科大訊飛副總裁談AI未來：更有情感、更小數據源、更環保

情感導師 2023-07-21 5360

添加導師LINE：jaqg

獲取更多愛情挽回攻略婚姻修復技巧戀愛脫單幹貨

來源：時代周報

科大訊飛副總裁談AI未來：更有情感、更小數據源、更環保

盧潔萍

減少對數據的依賴、讓數據驅動更有效、提升智能交互系統擬人度成目前人工智能技術的創新方向之一。

「新的人工智能浪潮主要得益於深度學習算法的驅動，需要龐大數據做支撐。但在過去一年裡，我看到了技術創新的新趨勢，比如如何用更少的數據去實現更好的效果，減少對數據的依賴。」3月26日，科大訊飛副總裁、智慧金融事業部總經理解飛在「影響力中國」時代峰會2021上如此表示。

解飛介紹，2015年科大訊飛在做個性化語音定製時，需要錄下20-30小時語音，再後期處理近一個月，才能形成個性化音庫，「但目前科大訊飛最新的產品，只要5分鐘，就能訓練出一個用戶的發音系統」。

除了減少對數據的依賴，人工智能技術的創新方向還包括如何讓數據驅動更有效、建立動態自學習模型、跨語言遷移學習、提升智能交互系統的擬人度等。

「我們內部討論認為，人工智能已經進入系統性創新時代。它的三大核心要素在於單點核心技術的鴻溝跨越、創新鏈條上關鍵技術的深度融合以及對重大系統性命題的洞察解析能力。」

峰會現場，解飛就各地區金融AI創新特點及近兩年變化，科大訊飛與科技金融公司、互聯網巨頭之間的關係，未來的賽道重點和技術突破方向等問題接受了時代財經的專訪。

談大灣區金融AI創新：更加市場導向，關注場景價值

時代財經：粵港澳大灣區在金融領域的AI創新與長三角等其他地區相比有什麼特點？國內外又有什麼區別？

解飛：海外的金融體系發展得相對較早，他們對於IT的應用，還是基於以前的超級計算機模式，國內現在新的系統都在往分布式存儲雲的架構方向發展。

大灣區特別關注場景價值，更加市場導向。我們能明顯感覺到粵港澳大灣區的金融企業，包括銀行、保險、證券、基金是以業務上的強需求在拉動技術的發展，對應用任何技術的第一考量因素都是能否體現在業務價值上。相對而言，北方區域的機構會先考慮風險，絕對安全了，再考慮業務收益。

而以上海為代表的華東地區，整個金融科技的應用更偏向於系統規劃。華東地區對場景也很關注，但是更多是在一個大的體系下做規劃，考慮這個系統如何在這個體系下進行發展。這三個特點都是相對而言。

時代財經：從2019年到現在，AI語音技術在金融領域的創新上，科大訊飛經歷了什麼樣的變化？

解飛：第一個明顯變化是，技術應用正從單點場景向全面應用擴展。金融行業對技術有很強的風險厭惡性，所以會先通過單點應用進行試水，再批量地進行使用，現在正是一個由點及面的過程；

第二，從業者對於技術應用、場景的理解比以前要深刻。以前一般是兩種狀態：一種人認為AI技術一下子能解決所有問題，另一種人認為是騙子，是概念性的、無法使用的技術。現在大家不會再「打標籤」，問你「可以」還是「不可以」，而是說，在我的場景下能夠解決多少問題，我要怎麼用，最好的切入路徑和方式是什麼樣子的。

第三是隨着大家對技術、業務和產品理解越來越深入，業務模式也發生了變化。比如廣發銀行的信用卡中心在年前剛剛成立了數據標註運營工作組，就是在用業務去匹配技術的發展。

在技術趨勢方面也有兩點變化。第一是平台從「煙囪式」的建設變成了平台式的服務，使接口能夠在各個流程和場景下達到統一的應用標準，這也是接下來從業者在產品方案和技術研發上需要率先考慮的。

第二是對機器的認知要求變得更高。2019年之前，智能感知已經非常成熟了，包括語音識別都是超過90%的識別率，但在真正場景下，除了聽懂了、看懂了，還需要把決策流程添加進來，這才是最終的訴求，這需要在認知層面上有很大的突破。

時代財經：關於添加「系統決策流程」有什麼具體的例子嗎？

解飛：比如某銀行跟客戶簽貸款合同，會經過AI系統進行一次OCR（光學字符識別），這一步只是感知，但當這些合同錄到系統後，還需要幫助銀行判斷哪些條款是不對的、這個法人和其他法人的合同有沒有關聯或衝突等。這些以往都是靠人來做，現在通過機器就能替代人60%左右的工作。

相比感知技術，認知技術這兩年在成熟場景下，提升非常巨大。之前客服中心只有20%左右的工作是智能化的，現在有70%左右。另外，銀行中的風控、審批等，都是認知決策的過程。

談競爭：AI公司和科技金融公司「我中有你」

時代財經：平安銀行這樣的科技金融公司也有數字化風控和數字化客服等業務，他們和科大訊飛這樣的AI公司有什麼區別？

解飛：在2015年之前，平安銀行的95511智能客服系統都是科大訊飛承建的，從2018年開始自研系統平台後才逐漸地切換到自研平台。但直到現在，平安人壽新契約回訪服務的機器人質檢系統仍然在使用科大訊飛的服務。

我認為，銀行科技公司和做AI算法的公司，在產業鏈上是區隔大於競爭的——70%是區隔，30%是競爭。區隔指的是科技公司更多會往通用算法方向發展，銀行科技公司則對場景和業務的理解更加深刻。未來算法和引擎服務AI公司會做得更多，引擎服務之上的應用系統、業務系統則是銀行科技公司做得更多。

但平安銀行的科技實力更強，所以它會往下延展一些。有的銀行科技實力更弱，我們除提供中台到底層算法的方案外，也會往上延展，去做端到端業務系統的方案，這是一個我中有你的過程。

時代財經：谷歌、阿里等國內外互聯網公司也都在關注AI語音技術，科大訊飛和他們之間的技術壁壘是什麼？

解飛：相較於BAT，我們對中文數據的積累、用戶習慣的了解，以及對方言口音的支持，遠超任何一個國際巨頭和國內互聯網公司。

2010年10月份，科大訊飛全球第一個發布了人工智能服務平台，到現在每天服務量超過50億次，覆蓋的國內方言口音和海內外的語種都是最大的。比我們小一點的服務平台，數據量可能只是我們的1/10，而小的創業公司根本收集不到類似的數據。數據驅動讓我們有非常強的壁壘，也讓後來者很難追趕。

第二個是我們多年來在語音識別技術上積累的微創新。解決特定場景、實際工程的問題上，我們走得更靠前一些。比如在會議室場景，大家識別率都還挺高的，但如果要將我們兩個人說的話進行分離，這就不是通用的語音識別了。

第三，我們也比較強調定製和服務支撐能力。雖然蘋果服務的用戶比科大訊飛多，但如果細化到語音服務這個領域，我們更有團隊優勢。科大訊飛支撐的各個行業的應用和專職的團隊人數，比Google、阿里、百度都要多，這也代表着我們更高的服務效能和更大的支持力度。

談定製：關鍵領域全覆蓋，重點賽道做平台

時代財經：B端業務有大量定製化和差異化需求，交付周期長、成本高。科大訊飛如何有效降低B端行業業務的成本，實現經營效益的提升？

解飛：我們是通過組織架構來解決這個問題的。科大訊飛把產品進行分級管理，分別是V、R、M三個級別。

V版本是平台級產品，這部分主要解決公用能力，比如說做一個語音識別的平台，這個平台可以面向採訪場景、電話場景、會議場景。R版本就是行業版本產品，比如說我們要在醫院裡面使用，這個版本會把醫療的名詞、醫生的常用說法、藥名收到這個版本裡來。M版本就是定製化的版本，給每個客戶都不一樣。比如我們把醫院的系統放到廣州中醫院來用，我們就把廣州中醫院的地理位置、門診科室、專家姓名等放到這個版本裡。

通過三個大的層級進行產品管理，就能夠有效地進行資源復用，讓定製的部分做到最少，以提升整體的運轉效果和效率。

時代財經：公用的、產業的、定製化的比例分別有多少？

解飛：具體要看行業。這跟我們的生態戰略有關，科大訊飛主要的業務板塊是醫療、教育、智慧城市，三個行業端到端應用全部可以由科大訊飛交付。大概判斷，60%是標準的V版本，20%是R版本，還有20%-30%給客戶做定製，這是理想的狀態。

在重點的行業生態之外，我們會主要構建V版本。我們把它封裝成標準的接口，給到我們的合作夥伴，再由我們的合作夥伴去封裝R版本或者是M版本的產品。

舉例來講，在家電行業我們跟海爾這些公司合作，我們就支持一些生態公司，它們可以拿着科大訊飛的V產品，在海爾這邊進行定製，相當於40%-50%定製工作給合作夥伴來做，因為它們長期深耕這個行業，本身也有其他相關項目。

談未來：更有情感的聲音、更小的數據源、更少的電力

時代財經：除政法、教育外，智能語音技術更有潛力的應用場景是什麼？

解飛：從集團來看，我們把醫療視為最重要的行業之一，因為它關係到社會民生、中國醫療資源不均衡發展、老百姓的健康生活及安心養老等社會剛需問題的解決，對我們來講會有更強烈的使命感。

現在比較清晰的戰略是在教育和醫療兩個領域，希望能夠真正地做到改善資源不平衡發展的狀況。過去兩年，我們在安徽已經很好地展現了「智醫助理」這樣的醫療應用的價值。很快地，我們就能幫助基層醫院提升他們的問診水平。另外，在整體醫療大數據應用上面，也能夠通過AI手段，對傳染性疾病的地區聚集問題進行提前警示、防護和治理。

時代財經：未來幾年AI語音技術研究的方向和重點是什麼？

解飛：在語音合成上，還是想使它在特定場景中更加有感情。現在標準的語音播報，機器已經可以惟妙惟肖，甚至可以以假亂真了。但是在人的情感表達上，語音合成做得還不夠。

語音識別上，我們現在做的主要是混語和複雜場景下的識別。比如兩個人面對面聊天，機器對不同發言人的識別可以達到95%以上的正確率，但如果場景更複雜一些，比如在餐廳里吃飯，有10來個人在一起講話，它對角色分離的識別率就會下降到57%，屬於不可用的狀態。

第三是我們會持續通過小的數據源，在新的語言識別能力構建上做研究。也就是使用更小的數據，能夠更快地驅動一個新的語種識別，以及使用更少的數據優化一個語言的識別效果。

最後一個是對算力的節約方案。AI技術不光要效果好，還得占用更少的服務器資源數量，更加的環保。我們每天50億的交互規模，需要後台十幾萬顆CPU、幾萬顆GPU做支撐，很耗電，也很耗成本。