科大訊飛魏思博士

魏思，肥東一中99屆高中畢業(yè)生，現(xiàn)為中國科學(xué)技術(shù)大學(xué)工學(xué)博士、科大訊飛研究院副院長、訊飛易聽說首席科學(xué)家。2017年獲選《麻省理工科技評(píng)論》全球青年科技創(chuàng)新人才，入選為“遠(yuǎn)見者”，代表了深度學(xué)習(xí)與語音識(shí)別的創(chuàng)新精神。魏思知識(shí)淵博，才思敏捷，為人謙遜，表達(dá)力強(qiáng)且不失幽默，善于深入淺出地把深?yuàn)W的理學(xué)知識(shí)講解得淺顯易懂。

訊飛超腦計(jì)劃及研究成果

科大訊飛研究院副院長，帶領(lǐng)團(tuán)隊(duì)研發(fā)語音識(shí)別新框架，和傳統(tǒng)深度學(xué)習(xí)模型相比，增加了“記憶塊”的模塊，用以存儲(chǔ)對(duì)判斷當(dāng)前語音幀有用的歷史信息和未來信息，可以使響應(yīng)時(shí)間可以大大縮短。

近幾年，中國討論度最高的人工智能公司少不了科大訊飛。但大部分人是對(duì)訊飛的了解僅限于其語音技術(shù)，其實(shí)，科大訊飛還有一個(gè)更大的目標(biāo)——打造“訊飛超腦”。

以“從能聽會(huì)說到能理解會(huì)思考”為目標(biāo)的訊飛超腦計(jì)劃，要實(shí)現(xiàn)基于類人神經(jīng)網(wǎng)絡(luò)的認(rèn)知智能引擎，預(yù)期成果是實(shí)現(xiàn)世界上第一個(gè)中文認(rèn)知智能計(jì)算引擎。

魏思正是“訊飛超腦”計(jì)劃的主要負(fù)責(zé)人之一。1999年，他進(jìn)入中國科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系學(xué)習(xí)，并于 2008年獲得中國科學(xué)技術(shù)大學(xué)工學(xué)博士學(xué)位，同年起在科大訊飛研究院工作至今。如今，身為科大訊飛研究院副院長的魏思，同樣是訊飛語音技術(shù)的核心人物。

基于訊飛超腦計(jì)劃，科大訊飛正在開啟一場以語音和語言為入口的“認(rèn)知革命”。在過去6年中，訊飛的語音識(shí)別技術(shù)準(zhǔn)確率從60.2％提升到95％以上。

準(zhǔn)確率提升的背后，是魏思帶領(lǐng)團(tuán)隊(duì)研發(fā)的一個(gè)語音識(shí)別“新武器”——一種名為“前饋型序列記憶網(wǎng)絡(luò) ”（ FSMN ）的新框架。據(jù)魏思介紹，和傳統(tǒng)深度學(xué)習(xí)模型相比，前饋型序列記憶網(wǎng)絡(luò)增加了一個(gè)“記憶塊”的模塊，用以存儲(chǔ)對(duì)判斷當(dāng)前語音幀有用的歷史信息和未來信息，從而實(shí)現(xiàn)語音識(shí)別中的“端到端”建模。和其他多個(gè)技術(shù)點(diǎn)結(jié)合后，訊飛基于FSMN的語音識(shí)別框架獲得了大幅度的性能提升。這個(gè)新模型可以使響應(yīng)時(shí)間可以大大縮短，例如原來的一個(gè)星期可以縮短到一天，還可以提升訓(xùn)練效果。

FSMN保證了語音識(shí)別的準(zhǔn)確性，但這還不夠。一個(gè)大趨勢是，幾乎所有在做語音技術(shù)的人工智能公司都會(huì)追求更高的語音合成自然程度。在這一點(diǎn)上，魏思領(lǐng)導(dǎo)團(tuán)隊(duì)則實(shí)現(xiàn)了基于深度學(xué)習(xí)的全新的語音合成系統(tǒng)，進(jìn)一步提升合成語音的自然度和表現(xiàn)力。在有麻省理工學(xué)院、卡內(nèi)基梅隆大學(xué)等國際知名科研機(jī)構(gòu)參加的國際最高水平的語音合成比賽 Blizzard Challenge（暴風(fēng)雪競賽）中，魏思團(tuán)隊(duì)開發(fā)的系統(tǒng)連續(xù) 11 年奪冠，7 項(xiàng)指標(biāo)全部全球第一，并且是所有參賽隊(duì)伍中唯一超過自然人發(fā)音水平的系統(tǒng)。

當(dāng)然，對(duì)于正在采取“平臺(tái)+賽道”擴(kuò)張方式的訊飛而言，無論是哪一個(gè)賽道，都離不開技術(shù)的積累，魏思在多年科研工作中的成果也正迎來新的機(jī)會(huì)。

比如，他曾創(chuàng)造性地提出多種中英文語音評(píng)測評(píng)測算法，并帶領(lǐng)團(tuán)隊(duì)獲得國際領(lǐng)先成果。現(xiàn)在，他們已經(jīng)可以將相關(guān)的評(píng)測技術(shù)應(yīng)用到普通話測試及教學(xué)中，其中英文口語測試系統(tǒng)在國內(nèi)外首次達(dá)到人工評(píng)測員水平。這項(xiàng)技術(shù)最主要的特點(diǎn)是實(shí)現(xiàn)了測試管理的信息化和測試手段的現(xiàn)代化。

而在說話人語種識(shí)別研究上，魏思則提出了基于深度神經(jīng)網(wǎng)絡(luò)的語種識(shí)別算法，大幅提升了語種識(shí)別的效果，成為目前業(yè)界所有語種識(shí)別系統(tǒng)的標(biāo)準(zhǔn)配置。

類似的案例還有很多，魏思的技術(shù)征途也不再僅限于語音：他帶領(lǐng)團(tuán)隊(duì)提出基于CNN的離線手寫識(shí)別策略，在世界上首次實(shí)現(xiàn)試卷掃描自動(dòng)評(píng)分系統(tǒng)；在人工智能-認(rèn)知智能方面，魏思帶領(lǐng)團(tuán)隊(duì)獲得國際著名的常識(shí)推理比賽Winograd Schema Challenge 2016的第一名成績，該任務(wù)是國際常識(shí)推理領(lǐng)域的新型評(píng)測任務(wù)，被學(xué)術(shù)界普遍認(rèn)為是替代圖靈測試衡量機(jī)器智能水平的重要學(xué)術(shù)挑戰(zhàn)……

如果說有什么在驅(qū)動(dòng)魏思不斷地創(chuàng)新，那肯定少不了他對(duì)現(xiàn)有技術(shù)的“不滿足”?！半m然近幾年深度神經(jīng)網(wǎng)絡(luò)的興起使得語音識(shí)別性能獲得了極大的提升，但是我們并不能迷信于現(xiàn)有的技術(shù)，總有一天新技術(shù)的提出會(huì)替代現(xiàn)有的技術(shù)”，魏思曾在一篇博文中這樣寫道。

回顧語音識(shí)別的發(fā)展歷史和訊飛語音識(shí)別系統(tǒng)的最新進(jìn)展，他也發(fā)現(xiàn)，技術(shù)的突破總是艱難而緩慢的，重要的是堅(jiān)持和不斷思考。他也堅(jiān)信，“現(xiàn)在是一個(gè)偉大的時(shí)代”。

“那么，在這個(gè)偉大的時(shí)代，我們的征途是什么呢？我覺得有一句話非常能夠表現(xiàn)我自己或者是訊飛研究院這么多年的思考，那就是：在中國，可以改變世界”。魏思認(rèn)為，在這10年中，中國原創(chuàng)能力的蓬勃發(fā)展已經(jīng)顯現(xiàn)出來，與全世界同臺(tái)競技，“我們毫不怯場”。

展望下一個(gè)10年，魏思和他的團(tuán)隊(duì)同樣有幾個(gè)小目標(biāo)：將訊飛研究院打造成一個(gè)世界知名的研究機(jī)構(gòu)，培養(yǎng)出一批世界頂級(jí)的科學(xué)家，最后，能夠解決幾個(gè)基本的科學(xué)問題。

“在下一個(gè)10年或者20年，我們終將可以觸及智能的本質(zhì)，解開智慧之謎”。