都帶一個人工智能助手，相互去PK。也就是說，未來，人工智能會成為每個人都能觸摸的助手。所以，今天我們在研發(fā)和產業(yè)設計中，就要考慮人機協同的機制，不僅包括腦機接口，而且是人腦智能和機器智能的協作職能，這也是人工智能的倫理和人文道路的選擇。
要讓每一個人站在人工智能的肩膀之上，而不是被時代所淘汰和顛覆。
責任編輯：靳玉鳳
劉利華出席綠色計算產業(yè)聯盟技術研討會
豐滿和骨感：智能音箱和人工智能的差距有多大？
對話人工智能：智能語音交互是一個流行趨勢
現代汽車將在2019年提供聲控智能語音助手