近年來，人工智能技術(shù)快速發(fā)展，與其他行業(yè)的結(jié)合也成為業(yè)界不斷探索的方向。在人工智能基礎(chǔ)和工具方面，AI平臺(tái)已成為降低人工智能門檻的關(guān)鍵因素；而在人工智能應(yīng)用方面，作為最成熟的應(yīng)用方向之一，智能語音已在智能家居、智能車載等領(lǐng)域有了迅猛發(fā)展。以騰訊為代表的巨頭企業(yè)，憑借強(qiáng)大的技術(shù)積累和在社交聊天、游戲娛樂等垂直領(lǐng)域定制化服務(wù)的豐富經(jīng)驗(yàn)，在AI平臺(tái)和智能語音兩方面都推出了豐富的解決方案。

9 月 15 日，以“破局人工智能：AI平臺(tái)及智能語音應(yīng)用解析”為題的沙龍?jiān)谏虾Ｅe辦，本次活動(dòng)由 CSDN、騰訊云聯(lián)合主辦。

本次分享從人工智能技術(shù)的大背景切入，根據(jù)技術(shù)發(fā)展現(xiàn)狀講述AI平臺(tái)如何降低人工智能門檻，幫助企業(yè)快速構(gòu)建AI能力；以及深度學(xué)習(xí)在語音識(shí)別上的應(yīng)用，語音技術(shù)在智能音箱等場(chǎng)景中的應(yīng)用和解決方案，并探討智能語音的未來發(fā)展趨勢(shì)。

騰訊云大數(shù)據(jù)的高級(jí)研究員羅冬日講述了“深度學(xué)習(xí)在語音識(shí)別上的應(yīng)用”。為什么現(xiàn)在語音識(shí)別的準(zhǔn)確率得到大幅提升？他給出了三點(diǎn)原因：

一是互聯(lián)網(wǎng)存儲(chǔ)了大量的語音數(shù)據(jù)；

二是GPU/CPU硬件的計(jì)算速度有量級(jí)的提升；

三是深度學(xué)習(xí)算法方面的應(yīng)用。

關(guān)于深度學(xué)習(xí)在聲學(xué)模型上的應(yīng)用，羅冬日主要講述了 DNN、LSTM、CLDNN 三種深度學(xué)習(xí)網(wǎng)絡(luò)。

首先是 DNN，輸入一幀數(shù)據(jù)，然后得到發(fā)音單元的分類結(jié)果；LSTM 單元會(huì)利用到分割時(shí)間點(diǎn)的一些數(shù)據(jù)源輔助判斷當(dāng)前數(shù)據(jù)如何分類，當(dāng)然雙向的 LSTM 效果會(huì)更好；CLDNN 是比較成熟和穩(wěn)定的一種結(jié)構(gòu)，在卷積網(wǎng)絡(luò)后面再接 LSTM，后來再接 Dense，有一些高效的企業(yè)會(huì)提出更加新的網(wǎng)絡(luò)，最后的識(shí)別效果也會(huì)更好。

此外，還有端到端的識(shí)別方法，如 CTC、encoder—decoder+attention 以及 Google 的 LAS 模型。

羅冬日提到，雖然現(xiàn)在語音廠商們都稱語音識(shí)別的準(zhǔn)確率達(dá)到了 97%，但這是在安靜的情況下，如果是高噪音環(huán)境、口音識(shí)別或帶情緒的聲音情形下，還需采用更高質(zhì)量的陣列麥克風(fēng)，更多的遠(yuǎn)場(chǎng)數(shù)據(jù)，以及語義理解的輔助。

騰訊高級(jí)產(chǎn)品架構(gòu)師倪捷講述了智能語音擴(kuò)展數(shù)字化服務(wù)。他認(rèn)為，語音在數(shù)字化的時(shí)代重要性主要是用戶不斷追求更好人機(jī)交互體驗(yàn)的結(jié)果。

基于騰訊云的語音識(shí)別、語音合成等語音類能力，他介紹了一些實(shí)際應(yīng)用的解決方案。首先是直播安全的解決方案，除了基于圖像層面的鑒別外，還包括語音甚至音頻聲音識(shí)別的能力。其次是智慧法庭解決方案。以前的書記員需要做庭審記錄，但會(huì)遇到可讀性不強(qiáng)的問題，而語音識(shí)別技術(shù)則可對(duì)庭審記錄準(zhǔn)確轉(zhuǎn)寫，并且便于后續(xù)做檔案檢索。

還有客服質(zhì)檢，由于現(xiàn)在話務(wù)員跟客戶的對(duì)話質(zhì)量不可控，這就需要基于客服錄音做質(zhì)檢，但靠人工質(zhì)檢的方式耗時(shí)長(zhǎng)，資源消耗大，而通過語音轉(zhuǎn)寫等技術(shù)，在文字層面上就可通過關(guān)鍵詞或者特定業(yè)務(wù)邏輯對(duì)客服做評(píng)分。

攜程的客服服務(wù)使用的正是騰訊的語音識(shí)別技術(shù)，其數(shù)據(jù)智能部總監(jiān)張童皓在隨后的演講中就旅游場(chǎng)景中的客服質(zhì)檢做了重點(diǎn)介紹。

他展示了智能質(zhì)檢的識(shí)別過程。通過標(biāo)注數(shù)據(jù)拿出來跟場(chǎng)景相關(guān)的關(guān)鍵詞做比對(duì)，并對(duì)無用詞進(jìn)行刪除，通過雙向 LSTM+注意力機(jī)制，如果發(fā)現(xiàn)它跟現(xiàn)有的價(jià)格標(biāo)簽關(guān)聯(lián)度很高，就可以得出一個(gè)關(guān)聯(lián)關(guān)系。在這個(gè)過程當(dāng)中有可能關(guān)聯(lián)出降價(jià)，然后打出來價(jià)格倒掛的標(biāo)簽，當(dāng)用戶在攜程上下了訂單后，如果發(fā)現(xiàn)酒店的價(jià)格比線上便宜很多，這個(gè)時(shí)候會(huì)打電話投訴。

他展望了智能質(zhì)檢的未來，利用 AI 技術(shù)未來可能會(huì)有一個(gè)永不離崗的資深高能質(zhì)檢員，使用 5 臺(tái)服務(wù)器，便可實(shí)現(xiàn)每日通話全覆蓋，已分類問題全時(shí)覆蓋，并對(duì)突發(fā)問題快速檢索；另外要打造出智能培訓(xùn)師，進(jìn)行高分低分對(duì)比，提煉金牌話術(shù)；另外還有可能打造出實(shí)時(shí)輔導(dǎo)員，像在線知識(shí)庫那樣，讓坐席人員解決問題更有效率。

騰訊語音識(shí)別中心的專家研究員王珺則分享了智能音箱的語音識(shí)別技術(shù)。她講述了智能音箱語音交互技術(shù)的麥克風(fēng)陣列、聲紋識(shí)別、語音識(shí)別、語義理解和 TTS 五大鏈條，并對(duì)每個(gè)步驟做了前沿技術(shù)介紹。

關(guān)于基于喚醒詞的關(guān)鍵技術(shù)，目前最新的技術(shù)有哪些缺陷？王珺表示，首先是拓展性差，并且專用隱層或?qū)Ｓ闷糜?xùn)練的方法不能有效捕獲目標(biāo)說話人特征。自適應(yīng)到目標(biāo)說話人的波束形成深度學(xué)習(xí)方法，目前最先進(jìn)的技術(shù)都要求平均至少 10s 的自適應(yīng)語音，遠(yuǎn)超真實(shí)應(yīng)用場(chǎng)景可接受的自適應(yīng)語音（例如喚醒詞）長(zhǎng)度，可用性差，不易落地。

而騰訊的基于喚醒詞信息的目標(biāo)說話人語音提取技術(shù)的攻關(guān)目標(biāo)，在性能上更優(yōu)，包括在信號(hào)的失真比、主觀語音質(zhì)量評(píng)估、干擾說話人數(shù)、魯棒性。而且從系統(tǒng)實(shí)時(shí)性，模型參數(shù)復(fù)雜度全方面評(píng)估，另外還包括拓展性、擴(kuò)用性、深度研究?jī)r(jià)值等方面。

王珺還分享了端到端語言識(shí)別的 Attention 建模方法的關(guān)鍵技術(shù)點(diǎn)，最前沿的序列到序列技術(shù)各有它們的優(yōu)缺點(diǎn)：CTC 的方法是序列到序列前沿技術(shù)的經(jīng)典方法，它的優(yōu)勢(shì)是從左到右的序列到序列的模型，比較簡(jiǎn)單，解碼速度快；同時(shí)它的缺陷是模型建立的前提是假設(shè)當(dāng)前幀的輸出和之前的輸出標(biāo)注獨(dú)立。

基于 Attention 的優(yōu)點(diǎn)是什么？王珺解釋，它不需要假設(shè)與之前輸出標(biāo)注獨(dú)立，對(duì)下一層的預(yù)測(cè)可以用到聲學(xué)模型和語言模型的分析有自帶的語言模型方法。但是也有非常明顯的缺陷，Attention 缺乏從左到右的對(duì)齊限制。而CTC與Attention結(jié)合的方法可以得到正確的對(duì)齊結(jié)果。目前研究人員也在盡力的縮小它和經(jīng)典混合系統(tǒng)的差距。

騰訊高級(jí)產(chǎn)品經(jīng)理郭律探討了機(jī)器學(xué)習(xí)平臺(tái)與人工智能的關(guān)系。簡(jiǎn)單而言，把海量數(shù)據(jù)通過機(jī)器學(xué)習(xí)的手段來進(jìn)行處理，所形成的模型就是人工智能。所謂機(jī)器學(xué)習(xí)的本質(zhì)，解決的就是“精細(xì)”問題。這其中有4個(gè)約束條件：

第一是業(yè)務(wù)場(chǎng)景，把業(yè)務(wù)問題轉(zhuǎn)化為機(jī)器學(xué)習(xí)的建模問題；

第二是海量數(shù)據(jù)的機(jī)器學(xué)習(xí)，從原理上面基于統(tǒng)計(jì)來實(shí)現(xiàn)；

第三是數(shù)據(jù)質(zhì)量的問題；

第四是數(shù)據(jù)閉環(huán)，不斷讓模型學(xué)習(xí)新的數(shù)據(jù)。

除了業(yè)務(wù)和數(shù)據(jù)，郭律認(rèn)為 AI 能力不可或缺的元素有兩個(gè)，一個(gè)是人才，另一個(gè)是技術(shù)能力，包含計(jì)算資源等能力。但是相對(duì)而言 AI 工程化、建模的人才，AI 的計(jì)算資源和計(jì)算能力，包括計(jì)算資源和框架，其實(shí)相差不多。

他認(rèn)為AI 具有多樣性，但 AI 人才和計(jì)算能力具有通用性。他們按 AI 的人才成熟度的不同，歸納為 4 類：

第一是 AI Geek，從底層計(jì)算資源搭建到計(jì)算框架的引入，一直到算法編寫層面，包括模型調(diào)優(yōu)都能夠獨(dú)立進(jìn)行編碼。

第二是 AI 研究者，他們自己會(huì)寫比較高級(jí)的算法。

第三種是 AI 從業(yè)者，他們知道整個(gè)建模的流程，也能夠用一些開源的算法做一些模型訓(xùn)練。

第四種是 AI 應(yīng)用者，他們是 AI 非從業(yè)人員，希望使用人工智能解決業(yè)務(wù)痛點(diǎn)，大部分人都屬于這一類。

因此，針對(duì)不同的用戶層次，需要提供不一樣機(jī)器學(xué)習(xí)產(chǎn)品和服務(wù)。郭律以騰訊的智能鈦機(jī)器學(xué)習(xí)平臺(tái)服務(wù)為例給出了不同用戶所需要的差異化服務(wù)，比如 TI-A 是深度學(xué)習(xí)加速器，主要為專業(yè)級(jí)用戶進(jìn)行模型訓(xùn)練加速，同時(shí)在模型訓(xùn)練完之后，可以部署成服務(wù)對(duì)外進(jìn)行在線預(yù)測(cè)，解決了從模型落地到具體應(yīng)用場(chǎng)景的問題。TI-ONE，智能一站式機(jī)器學(xué)習(xí)平臺(tái)，它有一個(gè)可視化的 UI，客戶可以一目了然地看到整個(gè)建模工作流，而且里面有豐富的內(nèi)置算法組件。TI-S 的特點(diǎn)是全自動(dòng)，只需要給出數(shù)據(jù)，就可以反饋出可用的模型，并部署成一個(gè)應(yīng)用。

此外，郭律還介紹了智能鈦機(jī)器學(xué)習(xí)平臺(tái)服務(wù)具體的功能。該平臺(tái)對(duì)企業(yè)而言意味著降低了企業(yè)獲得 AI 能力的門檻，可以幫助企業(yè)打造自己的 AI 生態(tài)，它能幫助形成“數(shù)據(jù)+模型”雙閉環(huán)，支持模型自更新。

以下為騰訊的三款機(jī)器學(xué)習(xí)平臺(tái)產(chǎn)品詳細(xì)介紹：

▌TI-ONE

智能鈦一站式機(jī)器學(xué)習(xí)（TI OneStop，TI-ONE）適合 AI 初學(xué)者，同時(shí)又兼顧專業(yè)用戶需求的一站式機(jī)器學(xué)習(xí)平臺(tái)。

全流程一站式服務(wù)

TI-ONE 提供從數(shù)據(jù)預(yù)處理到模型部署的全流程服務(wù)，各個(gè)環(huán)節(jié)無縫銜接、流暢易用，從此用戶不再需要為完成一個(gè)機(jī)器學(xué)習(xí)任務(wù)在不同的產(chǎn)品間切換，并疲于各種兼容性的問題。

拖拽式任務(wù)流

通過圖形化界面的拖拉拽操作，組件與節(jié)點(diǎn)間自動(dòng)連線，數(shù)據(jù)流向自動(dòng)生成，繪制任務(wù)流暢便捷。

多框架支持

支持多種機(jī)器學(xué)習(xí)框架，方便用戶按照自己的習(xí)慣與需求自由選擇框架來搭建任務(wù)。

豐富內(nèi)置算法

TI-ONE 平臺(tái)內(nèi)置豐富的各類算法，從數(shù)據(jù)預(yù)處理流程到各類機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，AI 初學(xué)者們可以通過組件的拖拽在任務(wù)流中直接使用，無論是機(jī)器學(xué)習(xí)的回歸預(yù)測(cè)、深度學(xué)習(xí)的圖片分類、目標(biāo)檢測(cè)，用戶不再需要編寫晦澀難懂的算法代碼即可解決各場(chǎng)景需求。當(dāng)然，專業(yè)級(jí)用戶也可選擇自定義算法的上傳。

靈活的調(diào)度模式

在完成了任務(wù)流的搭建，在任務(wù)調(diào)度環(huán)節(jié)，TI-ONE 支持對(duì)參數(shù)進(jìn)行數(shù)值型與枚舉型的預(yù)設(shè)定，自動(dòng)完成多次任務(wù)，同時(shí)提供定時(shí)調(diào)度功能滿足周期性的調(diào)度，大大減少手動(dòng)多次調(diào)度的重復(fù)性工作量，在完成了多次運(yùn)行后，用戶可前往歷史實(shí)例模塊，快速橫向比對(duì)所有模型，選擇最優(yōu)結(jié)果。

結(jié)果可視化

運(yùn)行產(chǎn)生的模型結(jié)果，鼠標(biāo)懸浮即可顯示，同時(shí) TI-ONE 內(nèi)置豐富的模型評(píng)估方式和圖標(biāo)形式，讓用戶直觀地對(duì)比多個(gè)結(jié)果，模型優(yōu)劣一眼可辨。

一鍵部署服務(wù)

TI-ONE 提供了一鍵式部署工具，用戶可以將訓(xùn)練好的模型部署成 Application，然后裝載成多個(gè)實(shí)例，一個(gè)實(shí)例還可以有多個(gè)版本。第三方的用戶使用 REST API 便可輕松實(shí)現(xiàn)調(diào)用。

如此就完成了用 TI-ONE 構(gòu)建任務(wù)流到發(fā)布模型服務(wù)的全流程。

▌TI-A

智能鈦機(jī)器學(xué)習(xí)加速器（TI Accelerator，TI-A）是專為 AI 算法工程師設(shè)計(jì)的專業(yè)級(jí)機(jī)器學(xué)習(xí)平臺(tái)。旨在為用戶提供專業(yè)級(jí)的大規(guī)模訓(xùn)練工具，并提供極致的性能優(yōu)化。

命令行操作

區(qū)別于 TI-ONE 圖像化的界面風(fēng)格，TI-A 提供命令行的操作界面，為專業(yè)級(jí)用戶提供熟悉的工作環(huán)境。

大規(guī)模訓(xùn)練

幾乎所有算法工程師團(tuán)隊(duì)都面臨過大規(guī)模訓(xùn)練時(shí)速度太慢、計(jì)算集群成本高、IT 維護(hù)步驟復(fù)雜等困境。通過 TI-A 用戶可以一鍵構(gòu)建分布式 Tensorflow 框架，同時(shí)內(nèi)部封裝了 CNN、DNN、LSTM 等模型的分布式訓(xùn)練版本，大規(guī)模訓(xùn)練從此不再和“繁瑣”相綁定。

高性能

TI-A 基于 Tensorflow 框架進(jìn)行性能優(yōu)化，對(duì)比原生框架不論是單機(jī)性能，還是多級(jí)多卡的性能都有顯著的加速比提升，為用戶提供更極致的性能體驗(yàn)。

▌TI-S

如何使整個(gè)機(jī)器學(xué)習(xí)過程更加自動(dòng)化，減少數(shù)據(jù)科學(xué)家和 AI 算法專家在整個(gè)機(jī)器學(xué)習(xí)過程中的繁重勞動(dòng)力，同時(shí)讓更多沒有 AI 背景的人也可以輕松使用 AI 技術(shù)，一直是機(jī)器學(xué)習(xí)領(lǐng)域熱議的課題。如何能夠把完整的機(jī)器學(xué)習(xí)工作流做成云端易用的產(chǎn)品，讓用戶僅需要在界面上拖拽樣本數(shù)據(jù)就可以完成數(shù)據(jù)處理、特征抽取、模型訓(xùn)練等全流程？

即將推出的智能鈦?zhàn)詣?dòng)機(jī)器學(xué)習(xí)（TI SelfLearning，TI-S）將全面支持結(jié)構(gòu)化數(shù)據(jù)、圖像等領(lǐng)域的 AI 建模，使非 AI 專業(yè)人士能夠通過 TIS 獲得人工智能決策的能力。

TI-S 整體流程圖

TI-S 提供從數(shù)據(jù)預(yù)處理、特征工程、模型調(diào)參、模型評(píng)估、模型預(yù)測(cè)到結(jié)果分析的一站式服務(wù)，全流程覆蓋，實(shí)現(xiàn)從訓(xùn)練至預(yù)測(cè)的完整閉環(huán)，讓用戶無需算法經(jīng)驗(yàn)也能基于場(chǎng)景數(shù)據(jù)生成模型，真正降低 AI 技術(shù)落地各行業(yè)的門檻。

同時(shí)，智能鈦?zhàn)灾餮邪l(fā)的自動(dòng)數(shù)據(jù)清洗、自動(dòng)擇參、自動(dòng)調(diào)參、自動(dòng)特征選擇、自動(dòng)算法選擇等技術(shù)，亦能高效輔助解決 AI 專業(yè)人員在工作各環(huán)節(jié)中繁瑣、耗時(shí)的問題。