最近，爱分析发布了首届语言与智能高峰论坛嘉宾报告精选上篇《AI是否进入产业爆发拐点？我们到底需要怎样的AI？| 爱分析精选》，介绍了微软亚洲研究院院长洪小文、中科院院士怀进鹏、以及其他几位专家对人工智能学界和业界发展的看法。

这篇文章继续为大家分享本次论坛上，阿里CTO王坚、百度副总裁王海峰、科大讯飞轮值总裁胡郁对人工智能的看法，以及百度和讯飞在自然语言处理方面的发展近况。

阿里CTO王坚：互联网、数据、计算是人工智能的本源

王坚：阿里巴巴技术委员会主席，曾任微软亚研院常务副院长

回到本源：互联网，数据，计算

今天大家讲智能，都用的是人工智能这个词，我觉得这个定位并不是特别清楚。所以我今天想把本源的事情理理清楚。

先从互联网说起。大家从传统互联网讲到移动互联网、到物联网、再到人工智能，好像逐渐把互联网隐去了，但其实大家低估了互联网在今后一百年对我们的影响，它作为一个核心的基础设施，已经远远超过了铁路对我们的价值。

传统互联网的基础设施把所有的PC连在一起，给我们的社会带来了翻天覆地的变化，成就了几家最伟大的公司，比如谷歌、阿里巴巴、百度等。

后来到了移动互联网，是互联网的基础设施把手机连在了一起，又带来了巨大的变化。而物联网这个词在翻译的时候直接把互联网隐掉了，但它其实还是在互联网的基础设施上连接万物，至于这个万物是什么，现在我们还不太清楚。

所以我想说，互联网这件事情并没有结束，不是出来任何一个新概念就可以让它不存在了。

在这个大背景下，我们再来谈数据。互联网这个基础设施使得数据能够以人类历史上想象不到的速度被沉淀下来，就像柏油马路沉淀下了我们的脚印。但是数据本身是没有价值的，它的价值取决于人的价值。

但是，为什么柏油马路沉淀下的脚印无法产生价值呢？因为它不是以数字化的形式，没有办法处理和计算，也就无法带来价值。数据的价值是靠计算产生的，因此，我们也有必要谈谈计算。过去我们是通过一台计算机获取计算，到了互联网时代则要通过互联网的方式来获取，这其实就是我理解的云计算。今后计算会像电一样变成公共服务，就像你不需要买发电机就可以享用到电，这是人类历史上非常大的进步。

大家讲移动互联网的时候，非常关注“移动”这两个字，但是失去了对互联网的长远的理解。大家讲大数据的时候，又很关心“大”，忽略了数据本身带来的变化。云计算也是一样，过于关注“云”，但它其实只是获取计算的方式，最关键的还是计算。

三者在线带来巨大价值

我读大学的时候人工智能就非常热，但是今天为什么又重新热起来，我认为就是基于以上三个因素——互联网、数据和计算，第一次在在线系统里完成。也就是说，在有互联网以前，所有的计算或者处理都不是在线的，这是人类历史上第一次这些东西都在线了。

三者都在线完成的核心价值是什么？就是用户在使用过程中所产生的价值会超过它初始的价值。以微软的用户体验改进计划为例，微软在刚开始做office和Windows的时候，用户在使用软件的过程中是不产生价值的。后来添加了用户体验改进计划，可以获得用户使用过程中的反馈，这些反馈就可以为微软带来价值。

今天我们讲人工智能，你可以做出一个很烂的系统，但是使用过程多了以后会变得越来越好，这不是靠原来的传统方法得到改进，而是通过互联网。只是很可惜，今天大部分人做事并不是按这个思路来的。如果还按照传统的架构去做人工智能，那就跟人工智能一点关系都没有了。

今天的人工智能其实是机器智能

事实上，今天我们谈的人工智能和我大学时谈的人工智能有很大区别。当时是真的是在谈人工智能，因为大家满脑子想的都是把人的智能塞到机器里。而今天，当有了互联网、数据和计算三样东西之后，我们的人工智能实际上是要把机器的智能塞到人的脑袋里。所以我认为，今天的人工智能实际上是机器智能，或者说数据智能。

从产业角度讲，把人会的事情交给机器是没有价值的，这就是为什么早期人工智能被人诟病。而今天我们是要让机器做人做不到的事情，代替人做人不应该做的事情。

当互联网变成一个基础设施，数据因为人类的使用过程而产生额外价值的时候，它就变成了人类发展历史上第一个可以自己产生的自然资源。而计算使得我们有机会把这些自然资源的价值发挥出来，就像过去的能源一样。所以，机器智能或者说数据智能，会对人类发生非常大的影响。

百度副总裁王海峰：理解语言，拥有智能

王海峰: 百度副总裁，百度搜索引擎总负责人

AI的爆发得益于深度学习、大数据和计算能力

今年是人工智能60年，在这60年中，AI起起落落，所有的兴起都源于新概念、新方法、新目标的提出，而低谷往往是由于一些方面遇到困境。现在，随着深度学习的发展，AI又迎来了新的春天。

但为什么十年前就有了深度学习，最近几年才开始越来越热呢？我认为主要的推动力就是数据和计算能力。

因为深度学习的一套算法在实际应用中需要非常多的数据以及相应的计算能力。比如我们做语音就需要长时间的训练，后来使用了GPU来优化算法，缩短训练时间，才使得它真正在工业界大规模应用。

在互联网的基础上，依靠大数据和计算能力两个支点，结合人工智能的很多算法、技术，才构成了现在的AI蓬勃发展、广泛应用的局面。

对自然语言的理解和掌握是人工智能的重要部分

人工智能很重要的一个目标是让机器拥有人的能力，可以像人的大脑一样，去学习、掌握知识，进而思考。而人的能力有很多种，包括视觉、听觉、语言、行为等等，表现在机器上，就是计算机视觉、语音、语言、行为等。

这之中，对自然语言的理解和掌握是人工智能非常重要的部分。因为语言是知识和思维的载体，二者相辅相成。一方面理解了语言，就可以学到很多知识，另一方面掌握了知识，可以把语言组织得更好。

这也是百度自然语言处理团队在做的事情。

如上图所示，我们在做自然语言处理时会涉及到一些基础资源，然后依靠基础架构和计算平台，通过选用不同的方法对数据进行分析，形成对文本和用户的理解，从而支撑最上面的应用系统，包括智能交互、对话聊天、深度问答、机器翻译，机器人等等。

百度自然语言处理花样应用

句法分析：谢霆锋的儿子

很多同行都知道，基于数据的分析方法通常有两种，一种是短语结构分析，一种是依存句法分析，相比之下，后者更适合中文。我们用这种方法做语义分析、上下文分析，核心语义的提取等等。比如针对“谢霆锋的儿子是谁”和“谢霆锋是谁的儿子”两个问题，传统的搜索引擎给出的结果是完全一样的，而基于语言理解就能给出正确的结果，而且还是图文并茂。

语言理解：张柏芝的年龄

而基于知识图谱，对用户输入的语言进行理解，我们可以做很多。比如我们用了一个例子去试，“谢霆峰的爸爸的儿子的前妻的年龄”，最后也能给出正确的结果。当然，这需要做计算，但是计算本身并不难，难的是系统需要学会很多知识、规则、常识等。

智能推荐：洪荒少女傅园慧

当用户搜索“傅园慧”时，旁边会有很多推荐人物，第一排都是著名的游泳运动员，后面是一些奥运项目，下面还有推荐理由。这些推荐都是基于互联网的网页和用户搜索数据。

摘要：西二旗到五道口怎么走？

当用户在百度里查“西二旗到五道口怎么走”的时候，不管是用文字还是语音，我们都会给出一个结构化的结果，包括公交和地铁路线等。但是如果要把结果念给用户听，就要从中摘取一些关键信息，比如“可以坐地铁13号线，时间约10分钟”。摘要主要采用两种方式，一种是生成式，从文中提取关键信息，再用自然语言生成的方式生成摘要。另一种是抽取式，提出摘要句进行压缩、聚合，形成简短摘要。

问答：两岁半的宝宝为啥半夜哭闹不止？

问答需要计算机对问题进行理解，然后对候选答案做定位和排序，帮助用户选出最佳答案。比如很多年轻父母会会面临这样的问题，两岁半的宝宝半夜哭闹不止，这些输入进来我们就给一些常见的可能，是不是缺钙，是不是夜惊，如果进去看会给出一些相应的处理措施，这都是自动聚合出来的。

多轮交互：中秋节放假不？

人和人交流的时候不是我问一句你答一句就结束了。传统的搜索引擎是这样的，但现在的搜索是多轮对话式的，要涉及到对话模型和策略模型，包括识别对话状态、对话动作生成、语言生成等。基础数据除了知识库、通用搜索、问答，还有很重要的一点，就是建设需求图谱，用来掌握跟用户对话的过程。比如你问度秘，“中秋节是哪一天？”、“放假几天？”、“高速免费不？”、“十一呢？”虽然问题已经不完整了，但搜索引擎仍然可以自动根据上下文把问题补充完整，从而给出你正确的答案。

聊天：女朋友要分手怎么办？

聊天现在非常受关注。如果是闲聊，得有趣，如果有对信息和服务的需求，就得调用搜索引擎的很多结果来满足需求。不过首先要做对输入进行理解，包括基础语义分析、补全上下文等，然后对结果进行选择和输出。举个例子，“富士山好玩吗？”，“好玩”，“怎么走？”，度秘会balabala给出各种路线。情感聊天比如，“女朋友说要分手怎么办？”，度秘说“放手吧”，你说“毕竟在一起很久了，不想分手”，度秘说“那就不分手，多不容易”。（黑人问号脸.jpg）

提醒：闹钟定7点，6点多就叫你起床

在天气不好的情况下。度秘不仅可以连接你的日程，还可以接入天气数据。如果你第二天8点开会，要7点起床。但是度秘发现早上下雨，它就会提前提醒你，以防路况不好而迟到。除此之外，快递、股票、网络小说、网剧更新等等，度秘都可以提醒。这种提醒不是简单地在日程表里设一下就行了，我们需要获取这些数据，进行计算、推理，然后自动给用户提醒、订阅、引导等。

解说：和杨毅解说奥运篮球赛

就在半个月前。度秘做到了没有人工干预，自动在网上获取最新比赛，包括谁进球、谁犯规，获得信息之后自动生成解说词，然后念下来，整个过程非常顺畅。这样的解说有一个好处，就是用户可以互动。比如看谁投了球会问这个人是什么背景，度秘就可以回答他。在这一点上，解说员可能没有办法实时响应每个人的问题。

翻译：身在国外不用愁

百度翻译从2010年开始做，这几年陆陆续续上了27种语言，702个翻译方向，用户数超过5亿，响应规模每天上亿次。我们的机器翻译方法包括了传统的RBM、TEBM、TRMT，以及现在的NMT等，多策略的联合解码可以突破单一方法的局限性。今年的ACL（国际计算语言学协会年会）在柏林，我只要拿手机一照，百度翻译就可以实时把德文翻译成中文，非常方便。

写诗：你猜哪首是计算机写的？

在百度为你写诗系统输入两个字“西湖”，它就可以作诗。这三首里有一首是机器写的，另外两首是诗人写的。你猜哪首是机器写的？

科大讯飞胡郁：让机器能听会说，能理解会思考

胡郁：科大讯飞轮值总裁

近两年，随着人工智能的火热，自然语言处理也受到了越来越多的关注，也有很多原来做语音、数据库、机器学习的人开始涌入这一领域，一方面拓宽了原来做自然语言处理的思路，另一方面也反映出自然语言处理对人工智能非常重要。

《人类简史》这本书中提出了一个观点，我们的祖先智人竞争掉其他人种，是因为他们最先掌握了语言，能够描述客观世界，组织更大的队伍，建立宗教等。语言是人认知过程的一种展现工具，是关于概念、常识、规则、逻辑推理等的外在表现形式，人在掌握语言的过程中形成了更加明确的常识和知识传承方式。

科大讯飞超脑计划

2014年8月，科大讯飞在发布会上提出，人工智能的发展有三个阶段，从运算智能、到感知智能，再到认知智能，我今天讲的就是从能听会说的感知智能，到能理解会思考的认知智能。

从2014年开始，为了突破感知和认知领域，我们做了讯飞超脑计划。这个计划有两条思路，一条是基于脑科学驱动的人工智能的研究思路，另一条是在工业界利用大数据、神经网络、涟漪效应，来研究工程技术、产品、用户的迭代优化，从而做出马上可以用的人工智能。

我个人认为，我们从鸟类的飞翔学到了空气动力学，造出了比鸟更好的东西。在智能上，我们也可以重复这个过程，从人类脑神经工作原理中，把握一些宏观的发展方向，并在微观角度找到像鸟身上空气动力学的智能动力学。

人工智能不会威胁人类

对于人工智能是否会威胁人类这个问题，我的观点非常清晰，我认为只有一个有意识的人造系统或者生命体才有可能威胁另一个生命体。但对于计算机来讲，当我们让它越来越智能的时候，它的意识并不一定会越来越强。

Geoffrey Hinton说，机器人战胜人类，一定不是用人所擅长的方法，而是用机器擅长的方法。AlphaGo战胜人类用的就是机器所擅长的方法，所以计算机并不具有通用智能，只是有一些专业智能。

不过如果我们把整个人脑完全仿真模拟下来，会不会产生意识？这也是个有趣的问题，可以去尝试。

工业界人工智能三大法宝

在工业界，人工智能的成功有三大法宝——深度神经网络、大数据、涟漪效应。我们可以从冷启动开始，把一个在实验室里并不完全完善，但是需要大量真实数据训练的人工系统，通过传统互联网、移动互联网、以及物联网的商业生态环境，让最终用户参与到人工智能的养成过程中已经成为共识，不管是搜索、语音识别、还是图象识别都走的是这条路。

科大讯飞语音系统

2010年10月，科大讯飞首次发布讯飞语音系统，目前已经拥有18万的开发者，每天提供25亿次以上的服务，为8亿台设备提供服务，同时也得到了大数据。识别效果方面， 2010年10月在实验室的测试结果是90%，上线后正确率55%，经过涟漪效应的扩展，达到了83%，现在已经达到了95%，个性化版本已经达到97-98%。

注意力关注模型

Attention模型是脑科学家首先发明的，当我们看图片的时候，注意力不是在所有地方平均分配，而是会关注关键的地方。基于Attention模型我们不仅可以用于中英文翻译，还可以做篇章评阅，包括打分和写评语，另外还有比较重要的一项——逻辑推理。

对于人来说，6岁以前的学习都是很轻松的，不知不觉就会认人、会讲话、会一些逻辑推理，超过6岁之后K12阶段到大学的学习就比较痛苦。但对计算机来说正好相反，把小学到大学的知识存在计算机里面没有任何问题，但是对于人6岁以前进行的对图形、常识、语音、文字的识别都比较困难。

所以我们做了一个非常有意思的阅读理解，如下图所示，我们把小鸭子抠掉，让机器自动选择空处应该填什么。我们用热力图模型可以自动算出这篇文章里所有的词应该在这个位置上的关注度，最后选择关注度最高的那个，就是小鸭子。这个基本已经超过了6岁儿童的水平。

让AI十年之内考上一本

我们现在已经完成了从0到6岁的常识学习、语言表达和逻辑推理，甚至已经超过了6岁小孩儿的水平，但是如何评价认知智能，或者自然语言处理的能力？大多都是通过考试，比如日本在做东京大学机器人，美国是通过生物学考试。国内也在做高考机器人，但是因为高考题目太过刁钻，原本我们计划10年之内考上一本，现在发现这个目标非常有挑战性，但是我们也会努力迎接这个挑战。

在考试方面，有一个口语作文的成果非常有意思，不仅是在批改方法上，中国还是世界上唯一一个能够对中英文发音进行准确评价的国家。现在广东、广西、江苏中考和高考口语考试都是用机器来改，效果已经超过了老师。世界上除了中国没有任何一个国家可以做到这一点。

国际最新常识推理测试

在常识推理方面，有一个最新的国际测试，其中一题是，“爸爸举不动儿子，因为他太重了”，问：是谁重？或者“爸爸举不起儿子，是因为他太虚弱了”，问：是谁虚弱？这是6岁小孩都能答的问题。但这种常识计算机还理解不了，这个测试如果超过90分，就有100万美金的奖金，但现在做的最好的系统是58分，是我们和加拿大多伦多约克大学建立的神经计算与人工智能实验室一起做的，利用的是Neural Thinking Machine，所以这方面还是有很多地方需要学习。

人工智能在感知方面的最新进展就是Chema Challenge，在三个场景下测试麦克风阵列在各种环境下的效果，讯飞的系统在所有环境下都是第一名。

我相信，将来有一天，麦克风阵列在这种会议场景下，不用话筒就能将我讲的话清晰地传到各位耳朵里，而且转化成文字，直接投影在屏幕上，同时可以翻译成多种语言。我相信，随着人工智能的发展，感知智能和认知智能一定会逐步代替越来越多的工作，但是我也相信，这种替代会让我们人类腾出手来干更多有创造力的事情。所以，人工智能不会毁灭人类，而是会帮助人类变得更好。