近日，在2022科大訊飛全球1024開發(fā)者節(jié)發(fā)布會(huì)上，科大訊飛股份有限公司(以下簡(jiǎn)稱科大訊飛)AI研究院副院長(zhǎng)高建清以“AI新紀(jì)元，訊飛超腦2030”為主題，詳解“訊飛超腦2030計(jì)劃”階段性技術(shù)突破，一大波“預(yù)演未來”的創(chuàng)新應(yīng)用將走入日常生活。
高建清表示，實(shí)施“訊飛超腦2030計(jì)劃”，旨在突破人工智能共性基礎(chǔ)算法，攻克多模態(tài)感知、多維表達(dá)、認(rèn)知智能、運(yùn)動(dòng)智能等核心技術(shù)，研究軟硬一體的機(jī)器人關(guān)鍵技術(shù)，探索虛擬人交互、機(jī)器人等方面的示范應(yīng)用。
突破兩個(gè)關(guān)鍵算法讓AI更好地學(xué)習(xí)、推理
“‘訊飛超腦2030計(jì)劃’的發(fā)展，離不開兩個(gè)關(guān)鍵算法的突破，無監(jiān)督學(xué)習(xí)和知識(shí)推理。”高建清說，前者需要實(shí)現(xiàn)實(shí)用化、場(chǎng)景化的預(yù)訓(xùn)練技術(shù)，后者需要構(gòu)建基于知識(shí)檢索、決策以及融合的推理系統(tǒng)。
科大訊飛設(shè)計(jì)了基于無監(jiān)督學(xué)習(xí)的預(yù)訓(xùn)練模型，并創(chuàng)新地使用了少量有監(jiān)督數(shù)據(jù)進(jìn)行優(yōu)化，大幅提升訓(xùn)練效率。高建清說：“預(yù)訓(xùn)練模型支持語(yǔ)音識(shí)別、聲紋識(shí)別、情感識(shí)別、多模態(tài)語(yǔ)音識(shí)別等多個(gè)任務(wù)，參數(shù)量少于業(yè)界公開模型，但訓(xùn)練效果卻十分顯著。”
以回答“面包在低溫下會(huì)馬上發(fā)霉嗎”這一問題為例，機(jī)器要理解“低溫變質(zhì)慢”等常識(shí)，在引入海量知識(shí)的基礎(chǔ)上，要用預(yù)訓(xùn)練模型進(jìn)行知識(shí)重要性排序，也要融合知識(shí)與問題進(jìn)行推理，才能與人暢聊“面包變質(zhì)的二三事”。
科大訊飛還探索將神經(jīng)網(wǎng)絡(luò)與符號(hào)推理相結(jié)合，打造了知識(shí)推理系統(tǒng)，實(shí)現(xiàn)推理過程的可解釋性。在小學(xué)平面幾何題上，這個(gè)推理系統(tǒng)讓AI答題的正確率提升到90%的水平，顯著優(yōu)于傳統(tǒng)推理系統(tǒng)。
多模態(tài)語(yǔ)音增強(qiáng)技術(shù)讓AI的聲音有感情
在“訊飛超腦2030計(jì)劃”中，“唇形+語(yǔ)音”的多模態(tài)語(yǔ)音增強(qiáng)技術(shù)，實(shí)現(xiàn)了智能語(yǔ)音交互新模式。
“想要讓機(jī)器更自然地與人類進(jìn)行交互，就需要通過聽覺、視覺、語(yǔ)義以及各種傳感器的組合讓機(jī)器獲取更多的有用信息，AI的感知方式必然要從單模態(tài)發(fā)展到多模態(tài)，逐步擬人化。”高建清表示。
如何讓機(jī)器的聲音媲美人類？高建清分享了科大訊飛在語(yǔ)音合成技術(shù)領(lǐng)域的新突破——多風(fēng)格多情感合成系統(tǒng)SMART-TTS。
高建清介紹，SMART-TTS可提供高興、抱歉、撒嬌、嚴(yán)肅、悲傷、困惑、害怕、鼓勵(lì)、生氣、安慰、寵溺等11種情感模式，每種情感模式依程度強(qiáng)弱不同分為20檔；SMART-TTS還具備對(duì)機(jī)器聲音的“個(gè)性化”設(shè)置功能，如停頓、重音、語(yǔ)速等，用戶可以根據(jù)自己的喜好調(diào)節(jié)。
當(dāng)你漫步林蔭路，TA可以用字正腔圓的“播音腔”為你讀新聞；當(dāng)你結(jié)束一天工作準(zhǔn)備入睡，TA可以輕聲細(xì)語(yǔ)為你讀散文；當(dāng)你驅(qū)車去公司上班，TA可以用你最喜歡的歌手的聲音告訴你走哪條路不堵車；當(dāng)你和家人一起觀看紀(jì)錄片，TA還可以為紀(jì)錄片不同人物配音，人機(jī)交互表達(dá)自然、情感飽滿。（來源：科技日?qǐng)?bào)）
