微軟黃學(xué)東：企業(yè)應(yīng)用最后一個(gè)痛點(diǎn)是會(huì)議中的語(yǔ)音

昨天下午，微軟全球技術(shù)院士黃學(xué)東博士、微軟大中華區(qū)副總裁兼市場(chǎng)營(yíng)銷(xiāo)及運(yùn)營(yíng)總經(jīng)理康容、ROOBO CTO雷宇接受了包括新智元在內(nèi)的媒體專(zhuān)訪，詳細(xì)解答了微軟的語(yǔ)音技術(shù)、產(chǎn)品落地以及生態(tài)合作。

在昨天的微軟人工智能大會(huì)上，微軟全球技術(shù)院士黃學(xué)東展示了微軟多項(xiàng)語(yǔ)音、翻譯等技術(shù)，微軟Build大會(huì)上的“黑科技”全球首創(chuàng)AI會(huì)議系統(tǒng)再次被演示。

昨天下午，黃學(xué)東博士、微軟大中華區(qū)副總裁兼市場(chǎng)營(yíng)銷(xiāo)及運(yùn)營(yíng)總經(jīng)理康容、ROOBO CTO雷宇接受了包括新智元在內(nèi)的媒體專(zhuān)訪，詳細(xì)解答了微軟的語(yǔ)音技術(shù)、產(chǎn)品落地以及生態(tài)合作。

新智元根據(jù)現(xiàn)場(chǎng)速記進(jìn)行整理，部分內(nèi)容有刪節(jié)。

黃學(xué)東：評(píng)價(jià)谷歌沒(méi)有什么意思，微軟的“全武功”最有意思

問(wèn)：您一直關(guān)注語(yǔ)音技術(shù)，現(xiàn)在很多搜索引擎還是通過(guò)輸入文字來(lái)進(jìn)行交互，什么時(shí)候我們能夠看到像語(yǔ)音識(shí)別或圖像技術(shù)真正改變到搜索引擎現(xiàn)在的狀況？

黃學(xué)東：搜索引擎現(xiàn)在很復(fù)雜，我做語(yǔ)音之前做過(guò)搜索引擎，后臺(tái)要完全了解所有的文件內(nèi)容和關(guān)鍵是字是什么東西，還要匹配用戶意圖，找到相應(yīng)的文本，它也有很多人工智能深度學(xué)習(xí)的技術(shù)。

語(yǔ)音識(shí)別在現(xiàn)在的媒體階段，是文本輸入還是語(yǔ)音輸入還是圖像輸入？基本上還是一個(gè)相對(duì)比較松的耦合。語(yǔ)音進(jìn)步的主要標(biāo)桿是把波形轉(zhuǎn)換成文字，這個(gè)過(guò)程中中文字也可以有不同的選擇，因?yàn)檎Z(yǔ)音識(shí)別不是完全的準(zhǔn)確，就像搜索引擎一樣，有第一個(gè)好結(jié)果，有第二好結(jié)果、第三結(jié)果，把整個(gè)結(jié)果給搜索引擎，搜索引擎在搜索的時(shí)候可以搜索不僅僅是第一好的結(jié)果，而且把語(yǔ)音識(shí)別第二好的結(jié)果也考慮進(jìn)去?，F(xiàn)在工業(yè)界的狀態(tài)基本上是這樣。

問(wèn)：麥克風(fēng)陣列部分經(jīng)常在語(yǔ)音識(shí)別場(chǎng)景下遇到噪音問(wèn)題，微軟可以解決這個(gè)問(wèn)題嗎？還是說(shuō)未來(lái)我們可以有更好的方法？

黃學(xué)東：我們有麥克風(fēng)陣列的核心技術(shù)，并且已經(jīng)有長(zhǎng)足的進(jìn)步，在業(yè)界是領(lǐng)先的。再加上360度的攝像頭，這兩者的結(jié)合讓會(huì)議“AI神器”達(dá)到了很高的高度。不管是講了什么話，各方面的指標(biāo)都上了一個(gè)臺(tái)階。今后，我們的前景非常非常樂(lè)觀。

問(wèn)：之前谷歌Duplex打電話號(hào)稱(chēng)已經(jīng)通過(guò)了圖靈測(cè)試，你對(duì)這個(gè)怎么評(píng)價(jià)？

黃學(xué)東：不敢評(píng)價(jià)。媒體上很多評(píng)價(jià)說(shuō)他們?cè)谧骷?，很多人質(zhì)疑谷歌，讓谷歌發(fā)言人出來(lái)認(rèn)證，他們不出來(lái)認(rèn)證，也不說(shuō)話。

微軟會(huì)議“AI神器”在多人自由交談的情況下能知道誰(shuí)在說(shuō)話，而且知道說(shuō)了什么話，做了現(xiàn)場(chǎng)演示。不僅做了中文，還做了英文，這是我們要表達(dá)的微軟在語(yǔ)音識(shí)別業(yè)界的領(lǐng)導(dǎo)地位，是全武功，那個(gè)武是武力的“武”，不是一二三四五的五。

所以說(shuō)批評(píng)谷歌沒(méi)有什么意思，我們的“全武功”最有意思。

不僅能支持全雙工，而且能支持“全武功”

問(wèn)：上午微軟展示了人工智能的系統(tǒng)，有哪些東西是微軟從底層基礎(chǔ)研發(fā)到開(kāi)放再到產(chǎn)品的生產(chǎn)制造？有哪些是把底層的技術(shù)開(kāi)放給伙伴，他們基于平臺(tái)和技術(shù)做產(chǎn)品的研發(fā)和人工智能應(yīng)用產(chǎn)品？

黃學(xué)東：首先，這些是研究的演示，微軟從來(lái)不預(yù)先宣布我們產(chǎn)品什么時(shí)候出來(lái)、以什么方式出來(lái)。我們產(chǎn)品有幾個(gè)東西可以講，第一是我們的認(rèn)知服務(wù)，語(yǔ)音這一部分云的API、模型、服務(wù)，有一套新的規(guī)律，這是在微軟Build大會(huì)上已經(jīng)宣布了的。

第二是定制服務(wù)增加了語(yǔ)音合成，想要換成自己想要聽(tīng)的聲音，可以上傳三個(gè)小時(shí)、十個(gè)小時(shí)，越多質(zhì)量越好，可以定制到你想要的聲音。所以我們?nèi)€語(yǔ)音和翻譯都實(shí)現(xiàn)了量身定制。

現(xiàn)在如果你是開(kāi)發(fā)商要開(kāi)發(fā)自己的音箱，可以用微軟剛剛推出來(lái)的MSDDK，這是我們和ROOBO合作推出來(lái)的一個(gè)最新解決方案，不僅僅有微軟和ROOBO合作推出來(lái)的硬件，而且有最新的麥克風(fēng)陣列，包括四麥線性的和七麥原型的麥克風(fēng)陣列。這個(gè)黑科技是絕對(duì)引導(dǎo)業(yè)界潮流的，我們不僅能支持全雙工，而且能支持“全武功”。

康容：我補(bǔ)充一下，因?yàn)槲④浭且粋€(gè)平臺(tái)和工具的企業(yè)，我們是提供平臺(tái)和工具，我們的黑科技、研發(fā)團(tuán)隊(duì)、我們的大咖博士發(fā)明的東西，他們漸漸的會(huì)落地到我們自己的產(chǎn)品中，也會(huì)提供給我們的生態(tài)合作伙伴讓他們來(lái)開(kāi)發(fā)。

微軟大中華區(qū)副總裁兼市場(chǎng)營(yíng)銷(xiāo)及運(yùn)營(yíng)總經(jīng)理康容

今天早上看到哪一個(gè)黑科技會(huì)在什么時(shí)候落地，很難講出來(lái)，但是遲早會(huì)發(fā)生。我們會(huì)盡快的落地，我們會(huì)看市場(chǎng)的需求。所以，我們聽(tīng)到越多的客戶和合作伙伴的聲音，我們就會(huì)加速某某功能盡量落地。我們一系列的很多新東西都會(huì)提供給生態(tài)一起來(lái)合作。

問(wèn)：ROOBO本身是針對(duì)不同的應(yīng)用場(chǎng)景解決人工智能軟硬結(jié)合方案的設(shè)計(jì)，然后去生產(chǎn)銷(xiāo)售，過(guò)去這幾年做這種場(chǎng)景化的人工智能設(shè)計(jì)，然后再去推廣。人工智能產(chǎn)品怎么更成功的被市場(chǎng)接受，讓消費(fèi)者更容易去掏錢(qián)買(mǎi)？如何落地和激活？為什么這次和微軟合作語(yǔ)音的開(kāi)發(fā)及機(jī)會(huì)在哪里？微軟的技術(shù)怎么獨(dú)特的激活這個(gè)市場(chǎng)？

雷宇：其實(shí)這兩個(gè)問(wèn)題是一個(gè)問(wèn)題。我們知道AI落地沒(méi)有一個(gè)通用AI可以應(yīng)用到每個(gè)垂直領(lǐng)域，這里面最核心的問(wèn)題是如何產(chǎn)品化。

康容與雷宇（右）

在我們創(chuàng)業(yè)過(guò)程中我們發(fā)現(xiàn)，所有的方案只考慮技術(shù)，不考慮內(nèi)容和服務(wù)。這在本質(zhì)上違反了市場(chǎng)原則，用戶永遠(yuǎn)要的是服務(wù)和功能，我覺(jué)得技術(shù)只是提升它的體驗(yàn)，我覺(jué)得這是一個(gè)本質(zhì)的問(wèn)題。

我們的痛點(diǎn)是在通用AI技術(shù)上，沒(méi)有達(dá)到我們滿意的效果，所以我們需要和國(guó)際上最頂尖的公司進(jìn)行合作。

微軟認(rèn)知服務(wù)是全面性，微軟服務(wù)本身也是有機(jī)體，本身考慮的就很完善。我們和微軟的合作，因?yàn)槲覀兛吹搅恕懊魈臁钡臇|西，可以少走一些彎路，多模態(tài)和多場(chǎng)景的東西必然帶來(lái)很大的變革。

企業(yè)應(yīng)用最后一個(gè)痛點(diǎn)：會(huì)議中的語(yǔ)音

問(wèn)：微軟開(kāi)發(fā)出了很好的語(yǔ)音識(shí)別等的技術(shù)，你們打算用這些技術(shù)開(kāi)發(fā)出一些什么樣的產(chǎn)品？智能音箱有很多企業(yè)都在做，但是具體的有沒(méi)有什么更好的應(yīng)用可以為大家更好的服務(wù)呢？

黃學(xué)東：語(yǔ)音交互過(guò)程中，在所有的商業(yè)場(chǎng)景中，用電子郵件、微信等等其他的產(chǎn)品都已經(jīng)數(shù)字化了，會(huì)議中的語(yǔ)音是現(xiàn)在沒(méi)有數(shù)字化的一個(gè)主要媒體，這對(duì)生產(chǎn)力的提高、對(duì)消費(fèi)的提高是最后的痛點(diǎn)。在企業(yè)的應(yīng)用中，最后的一個(gè)痛點(diǎn)就在這個(gè)地方。

會(huì)議比較難做，不像全雙工，只有兩個(gè)人在講話，超過(guò)三個(gè)人的會(huì)議就比兩個(gè)人會(huì)議難很多。如果能做到七八個(gè)人開(kāi)會(huì)，都可以轉(zhuǎn)錄和翻譯，可以變成數(shù)字化的形式處理。

問(wèn)：如何看待目前的人工智能市場(chǎng)？

黃學(xué)東：我覺(jué)得人工智能造就的“餅”足夠大，傳統(tǒng)公司和新生公司都可以在這個(gè)餅上發(fā)揮自己的空間，為用戶提供更優(yōu)質(zhì)的服務(wù)。微軟云是提供全球很寬泛的一個(gè)平臺(tái)，它的覆蓋力不管是全球語(yǔ)言還是數(shù)據(jù)中心的覆蓋力都應(yīng)該是引導(dǎo)潮流的。在這樣一個(gè)平臺(tái)上，微軟的從計(jì)算機(jī)視覺(jué)到自然語(yǔ)言處理，再到語(yǔ)音和搜索、知識(shí)表達(dá)等服務(wù)，都是業(yè)界領(lǐng)導(dǎo)潮流的。

所以在這個(gè)平臺(tái)上和人工智能的深度上微軟有非常大的優(yōu)勢(shì)，所以我們希望在提供這個(gè)寬度和深度這樣的架構(gòu)下，有更多的開(kāi)發(fā)商可以在這個(gè)平臺(tái)上開(kāi)發(fā)出我們還沒(méi)有想到的應(yīng)用，這個(gè)才是平臺(tái)做的事情。大家要知道微軟有廣度且有深度，這個(gè)情況下開(kāi)發(fā)商應(yīng)該加入這個(gè)平臺(tái)，在上面創(chuàng)造他們新的價(jià)值。