微软亚洲研究院常务副院长芮勇　人工智能趋势之四化

2016-12-17

中国教育网络 2016年9期

关键词：常务副错误率像素

微软亚洲研究院常务副院长芮勇人工智能趋势之四化

“人工智能”一词最早出现于1956年，近年来“人工智能”越来越热，人们对此也感到一些困惑。未来，人工智能的发展趋势应是大数据化、自适应化、可穿戴化和增强化。

大数据化

微软认知服务是把微软过去二十几年做的人工智能分支的技术，包括计算机视觉、语音、语言、搜索等技术放在认知服务上。这样的好处是当人们想开发一个App的时候，不用重新开发，直接调用即可。

图1为估算颜龄的一个网站：www.how-old.net，在这上面首先要知道人脸在什么位置，其次是判断性别。2015年底，发布了第二个版本，可以估计出人类的情感、喜怒哀乐等。

2011年以前，深度学习在没有被引入计算机视觉之前，其错误率大约为百分之二十几，直到2012年，深度学习第一次被引入计算机视觉，这时错误率大幅下降到百分之十几，之后几年更是降到了10%以内。

此外，物体检测是比物体分类更难的事情，特别是像素级别的物体分割。我们知道一张图片有很多像素级别，每个像素是属于猫，还是属于这只猫边上的草，每一项都要进行分类，这是非常难的。从图片分类到物体检测，再到像素级的物体分割，为什么计算机视觉可以做到？这是因为人类生成了很多的数据，这些数据被拿来训练计算机，它才能够有一定的智能，这也是第一类趋势——大数据化。

图1　估算颜龄的一个网站

图2　

自适应性

在电影《星际迷航》有这样一个场景，不同的星迷去不同的星球探索，可以通过一个机器来进行交流，这在当时还是一种科幻。研发人员总能把科幻变为现实，目前有一种实时翻译器，使得两种说不同语言的人可以实时交互。大约在2010年时微软内部进行了展示。2015年，我们将这项技术加入到Skype里。

其中，必须要有四项技术做得非常好。第一步，中文的音频系统要被实时翻译成中文文字，并且要非常准确；第二步，因为是日常的对话，会有一些口语，嗯、啊等，需要把这些地方进行翻译；第三步，中文文字翻译出来之后，需要翻译成外文文字；第四步，把这些外文翻译成语音。同时还要注意翻译出的声音应该是像同一个人说话，这也是我们提到的自适应化。