2016 年 7 月 16 日，極客公園“奇點(diǎn)·創(chuàng)新者峰會(huì)”在上海召開，包括特斯拉聯(lián)合創(chuàng)始人 JB Straubel 、超級(jí)高鐵 Hyperloop alt="物聯(lián)網(wǎng)" width="550" height="297" />
上午壓軸出場的搜狗公司 CEO 王小川，發(fā)表了人工智能應(yīng)用主題的精彩演講《我們應(yīng)該用 AI 創(chuàng)造什么》，更成為了唯一一位現(xiàn)場進(jìn)行 AI 技術(shù)演示的演講者。利用搜狗公司的語音識(shí)別技術(shù)，王小川的演講內(nèi)容在現(xiàn)場實(shí)時(shí)生成了滾動(dòng)字幕顯示，目測準(zhǔn)確率高達(dá) 95% 以上。同步的字幕引起了現(xiàn)場觀眾極大的興趣，紛紛起立拍照。在演講結(jié)束后，現(xiàn)場語音識(shí)別成果立刻生成了完整的演講稿，觀眾通過掃描二維碼即可閱讀。
王小川現(xiàn)場邀請了一位觀眾上臺(tái)體驗(yàn)了搜狗輸入法的新功能 “ 語音修改 ” 。用戶對(duì)著手機(jī)說出一段文字后，再通過自然語言的方式將語音識(shí)別錯(cuò)誤的地方進(jìn)行修正，贏得了現(xiàn)場熱烈的掌聲。王小川介紹道;“目前搜狗手機(jī)輸入法日均語音輸入調(diào)用次數(shù)超過1.4 億次，是中國最大的語音識(shí)別引擎，語音識(shí)別準(zhǔn)確率已超過 97% 。但當(dāng)前的人工智能技術(shù)仍然無法讓語音識(shí)別達(dá)到 100% 的準(zhǔn)確率。對(duì)此搜狗開發(fā)了語音修改功能，通過自然語言交互的形式修改所輸入的文字，比‘將弓長張改為立早章’等，不僅解決了語音識(shí)別準(zhǔn)確率最后 3% 的差距，同時(shí)解放了用戶雙手，提高了用戶輸入效率。”
在王小川看來，“帶著技術(shù)找市場”與“找市場時(shí)丟了技術(shù)”都是不可取的，“ 樹根是技術(shù)，樹干是產(chǎn)品，真正開花結(jié)果是最后的市場 ”，當(dāng)前人工智能企業(yè)更重要的任務(wù)是抓住市場、深挖技術(shù)，創(chuàng)造連接市場和技術(shù)的優(yōu)秀產(chǎn)品，而搜索引擎本身就是這樣一種人工智能。搜狗的使命就是讓表達(dá)與獲取信息更簡單，真正成為人類生活的助手，而這也是人工智能未來最重要的發(fā)展方向。
以下為演講全文：
大家好，我本人是人工智能的鼓吹者。在大家談互聯(lián)網(wǎng)的時(shí)候，我們就開始談產(chǎn)品;大家談產(chǎn)品的時(shí)候，我們就開始談技術(shù);大家開始談技術(shù)的時(shí)候;我們已經(jīng)開始談人工智能。那今天大家都在談人工智能，我要談一些什么東西呢?
感謝李志飛，其實(shí)他的演講我非常喜歡，我很感謝他把我想講的東西都已經(jīng)講完了，很多理解是一樣的。李志飛在最后說，今天沒有給大家?guī)硪粋€(gè)演示，搜狗帶來了，請看大屏幕!我們預(yù)料到了今天網(wǎng)絡(luò)可能有故障，所以我們把服務(wù)器搬到了現(xiàn)場!
那么我們在談人工智能的時(shí)候，我會(huì)談一些反思，因?yàn)榻裉齑蠹铱赡苓^多高估了人工智能的未來。在今年上半年，我是鼓吹 AlphaGo 這樣一場跨世紀(jì)的比賽， 4 ： 1 的比分。那么之后就像一場啟蒙運(yùn)動(dòng)，所有的公司所有的投資把眼光都看向了人工智能，在全球范圍內(nèi)的投資異常地活躍，中國也一樣。那在這個(gè)時(shí)候我更多想談到，我們得小心什么地方是陷阱，什么地方是真的人工智能的未來?
就在前一個(gè)月，我去谷歌跟 AlphaGo 的工程師做了深度的溝通。有件事情我得告訴大家， AlphaGo 并沒有停止研發(fā)，還繼續(xù)在往前進(jìn)步。但是我跟他們聊的時(shí)候，談到到今天為止，跟李世乭下棋的第四局，機(jī)器還是贏不了。我是非常驚訝的，已經(jīng)過了3 個(gè)月的時(shí)間，所以我跟他們說，有什么樣的算法可以改進(jìn)贏得第四局的比賽?谷歌的工程師跟我苦笑，他說你講的方法我們都試過了。
回到我們深度學(xué)習(xí)。今天大家知道有一個(gè)巨大的危險(xiǎn)，因?yàn)閭鹘y(tǒng)做人工智能的專家就在預(yù)言，深度學(xué)習(xí)有一些缺點(diǎn)，穩(wěn)定性不夠，在一些需要可靠性的場景里面，沒有完整的數(shù)學(xué)的計(jì)算和證明。所以這種情況里面即便是 99% 的正確性，也可能會(huì)帶來不確定，比如在無人駕駛，這 1% 的不確定性，就可能帶來汽車的失速，而且不知道怎么修正。所以我們今天會(huì)知道，深度學(xué)習(xí)我們認(rèn)為可以做很多的事情，但是到現(xiàn)在我們?nèi)祟惖募夹g(shù)掌握還是比較淺的。那么我也談到在語音識(shí)別這樣的一個(gè)話題，今天語音識(shí)別已經(jīng)到了比較高的準(zhǔn)確度，已經(jīng)接近實(shí)用，但是其實(shí)還是很多的限制。比如說我們需要安靜的環(huán)境，當(dāng)有噪音的時(shí)候同時(shí)有兩個(gè)人說話機(jī)器就搞不定了，我們的辦法是，比如說在汽車環(huán)境里面，預(yù)先錄制發(fā)動(dòng)機(jī)引擎的聲音，或者是噪音加到識(shí)別里面去，就把沒有見過的環(huán)境變成機(jī)器能夠見過的環(huán)境，就能夠做識(shí)別。
但是我跟工程師聊，那其它的環(huán)境，如果有兩個(gè)人說話怎么辦?總有一個(gè)人的聲音是聽不到的?我們的解決方案是用麥克風(fēng)舉證，有一種麥克風(fēng)可以定向識(shí)別，如果兩個(gè)人不同的位置不同的聲音，聲音的音源可以分離開。人是這樣嗎?人是靠兩只耳朵定聲音嗎?如果只有一只耳朵，或者兩個(gè)人在同一個(gè)方向說話會(huì)怎么樣?人是能識(shí)別的對(duì)吧?機(jī)器就做不到了。所以我在這張圖里面跟大家演示，我也問了搞神經(jīng)科學(xué)的人，他們說人跟機(jī)器有本質(zhì)的區(qū)別，如果兩個(gè)人說話的時(shí)候位置不一樣，人可以分離開，如果位置一樣，一個(gè)人聲音大，一個(gè)人聲音小也能分開。如果兩個(gè)人的聲音一樣大，一個(gè)是男聲，一個(gè)女聲也可以分開，如果都是男聲，但一個(gè)人說中文，一個(gè)人說英文也能分開。所以人是在一個(gè)環(huán)境當(dāng)中，只要能夠找到一線機(jī)會(huì)，把兩個(gè)聲音的不同找到一個(gè)特征，就能動(dòng)態(tài)地去分離。但對(duì)不起，今天在全球范圍內(nèi)，我們號(hào)稱在語音識(shí)別有重大的各種各樣的突破，還是解決不了這樣的問題，所以我們知道今天的計(jì)算機(jī)離人還有巨大的距離。