◎本報記者 吳長鋒
近日，在2022科大訊飛全球1024開發(fā)者節(jié)發(fā)布會上，科大訊飛股份有限公司(以下簡稱科大訊飛)AI研究院副院長高建清以“AI新紀元，訊飛超腦2030”為主題，詳解“訊飛超腦2030計劃”階段性技術突破，一大波“預演未來”的創(chuàng)新應用將走入日常生活。
高建清表示，實施“訊飛超腦2030計劃”，旨在突破人工智能共性基礎算法，攻克多模態(tài)感知、多維表達、認知智能、運動智能等核心技術，研究軟硬一體的機器人關鍵技術，探索虛擬人交互、機器人等方面的示范應用。
突破兩個關鍵算法讓AI更好地學習、推理
“‘訊飛超腦2030計劃’的發(fā)展，離不開兩個關鍵算法的突破，無監(jiān)督學習和知識推理?！备呓ㄇ逭f，前者需要實現(xiàn)實用化、場景化的預訓練技術，后者需要構建基于知識檢索、決策以及融合的推理系統(tǒng)。
科大訊飛設計了基于無監(jiān)督學習的預訓練模型，并創(chuàng)新地使用了少量有監(jiān)督數(shù)據(jù)進行優(yōu)化，大幅提升訓練效率。高建清說：“預訓練模型支持語音識別、聲紋識別、情感識別、多模態(tài)語音識別等多個任務，參數(shù)量少于業(yè)界公開模型，但訓練效果卻十分顯著?！?/p>
以回答“面包在低溫下會馬上發(fā)霉嗎”這一問題為例，機器要理解“低溫變質慢”等常識，在引入海量知識的基礎上，要用預訓練模型進行知識重要性排序，也要融合知識與問題進行推理，才能與人暢聊“面包變質的二三事”。
科大訊飛還探索將神經網絡與符號推理相結合，打造了知識推理系統(tǒng)，實現(xiàn)推理過程的可解釋性。在小學平面幾何題上，這個推理系統(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)語音增強技術讓AI的聲音有感情
在“訊飛超腦2030計劃”中，“唇形+語音”的多模態(tài)語音增強技術，實現(xiàn)了智能語音交互新模式。
“想要讓機器更自然地與人類進行交互，就需要通過聽覺、視覺、語義以及各種傳感器的組合讓機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?！备呓ㄇ灞硎?。
如何讓機器的聲音媲美人類？高建清分享了科大訊飛在語音合成技術領域的新突破——多風格多情感合成系統(tǒng)SMART-TTS。
高建清介紹，SMART-TTS可提供高興、抱歉、撒嬌、嚴肅、悲傷、困惑、害怕、鼓勵、生氣、安慰、寵溺等11種情感模式，每種情感模式依程度強弱不同分為20檔；SMART-TTS還具備對機器聲音的“個性化”設置功能，如停頓、重音、語速等，用戶可以根據(jù)自己的喜好調節(jié)。
當你漫步林蔭路，TA可以用字正腔圓的“播音腔”為你讀新聞；當你結束一天工作準備入睡，TA可以輕聲細語為你讀散文；當你驅車去公司上班，TA可以用你最喜歡的歌手的聲音告訴你走哪條路不堵車；當你和家人一起觀看紀錄片，TA還可以為紀錄片不同人物配音，人機交互表達自然、情感飽滿。（來源：科技日報） 【編輯:葉攀】