在人工智能技術(shù)的探索征程里,語音語義識別技術(shù)一直扮演著先驅(qū)的角色,不管是在技術(shù)探索還是商業(yè)落地方面都走在了前面。近兩年來隨著深度學(xué)習(xí)技術(shù)的進一步深入,其識別準確率更是得以大大提升。為教育、客服、電信等傳統(tǒng)行業(yè)的產(chǎn)業(yè)升級帶來了一大助力,在車載、家居、醫(yī)療、智能硬件等領(lǐng)域又開辟出了新的商業(yè)應(yīng)用探索實踐。

　　語音語義技術(shù)目前發(fā)展到了哪個階段?NLP技術(shù)在企業(yè)日常業(yè)務(wù)中能發(fā)揮怎樣的作用?在十億級別日活的微信端有何應(yīng)用案例?在騰訊云海量客戶場景下又為企業(yè)帶來了怎樣的助力?9月13日,TVP AI技術(shù)閉門會語音語義專題遍邀行業(yè)大咖,為行業(yè)找尋更多解題思路。

　　微信語音識別理論和實踐

　　在語音識別技術(shù)的落地過程中,微信是探索得比較深入的一個代表�，F(xiàn)在的微信不僅可以非常方便地將語音轉(zhuǎn)換為文字,甚至可以識別出語音中蘊含的情緒,在轉(zhuǎn)化出的文字中用貼切的emoji表情表達情感。

　　微信智聆語音技術(shù)負責(zé)人盧鯉老師向與會者介紹了語音識別技術(shù)的發(fā)展歷程,他表示如果我們想更客觀地判斷一項技術(shù)的今天和明天,回顧其發(fā)展歷程是很有必要的。

　　語音識別發(fā)展歷史回顧

　　語音識別技術(shù)的研究早在上世紀5、60年代就已經(jīng)開始了,傳統(tǒng)語音識別使用Hybrid框架,該系統(tǒng)具備一個明顯的層次結(jié)構(gòu),包括聲學(xué)模型、詞典、語言模型三個部分。對傳統(tǒng)Hybrid系統(tǒng)而言,聲學(xué)模型是其中非常重要的部分,后續(xù)技術(shù)的諸多改進也是面向聲學(xué)模型進行的。

　　2009年以后,語音識別技術(shù)迎來了一次較大的發(fā)展。業(yè)界主流的觀點認為這是因為語音識別技術(shù)搭上了深度學(xué)習(xí)發(fā)展的快車,盧鯉老師表示這是其中一個重要原因,但不是唯一原因。這個過程中,GPU等硬件設(shè)施的發(fā)展提供了基礎(chǔ),互聯(lián)網(wǎng)尤其移動互聯(lián)網(wǎng)的飛速發(fā)展帶來更多的場景,使得語音識別技術(shù)從實驗室到廣泛民用市場。

　　在語音識別技術(shù)的發(fā)展過程中,盧鯉老師重點介紹了DNN、TDNN、LSTM以及Transformer等模型的發(fā)展以及對性能帶來的提升。從2014年以后,部分科學(xué)家開始在Hybrid系統(tǒng)以外嘗試端到端的系統(tǒng),相比前者,該系統(tǒng)輸入語音,輸出的就變成了文字。

　　“語音識別技術(shù)領(lǐng)域沒有完美的系統(tǒng)。Hybrid系統(tǒng)使用靈活,但整體擬合能力不如端到端系統(tǒng);端到端系統(tǒng)數(shù)據(jù)整體建模能力強,但靈活度不及Hybrid系統(tǒng)。”

　　微信智聆平臺

　　“微信智聆平臺起步于2011年底,直到2017年才給自己取了個品牌的名字。當(dāng)時是覺得效果做得不好,用戶想吐槽的時候也沒有具體對象。”盧鯉老師開玩笑著介紹了微信智聆平臺的發(fā)展史,這個騰訊自主研發(fā)的語音技術(shù)平臺,截至目前已經(jīng)在C端、B端、G端等多個領(lǐng)域落地近百個產(chǎn)品,日請求量超30億。在獨立第三方機構(gòu)SpeechIO的測試報告中名列前茅。

　　微信智聆平臺是目前在大規(guī)模提供服務(wù)的廠家中處于最好的幾家之一,盧鯉老師介紹了微信智聆平臺在性能提升方面所做的一些工作。

　　首先是TLCBLSTM網(wǎng)絡(luò)。LSTM網(wǎng)絡(luò)結(jié)構(gòu)的主要形式有兩種,一種是單向,一種是雙向。一般情況下,雙向LSTM性能比單向的要高出10%左右,但雙向LSTM卻有著無法用在流式場景下的局限。TLCBLSTM就是一種既可以把LSTM用在流式場景下,同時又能保持雙向10%性能優(yōu)勢的解決方案。

　　在LSTM以外,微信智聆平臺還實現(xiàn)了Transformer的網(wǎng)絡(luò)結(jié)構(gòu)。目前該系統(tǒng)的開發(fā)正在有序進行中,盧鯉老師指出這種Transformer的結(jié)構(gòu)可以有效利用運行的并行性,無損地應(yīng)用在流式系統(tǒng)中。

　　除了對網(wǎng)絡(luò)結(jié)構(gòu)的改進以外,語音識別還有一個很重要的問題就是魯棒性。影響魯棒性的因素一般有錄音設(shè)備、環(huán)境影響、原始錄音的信號處理等幾類。為此,微信智聆平臺通過SpecAgument技術(shù),強迫網(wǎng)絡(luò)學(xué)習(xí)這類糟糕的數(shù)據(jù),增強網(wǎng)絡(luò)適應(yīng)性。另外還收集了上百種不同的噪聲以及房間混響,加入到原始信號去模擬不同場景,以及利用混合頻帶訓(xùn)練等方式,加強語音識別的魯棒性。

　　最后,在系統(tǒng)層面,智聆平臺也做了Hybrid和端到端的系統(tǒng)結(jié)構(gòu),同時在實驗室場景下針對二者的互補性做了一些相關(guān)的測試,具體見下圖。

　　面向應(yīng)用場景

　　訓(xùn)練好模型、做好系統(tǒng)僅僅只是萬里長征的第一步,盧鯉老師以智聆平臺為例分享了他認為在實用中需要考慮的點。

　　第一,對語音識別的前端考慮。不同的場景對體驗的要求不同,對前端的配置和要求也就不盡相同,也基于此可能造成識別的損失。

　　第二,在線學(xué)習(xí)之難。通用的語音識別器無法覆蓋所有場景,千萬條句子和關(guān)鍵詞的在線學(xué)習(xí)對算法也有很高要求。

　　第三,方言識別之難。國內(nèi)方言種類多、某一類方言下的子類彼此不相通,用戶到底需要什么樣的方言識別也仍舊是個問題。

　　分享結(jié)束后,盧鯉老師在QA環(huán)節(jié)和觀眾討論區(qū)都針對用戶關(guān)注的技術(shù)、細節(jié)的問題做了細致的回復(fù),此處限于篇幅不再贅述。

　　騰訊云AI語音語義助力企業(yè)發(fā)展

　　騰訊云AI語音語義與應(yīng)用平臺產(chǎn)品中心總經(jīng)理周超向與會者匯報了騰訊云在AI落地過程中的實踐與思考,他表示騰訊云未來將向業(yè)界提供深入各行業(yè)的全AI能力解決方案。

　　企業(yè)AI需求盤點

　　根據(jù)目前業(yè)界對企業(yè)AI能力需求的調(diào)查報告顯示,計算機視覺目前是最受關(guān)注的企業(yè)AI能力,緊隨其后的就是智能語音技術(shù)、自然語言處理技術(shù)的份額。在對AI技術(shù)趨勢發(fā)展做分類,從技術(shù)的觸發(fā)期、期望膨脹期、泡沫破滅期、啟蒙爬升期、再到高原期的曲線可以很清晰地看出各AI技術(shù)所處的發(fā)展位置。

　　企業(yè)選擇部署AI的原因,最主要的3大構(gòu)成是降低成本、提升效率、創(chuàng)新業(yè)務(wù)。在IDC 2019年中國人工智能白皮書中顯示,目前企業(yè)采納AI后能對業(yè)務(wù)效能有優(yōu)秀的提升的占比不高,AI落地企業(yè)的效果有較大的提升空間。

　　今年以來,疫情影響推動了AI落地的應(yīng)用,騰訊云在疫情期間協(xié)助抗疫所廣泛采用的AI能力讓人們看到了AI的強大。在此期間,企業(yè)營業(yè)受到極大影響,線上化、數(shù)字化的趨勢在加速,在后疫情時代,出于降本增效的目的,線上線下結(jié)合的實踐也會帶來更多對AI能力的需求。與此同時,人工智能作為國家的新基建戰(zhàn)略7大領(lǐng)域中的重要組成部分,為企業(yè)應(yīng)用人工智能帶來了更大的想象空間。

　　騰訊云將企業(yè)部署AI面臨的困境總結(jié)為兩大挑戰(zhàn)、三大問題:碎片化和場景化的挑戰(zhàn);行業(yè)知識的門檻、行業(yè)數(shù)據(jù)轉(zhuǎn)換成AI所需語料的挑戰(zhàn)、業(yè)務(wù)改造的成本的問題。在這樣的背景之下,騰訊云希望向客戶提供效果好、門檻低、場景化/個性化的AI能力特質(zhì),助力企業(yè)發(fā)展。

　　騰訊云AI產(chǎn)品

　　目前騰訊云AI語音語義產(chǎn)品架構(gòu)從基礎(chǔ)層到產(chǎn)品方案層分為:產(chǎn)品運營平臺、基礎(chǔ)模型服務(wù)、應(yīng)用Paas服務(wù)和應(yīng)用產(chǎn)品方案四個部分。在每個產(chǎn)品方向上,騰訊云AI都提供了詳盡的AI能力,企業(yè)可以基于自己的業(yè)務(wù)場景,選擇基礎(chǔ)模型服務(wù)、應(yīng)用PaaS服務(wù)、應(yīng)用產(chǎn)品方案等不同層次的產(chǎn)品,降低企業(yè)應(yīng)用AI能力的門檻。

　　在企業(yè)客戶的落地過程中,騰訊云觀察到客戶的需求非常全面,除了對語音語義能力的使用以外,還會用到其他相關(guān)能力進行結(jié)合。騰訊云也提出了一套全AI能力解決方案,在底層會結(jié)合包括人臉、車輛、物體識別、圖像AI識別、OCR、生物分析、NLP等全AI能力,基于Ti Matrix云智天樞AI應(yīng)用平臺,深入廣泛的行業(yè),打造泛政務(wù)民生、泛金融、工業(yè)、智慧零售、廣電傳媒、運營商等AI解決方案。

　　周超老師以協(xié)同辦公場景為例,介紹了騰訊云基于實時語音、圖像處理的線上實時多人音視頻會議案例。會議記錄是會議的剛需,方便人們對重要的會議內(nèi)容進行留檔并回顧總結(jié)。隨著深度學(xué)習(xí)的出現(xiàn),語音識別技術(shù)越來越成熟,會議記錄的整理形式也從極其耗費人力成本的人工記錄越來越多的被語音識別自動轉(zhuǎn)錄所替代。騰訊云語音語義AI提供語音識別、自然語言處理技術(shù),以及說話人分離、文本摘要提取等功能,解決會議記錄場景下存在的各種痛點。

　　除了協(xié)同辦公場景,騰訊云AI能力在泛娛樂、政務(wù)民生、金融和呼叫中心等多個場景下均有非常具有代表性的案例。周超老師表示,騰訊云會繼續(xù)深入各個行業(yè)去輸出場景化的解決方案,同時提供完備的AI基礎(chǔ)能力輸出,滿足客戶二次開發(fā)、定制化的需求。

　　“騰訊云AI希望建立一個與合作伙伴共贏的AI生態(tài),在產(chǎn)品合作生態(tài)方面進行聯(lián)合探索、聯(lián)合開發(fā),在市場共贏生態(tài)方面希望聚攏更多戰(zhàn)略合作伙伴、渠道共享伙伴、認證合作伙伴。一起共建AI新生態(tài),加速AI的落地化,解決碎片化、場景化的難題。”

　　針對用戶提問的小公司缺乏AI技術(shù)人才,但AI能力又是剛需,騰訊云如何幫助解決的問題,周超老師也非常細致地做了解答,他表示不管是底層AI能力的開放還是解決方案的需求,都可以通過騰訊云的AI產(chǎn)品予以解決,非常歡迎各位用戶去試用。

　　騰訊云NLP能力在法務(wù)領(lǐng)域的應(yīng)用實踐

　　法大大合同智能化負責(zé)人劉謙帶來了騰訊云AI能力在法務(wù)場景下的應(yīng)用實踐,也是一次非常典型的騰訊云與客戶共建AI產(chǎn)品的代表案例。

　　法務(wù)行業(yè)現(xiàn)狀與痛點

　　劉謙老師向與會者介紹了法務(wù)人群的工作日常,這個場景下從業(yè)人員的工作一般分為合同、合規(guī)、咨詢、部門需求、爭議解決五大類別,這其中又以合同占比最大,一般達到日常工作的70%左右。

　　劉謙老師總結(jié)了合同審查的痛點有以下幾類:

　　合同審閱工作量大,響應(yīng)時間長;

　　日常合同審核內(nèi)容重復(fù),效率低;

　　合同審核標準不統(tǒng)一,易出錯;

　　內(nèi)控體系難以貫徹執(zhí)行,風(fēng)險高;

　　相對方風(fēng)險難以評估把控。

　　合同審查痛點植根于法務(wù)行業(yè)長期基于人工服務(wù)的傳統(tǒng)模式。從源頭上來說,法務(wù)部門屬于職能部門而非銷售部門,天生事多人少,有限的部門人力預(yù)算需要解決的是持續(xù)增長的法務(wù)風(fēng)控需求。從過程上來看,需要人工處理大量合同文本,業(yè)務(wù)需求排隊等待,工作量大且重復(fù)繁瑣,效率低下。從結(jié)果上看,響應(yīng)滯后。一方面是公司業(yè)務(wù)快速發(fā)展變化,另一方面是職能部門的被動跟進,流程沒有打通。

　　在這樣的行業(yè)現(xiàn)狀與痛點之下,法大大選擇和騰訊云合作,聯(lián)合開發(fā)AI產(chǎn)品,提供客戶價值。

　　打造聯(lián)合AI產(chǎn)品

　　合同審查領(lǐng)域的人工智能早在2016年就一直有很多人在聊,但最近5年來在國內(nèi)其實沒有一個特別好的產(chǎn)品實例。要么是底層能力的缺失,要么是對行業(yè)的理解不夠,而在技術(shù)層面上還面臨著三大核心難題亟待解決。

　　首先是數(shù)據(jù)樣本非常有限。從2013年最高法的裁判文書網(wǎng)上線以來,陸續(xù)被公開的裁判文書有一億多份�？此茦颖玖亢艽�,但細分在刑法、民法等大類及其下的各個小類之后,可能每個類別數(shù)量平均下來不過數(shù)千甚至數(shù)百份。這在AI的訓(xùn)練集里只能算小樣本數(shù)。

　　其次是合同樣本差異非常大。對合同數(shù)據(jù)來說,因為行業(yè)、業(yè)務(wù)類型、每個客戶的不同特點,甚至包括一些客戶有意或者無意的不規(guī)范操作,導(dǎo)致每一類合同,不同場景之間的差異都非常大。

　　最后是法務(wù)審核要求非常準確,精準識別只是前提條件,召回率、準確率都必須同時做到高標準,否則就會有很大的風(fēng)控漏洞。

　　法大大選擇與騰訊云合作,在底層采用騰訊云AI的技術(shù)支持,同時加上法大大自身在法務(wù)行業(yè)的多年積累,通過連接優(yōu)圖實驗室、騰訊云AI語義算法團隊與法大大開發(fā)團隊一起精誠協(xié)作,最終打造了這樣一款解法務(wù)場景燃眉之急的AI產(chǎn)品。具體合作模式如下:

　　該產(chǎn)品目前已可滿足三層合同審閱需求,最終的目的是希望基于業(yè)務(wù)場景、系統(tǒng)流程和法律Know-how,給參與合同全生命周期的多種角色人群,提供7x24的智能法務(wù)合同審核支持。

　　“目前實際使用中,可以幫助客戶提升平均85%的效率,合同審核環(huán)節(jié)從以前的小時計到現(xiàn)在的六七分鐘。一些普通、常見的合同審核甚至已經(jīng)不再需要法務(wù)人力支持,業(yè)務(wù)人員可以自己審核完成,客戶滿意度相當(dāng)高。”

　　分享最后,劉謙老師也對評論區(qū)討論問題做了精彩的解答,由于篇幅所限,此處不再贅述。

　　圓桌論道:AI在產(chǎn)業(yè)落地中的難與不難

　　鮑捷:人工智能已經(jīng)有過多次高潮和低谷,我最早接觸人工智能是在1998年,當(dāng)時是針對醫(yī)療影像的應(yīng)用。后來也在法務(wù)、國防等領(lǐng)域有過從業(yè)經(jīng)歷,可以說人工智能傳統(tǒng)四大領(lǐng)域的醫(yī)療、法務(wù)、政府、金融我都有過涉及。我個人目前在做金融方向的AI應(yīng)用,也非常看好金融這個領(lǐng)域。在人工智能的各個落地方向上,其實有一些共同的特性,核心就是三個方面:一個是數(shù)據(jù)必須有邊界,第二個是業(yè)務(wù)必須有邊界,第三個是一旦出錯是否會導(dǎo)致不可逆的后果。因此在人工智能落地的方向上也可以按照這幾個維度去套用檢測,L5級別的自動駕駛在我看來就不是一個值得追求的方向,因為它的三大要素都不具備。但在金融、醫(yī)療、工業(yè)、政務(wù)等方向卻是值得探索的,我個人認為目前凡是跟流程自動化有關(guān)的工作,其實都是值得去探索的方向,這是我的考慮。

　　徐增林:學(xué)術(shù)界對人工智能的關(guān)注可能與工業(yè)界不同,我們所關(guān)注的技術(shù)未必在當(dāng)下就能推向落地,但卻有非常大的研究價值,例如我們研究的認知啟發(fā)的神經(jīng)網(wǎng)絡(luò)和量子啟發(fā)的神經(jīng)網(wǎng)絡(luò)是解決當(dāng)前深度學(xué)習(xí)對大數(shù)據(jù)和海量計算資源依賴問題的重要途徑。我比較贊同鮑捷老師關(guān)于AI邊界的觀點,AI落地確實要抓好賽道和場景。技術(shù)層面上,因為現(xiàn)在是基于5G和互聯(lián)網(wǎng)基礎(chǔ)設(shè)施(包括邊緣計算和云計算),再加上人工智能+增強現(xiàn)實算法的結(jié)合,技術(shù)上可能會有一定的突破。如果讓我預(yù)測一個未來AI爆款產(chǎn)品的領(lǐng)域,我個人認為可能會出現(xiàn)在醫(yī)療健康領(lǐng)域,未來的AI會越來越懂醫(yī)生,醫(yī)生會慢慢的AI化。

　　周超:騰訊云AI幫助各類企業(yè)做業(yè)務(wù)的落地,首先關(guān)注的是AI入場以后可以幫助企業(yè)降低成本,第二關(guān)注AI的替換可以提高企業(yè)效率,第三這個替換本身就是具備創(chuàng)新性的。在這個原則判斷下,目前騰訊云的AI已經(jīng)在多個行業(yè),包括醫(yī)療、教育、政務(wù)、文旅、金融、能源等行業(yè)企業(yè)中深度落地。騰訊云所提供的全AI能力的解決方案都是可以做一個應(yīng)用和落地去改善行業(yè)、企業(yè)的業(yè)務(wù)流程。在這個過程中騰訊云不會做到面面俱到,而是會以提供開放的基礎(chǔ)能力以及與合作伙伴深度共建的方式共同探索。

　　盧鯉:個人認為語音識別技術(shù)還遠未到非常成熟的地步,單純準確率數(shù)字目前來說本身沒有太大意義。這背后的邏輯其實就兩個原因,第一無法覆蓋全部場景,第二無法覆蓋所有人群。使用場景、使用人群、地域口音方言等因素綜合影響下,語音識別技術(shù)還有很長的路要走。我們未來努力的方向也就是覆蓋更多的場景,覆蓋更多的人群,讓更多的場景、更多的人都能很方便的使用語音識別這個技術(shù)來提高效率。

　　劉謙:法大大在做AI產(chǎn)品落地的過程中,首先考慮的產(chǎn)品規(guī)劃就是圍繞合同展開的,在想明白這個產(chǎn)品邏輯和實際痛點以后延伸開去,發(fā)現(xiàn)用戶的需求又不斷處于變化中,從簡單的電子合同簽署到管理訴求再到分析訴求,這樣反過來也給我們的產(chǎn)品發(fā)展規(guī)劃帶來了益處,因為我們找到了真實的客戶價值所在。和騰訊云的合作給了我們非常強的模型調(diào)優(yōu)能力和數(shù)據(jù)處理的準確性,大大提升了產(chǎn)品效果,客戶也十分信任。這對法務(wù)、業(yè)務(wù)和公司都是一個多方共贏的局面。

　　在圓桌討論環(huán)節(jié),幾位嘉賓還就AI創(chuàng)業(yè)方向選擇、學(xué)術(shù)研究方向等議題做了精彩的論述。本場閉門會主持人騰訊云AI語音語義與應(yīng)用平臺產(chǎn)品中心專家產(chǎn)品經(jīng)理王天也給出了自己對AI落地的未來趨勢判斷:

　　結(jié)語

　　人工智能尋覓了60年的價值,要從實踐中追尋。

　　TVP組織的這次AI技術(shù)閉門會,以計算機視覺、AI語音語義2大熱門技術(shù)風(fēng)口為話題,為業(yè)界輸出了6小時無保留的經(jīng)驗分享,邀請12位學(xué)術(shù)界、工業(yè)界從業(yè)大咖論道技術(shù)與商業(yè)趨勢,只為窮盡AI技術(shù)跨過概念鴻溝走向落地的那些可能。

　　在這場技術(shù)交流與商業(yè)思維碰撞的盛宴上,我們看到了計算機視覺的全新應(yīng)用,看到了AI語音語義的發(fā)展脈絡(luò),看到了從靈感迸發(fā)到產(chǎn)品落地的創(chuàng)業(yè)故事,也看到了死磕技術(shù)永不言敗的探索精神。

　　時代賦予技術(shù)以風(fēng)口,商業(yè)賦予技術(shù)以舞臺,開發(fā)者賦予技術(shù)的,是無限的可能。

　　關(guān)于TVP技術(shù)閉門會

　　TVP,即騰訊云最具價值專家(Tencent Cloud Valuable Professional),是騰訊云授予云計算領(lǐng)域技術(shù)專家的一個獎項。TVP 計劃致力打造與行業(yè)技術(shù)專家的交流平臺,構(gòu)建云計算技術(shù)生態(tài),實現(xiàn)“用科技影響世界”的美好愿景。

　　TVP技術(shù)閉門會,是為TVP打造的專屬技術(shù)閉門研討會,旨在為大家提供一個開放、平等、知無不言的交流環(huán)境,便于 TVP們針對熱門技術(shù)、前沿科技、技術(shù)管理等話題進行深入探討。