從語(yǔ)音到全方位人工智能 AI技術(shù)的融合發(fā)展之路

捷通華聲總經(jīng)理武衛東

　　大家晚上好，非常有幸在鈦坦白跟大家分享關(guān)于“從語(yǔ)音到全方位人工智能，AI技術(shù)的融合發(fā)展之路”的心得體會(huì )。

　　人工智能技術(shù)經(jīng)歷了半個(gè)多世紀的發(fā)展，現在的人工智能通過(guò)計算方法能夠賦予機器一些類(lèi)似人的感知功能，像人有口眼耳手，這是我們的感官功能。我們還有大腦，這是我們的思維認知功能，那么機器人是不是可以具備這些擬人化的功能呢？

　　像人的嘴是用來(lái)說(shuō)話(huà)的，耳朵是用來(lái)聽(tīng)聲音的，這就催生了像語(yǔ)音合成、語(yǔ)音識別這樣的語(yǔ)音技術(shù)。

　　圖像識別就像人觀(guān)察外界事物的眼睛，手是用來(lái)拿東西和寫(xiě)字的，這就催生了OCR、手寫(xiě)識別技術(shù)等這樣的一些圖像識別技術(shù)。

　　在眾多感知功能方面，人工智能技術(shù)還涉及到很多功能，包括人臉識別，聲紋識別，指紋識別等等。經(jīng)過(guò)十幾年的發(fā)展，我們看到人工智能技術(shù)中最難的實(shí)際上是與認知相關(guān)的一些技術(shù)。人的認知，即人的大腦，是個(gè)非常復雜的結構，可以說(shuō)到今天，我們自己也沒(méi)有研究清楚我們自己的大腦。

　　近幾年來(lái)，神經(jīng)網(wǎng)絡(luò )尤其是深度學(xué)習，提升了感知計算的一些模型方法，相關(guān)感知方面的技術(shù)取得了比較大的進(jìn)步。

　　實(shí)際上，神經(jīng)網(wǎng)絡(luò )的一些算法研究，早在二三十年前就開(kāi)始了。我記得原來(lái)在學(xué)校的時(shí)候，我們有很多的研究人員就從事在圖像模式識別方面的一些研究，但是由于當時(shí)的算法能力以及設備能力有限，很難去在復雜結構和深層次結構上提升算法模型。

　　現在的GPU技術(shù)使得過(guò)去復雜的算法模型能夠通過(guò)有效的訓練，提升訓練速率，并能夠通過(guò)算法和大數據的加工，實(shí)現更加普適性和實(shí)用性的一些模型，供我們做一些智能化的應用。

　　我們看到現在的語(yǔ)音識別技術(shù)，能夠達到百分之九十幾，接近于人的甚至在某些方面超過(guò)人的這樣一個(gè)準確率。通過(guò)深度學(xué)習，語(yǔ)音識別已經(jīng)實(shí)現了一些突破。

　　尤其是隨著(zhù)互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的發(fā)展，現在交互終端、智能終端，給我們在研究方面提供了大量的、真實(shí)的場(chǎng)景數據，有了這些大的數據，使用神經(jīng)網(wǎng)絡(luò )算法，通過(guò)訓練，可以讓語(yǔ)音識別技術(shù)更加實(shí)用化。

　　在語(yǔ)音方面，實(shí)際上大家看到，真正最早能夠形成實(shí)用化的語(yǔ)音技術(shù)是從語(yǔ)音合成開(kāi)始的，也就是我們說(shuō)的TTS技術(shù)。

　　下面給大家放一些聲音，大家可以聽(tīng)一聽(tīng)，現在在語(yǔ)音合成方面，從過(guò)去比較機械的音色發(fā)展到現在流暢、自然的聲音。

　　比如說(shuō)我們在一些大型的場(chǎng)館會(huì )議，像奧運會(huì )，世博會(huì )，包括一些公共場(chǎng)所，像高鐵站，機場(chǎng)聽(tīng)到的廣播聲，很多實(shí)際上都是通過(guò)語(yǔ)音合成技術(shù)合成出來(lái)的。另外，我們推出了可以唱歌的TTS技術(shù)，歌唱TTS實(shí)際上就是在標準的語(yǔ)音合成基礎上，結合現在一些應用場(chǎng)景，比如說(shuō)一些娛樂(lè )機器人，教育機器人，玩具等等，在應用場(chǎng)景當中，我們做的更加娛樂(lè )化的TTS技術(shù)。

　　現在大家都在探索和研究一個(gè)新方向，情感TTS。因為不管怎么樣的一個(gè)算法，達到完全像人一樣的自然、有情感、富有喜怒哀樂(lè )情緒的TTS技術(shù)，還是有很多的研究工作要做。當前TTS作為一種信息的交流、信息的播報是完全可以達到實(shí)用化的程度。經(jīng)過(guò)這十幾年的時(shí)間，捷通華聲在TTS方面，國內市場(chǎng)占有率超過(guò)了50%。

　　我再說(shuō)說(shuō)語(yǔ)音識別，昨天錢(qián)博士，我們清華的一個(gè)師弟特別提到了語(yǔ)音識別技術(shù)的發(fā)展。現在實(shí)際上就是說(shuō)在語(yǔ)音識別方面國內也有一些從事語(yǔ)音識別技術(shù)應用和研究的企業(yè)，但是從語(yǔ)音識別現在目前發(fā)展的現狀看，普通話(huà)在一個(gè)自然的場(chǎng)景中識別率達到96%，97%，其實(shí)已經(jīng)不是什么太高的目標。

　　但是96%、97%實(shí)際上并不是一個(gè)真實(shí)應用場(chǎng)景的指標，我們要利用這項技術(shù)，能夠達到人人說(shuō)話(huà)、大多數常見(jiàn)聲音環(huán)境中都能達到這么高的一個(gè)準確率，還是有很多工作要做的。我個(gè)人認為，現在大家說(shuō)96%、97%實(shí)際上是一個(gè)在技術(shù)層面達到的高度，但是實(shí)際上在實(shí)用化方面，要達到這樣一個(gè)高度，我感覺(jué)恐怕國外語(yǔ)音公司也不敢這么說(shuō)，我們國內的一些人有時(shí)候在這方面會(huì )更多的注入一些商業(yè)化宣傳。

　　大家知道，語(yǔ)音識別是從2001年、2002年就進(jìn)入了中國市場(chǎng)，但當時(shí)的語(yǔ)音識別，主要是基于命令詞條的識別。經(jīng)過(guò)十幾年的發(fā)展，語(yǔ)音識別技術(shù)進(jìn)入到自由說(shuō)的狀態(tài)，當人自然說(shuō)話(huà)、自然表達時(shí)，能夠準確識別，這推動(dòng)語(yǔ)音識別進(jìn)入到實(shí)現應用的階段。

　　比如說(shuō)在手機端用輸入法這樣的一些app或者是工具，對著(zhù)手機尤其是現在的手機，都支持多麥克風(fēng)，在近講模式下，如果你的普通話(huà)說(shuō)得比較好，96%、97%比如說(shuō)像我這樣講話(huà)，98%、99%的識別率也是可能的。但是如果說(shuō)話(huà)帶著(zhù)方言，很重的方言，去識別，達到這個(gè)高度，也不是太容易，至少我現在沒(méi)有看到哪家在方言普通話(huà)或者普適性人群上面達到這樣一個(gè)高度。

　　當然，這里邊還包括不同的輸入設備，比如說(shuō)在電話(huà)端，8K的窄帶數據識別率如果能達到97%，那真的是效果非常好了，現在大家的水平基本上在80%上下。那么在一些特殊領(lǐng)域里邊，通過(guò)一些垂直領(lǐng)域的優(yōu)化，模型的優(yōu)化，能達到85%，這已經(jīng)是一個(gè)很好的水平。

　　在很多智能家居、家電，包括像機器人這樣一些智能終端場(chǎng)景下，有很多環(huán)境噪音，語(yǔ)音識別如果不解決這些數據信號、聲學(xué)信號的抗噪問(wèn)題，語(yǔ)音識別的應用會(huì )受很大的制約。所以現在從事語(yǔ)音的廠(chǎng)家，在麥克風(fēng)陣列這方面也都開(kāi)始做自己的研究，推出了兩麥，四麥甚至六麥這樣一些抗噪模塊，來(lái)解決實(shí)際應用場(chǎng)景下的噪音干擾問(wèn)題。

　　大家看到，上面這個(gè)四麥降噪模塊，已經(jīng)在一些機器人里邊，包括一些服務(wù)機器人、兒童教育娛樂(lè )機器人中使用，其中包括線(xiàn)陣和圓陣，重點(diǎn)是解決麥克風(fēng)在遠講、定向、回聲消除，還有語(yǔ)音增強等實(shí)際應用情況。當然，語(yǔ)音識別還包括方言、多語(yǔ)種識別，以及中英文混合等情況，這些問(wèn)題我們也在不斷的研究、實(shí)踐。

　　開(kāi)始時(shí)我們提到，在認知功能方面，尤其是像語(yǔ)義理解（NLU），這方面有一些國內企業(yè)在做，捷通在這方面也做了大量的工作，有很多的實(shí)踐和應用。

　　例如，在智能終端方面，我們做了對話(huà)，包括意圖理解，以滿(mǎn)足智能終端在語(yǔ)義理解和語(yǔ)音識別共同使用過(guò)程中的一些“理解”用戶(hù)指令的要求。另外，在一些行業(yè)的智能客服的系統里邊，我們也采用了支持多輪對話(huà)、同音字智能糾錯、上下文語(yǔ)義分析、相關(guān)問(wèn)題聯(lián)想等功能的語(yǔ)義理解技術(shù)，能夠達到更好的用戶(hù)體驗和準確率。當然，語(yǔ)義理解方面要研究的東西還很多。

　　隨著(zhù)移動(dòng)互聯(lián)網(wǎng)、云計算、大數據的發(fā)展，人工智能技術(shù)在物聯(lián)網(wǎng)領(lǐng)域有了越來(lái)越多的需求，或者說(shuō)已經(jīng)成為一種不可或缺的支撐技術(shù)。

　　比如在智能機器人方面，我們通過(guò)智能客服系統，來(lái)實(shí)現語(yǔ)音交互、知識庫構建、語(yǔ)義理解，尤其是前端在噪音環(huán)境下，通過(guò)麥克風(fēng)陣列，實(shí)現遠講、抗噪、定向等等功能。在智能機器人領(lǐng)域，我們做了很多行業(yè)應用，比如說(shuō)在稅務(wù)大廳提供咨詢(xún)的稅務(wù)機器人，華夏銀行的大堂經(jīng)理機器人，還有一些圖書(shū)館，購物中心的專(zhuān)業(yè)服務(wù)機器人，當然也包括現在大家看到的很多家用的兒童教育機器人、娛樂(lè )機器人，以及陪伴機器人，通過(guò)應用智能客服系統，這些機器人進(jìn)入了各個(gè)行業(yè)，未來(lái)將會(huì )進(jìn)入到我們生活的方方面面。

靈云智能機器人解決方案

　　在智能家居、家電方面，比如說(shuō)電視，我們搜電影時(shí)，遙控器按鍵輸入慢，總是讓人很頭疼。

　　我們將語(yǔ)音技術(shù)應用到電視遙控器上，比如小米電視，樂(lè )視，還有廣電盒子，通過(guò)語(yǔ)音的交互，實(shí)現電視內容的快速搜索，甚至一些購物，社區服務(wù)等。

靈云智能語(yǔ)音電視解決方案

　　在智能家居方面，整合了語(yǔ)音交互的麥克風(fēng)陣列是一個(gè)非常好的工具，我們可以遠距離隨意控制燈光、調節空調等，通過(guò)引入人工智能技術(shù)，讓家居生活更舒適。

　　在智能汽車(chē)領(lǐng)域，尤其是現在大家看到的無(wú)人駕駛、輔助駕駛系統中，也是人工智能的一個(gè)很好應用。但是我個(gè)人對于無(wú)人駕駛汽車(chē)未來(lái)的走向，至少目前看，三五年內我感覺(jué)很難真正走向實(shí)用化，因為交通控制，包括很多交通規則，都會(huì )限制無(wú)人車(chē)在這方面的發(fā)展。但是我相信，通過(guò)引入智能化的一些技術(shù)，可以在輔助駕駛，包括像一些車(chē)載領(lǐng)域發(fā)揮很好的作用。

　　例如，語(yǔ)音交互技術(shù)在智能車(chē)載上的應用，這里邊包括語(yǔ)音識別的抗噪模型訓練、硬件的降噪，以及像喚醒、聲源定向、智能糾錯等技術(shù)層面的要求。另外，汽車(chē)現在實(shí)際上已經(jīng)是人們出行的一個(gè)必備手段了，現在北京的交通大家都知道，車(chē)內設備的語(yǔ)音控制實(shí)際上可以有效提高駕車(chē)的安全性。同時(shí)，通過(guò)汽車(chē)這樣一個(gè)移動(dòng)設備，可以給我們提供導航、餐館、訂酒店、訂機票，以及天氣、股票等信息的語(yǔ)音查詢(xún)，甚至成為我們生活當中的一個(gè)移動(dòng)辦公場(chǎng)所。

　　在這里也提一下，就是我們在汽車(chē)交互方式方面的一個(gè)經(jīng)驗或感覺(jué)，可能東西方人對于汽車(chē)的操控習慣不同。比如說(shuō)捷通華聲早在我們成立的時(shí)候，就做了手寫(xiě)識別技術(shù)，在歐美的一些高端車(chē)輛上，通過(guò)引入我們的手寫(xiě)，比如像法拉利、奧迪、寶馬，還有日韓系的像尼桑、現代等等這些車(chē)里邊用到了我們的手寫(xiě)技術(shù)。我們過(guò)去也不太理解，為什么老外覺(jué)得手寫(xiě)還可以用，后來(lái)發(fā)現，大家可能在一些操作上邊還是習慣有些不同，我們中國人可能更善于講，可能老外更善于做一些實(shí)際的操控性的，所以這個(gè)時(shí)候大家看到我們的語(yǔ)音交互在車(chē)機里邊是大家關(guān)注的一個(gè)熱點(diǎn)，但是手寫(xiě)他們也會(huì )用，而且用的量也不少。不管是用語(yǔ)音的交互還是手寫(xiě)的交互，其實(shí)都是通過(guò)這樣的一些人工智能的交互手段，來(lái)提升人們的駕車(chē)體驗，提升駕車(chē)的安全性和舒適性。

　　剛才講了很多物聯(lián)網(wǎng)領(lǐng)域的應用場(chǎng)景，下面重點(diǎn)介紹一下捷通目前做的一些靈云全方位人工智能開(kāi)放平臺方面的工作。

　　捷通的靈云平臺（AIcloud.com）是我們早在2011年我們就推出的全球首個(gè)全方位人工智能開(kāi)放平臺，在當時(shí)我們就定立了這么樣一個(gè)目標：要實(shí)現語(yǔ)音、手寫(xiě)，拍照，手勢甚至將來(lái)可以使用腦波來(lái)進(jìn)行智能化的一些手段來(lái)進(jìn)行人機交互。經(jīng)過(guò)幾年的建設，靈云平臺已經(jīng)構建了集合十項核心技術(shù)的全方位人工智能開(kāi)放平臺。

　　其中包括智能語(yǔ)音方面的，語(yǔ)音合成、語(yǔ)音識別技術(shù)；圖像交互方面，OCR、手寫(xiě)識別；生物特征識別方面的人臉識別、聲紋識別和指紋識別；智能語(yǔ)義方面，包括語(yǔ)義理解、機器翻譯、數據挖掘等共10項技術(shù)。

　　靈云實(shí)際上是通過(guò)構建這樣一個(gè)云服務(wù)平臺，提供這些能力，并在能力基礎上，提供智能化解決方案，包括全智能客戶(hù)服務(wù)、多維生物特征識別身份認證服務(wù)平臺等深入行業(yè)的解決方案，構建了包括公有云服務(wù)、全智能能力平臺和全智能解決方案組成的產(chǎn)品生態(tài)體系。

　　靈云構建的B2B2C商業(yè)模式，深入金融、電信、能源、交通、政務(wù)、公檢法等各個(gè)行業(yè)，提供全方位的人工智能能力和解決方案。

　　靈云支持云+端能力，也就是說(shuō)既可以用我們云端的能力，也可以用我們本地的能力，我們所有的技術(shù)都支持“云+端”的方式訪(fǎng)問(wèn)，這樣就讓廣大的開(kāi)發(fā)者和企業(yè)合作伙伴能方便地調用各種應用能力。

　　在這些應用當中，我特意介紹一下我們在維語(yǔ)和漢語(yǔ)的翻譯，因為在語(yǔ)音方面，我們除了中文普通話(huà)，我們還做了少數民族語(yǔ)言，同時(shí)構建了十幾種國外的包括英文、法文、德文這樣的一些語(yǔ)音交互能力。維漢友誼橋這個(gè)翻譯APP，目前在新疆少數民族地區，已經(jīng)有數百萬(wàn)用戶(hù)在使用，大大方便了我們漢族干部和少數民族間的交流，大家可以下載體驗下。還有一個(gè)也是現在有幾百萬(wàn)用戶(hù)在使用的出國翻譯官，這個(gè)APP也是用了靈云上邊的各種能力，能夠方便的在出國的時(shí)候，你不管去哪個(gè)國家，有了這樣一個(gè)應用就可以方便的和當地人進(jìn)行交流，給大家的出行和旅游提供便利。

　　我們一直強調，現在A(yíng)I技術(shù)的應用實(shí)際上已經(jīng)不是單一能力的應用。為什么講融合，AI的融合發(fā)展，實(shí)際上是現在我們遇到的很多應用場(chǎng)景所需要的。在智能終端交互方面，比如說(shuō)現在我們做的機器人，它其中就用到了語(yǔ)音識別，語(yǔ)音合成，語(yǔ)義理解，人臉識別，甚至聲紋識別；在終端應用的場(chǎng)景里邊，包括在家電，現在我們給家電廠(chǎng)商實(shí)際上也在提供一些除了語(yǔ)音交互之外的能力，大家提出來(lái)一些比如說(shuō)像聲紋識別、人臉識別等需求，包括在家庭的陪伴機器人、服務(wù)機器人方面，包括兒童陪伴機器人這塊，也提出了一些比如說(shuō)類(lèi)似圖像的識別、人臉的識別，包括視頻監控等等這方面需求。這些需求，實(shí)際上就是人工智能的融合應用。在捷通的靈云平臺上，如果用了我們這個(gè)平臺的話(huà)，這些能力都可以很方便的實(shí)現調用，因為靈云平臺是一個(gè)開(kāi)放平臺，我們的平臺能力，都能夠在開(kāi)發(fā)者社區上方便地調用。

　　捷通構建靈云平臺實(shí)際上是我們有一個(gè)愿景，就是希望能夠讓每一家企業(yè)都能夠擁有人工智能，希望每一個(gè)用戶(hù)都能夠享受人工智能帶來(lái)的便捷。源于這個(gè)目標，我們推出了靈云全智能能力平臺，我們會(huì )和更多行業(yè)集成商、平臺廠(chǎng)商，一起來(lái)合作，為企業(yè)提供人工智能能力。

　　在智能解決方案方面，我們推出了全智能客戶(hù)服務(wù)和靈云身份認證平臺。我們推出的靈云全智能客戶(hù)服務(wù)是一種客服新模式，它包括了實(shí)體機器人、網(wǎng)絡(luò )版在線(xiàn)智能客服、電話(huà)客服機器人、智能語(yǔ)音導航等智能客服產(chǎn)品，以及智能語(yǔ)音分析、電話(huà)外呼機器人等呼叫中心行業(yè)解決方案，為用戶(hù)提供隨時(shí)隨地、隨手可及的智能客戶(hù)服務(wù)，同時(shí)也大幅降低了企業(yè)的客服成本，提升了客戶(hù)服務(wù)效率和質(zhì)量。

　　在身份認證方面，隨著(zhù)我們人臉、聲紋、OCR技術(shù)的發(fā)展，我們推出了人證合一綜合“人臉識別+聲紋識別+指紋識別，OCR證照識別”的靈云身份認證服務(wù)平臺，這個(gè)系統已在人行的征信系統里得到應用。現在單一生物特征識別技術(shù)，比如說(shuō)人臉技術(shù)，包括所有的人工智能技術(shù)，大家很難說(shuō)做到100%。

　　我們通過(guò)這樣多項技術(shù)的一個(gè)融合，識別時(shí)候我們可以把一個(gè)最小的出錯概率集合到一個(gè)很小的數字集合上，比如說(shuō)我們通過(guò)人臉、聲紋、指紋可能有1%、2%這樣的錯誤率，三種技術(shù)融合，再加OCR，人證合一，可以把這個(gè)錯誤率降到萬(wàn)分之一，甚至更小。這就是我們推出的多維生物特征識別安全身份認證平臺，也是AI技術(shù)融合應用的一個(gè)很好案例。

　　我們給一些公檢法包括政府部門(mén)在一些會(huì )議系統方面做了一些智能解決方案。一方面通過(guò)語(yǔ)音識別實(shí)現會(huì )議轉寫(xiě)，解放了筆錄人員，降低速記員的一些勞動(dòng)強度；在整個(gè)會(huì )議系統里邊，實(shí)現電子簽到，利用我們現在手寫(xiě)筆跡技術(shù)；通過(guò)人臉識別、身份證識別，確保參會(huì )者的身份；通過(guò)語(yǔ)音交互，我們可以輕松的來(lái)控制投影設備、燈光設備、包括大屏幕的一些切換；另外，通過(guò)語(yǔ)音識別和OCR的組合，可以把會(huì )議內容實(shí)時(shí)結構化轉寫(xiě)，并且通過(guò)OCR把一些會(huì )議文件，自動(dòng)掃描錄入，全面、快速記錄會(huì )議內容；還有，通過(guò)實(shí)時(shí)翻譯并語(yǔ)音播報，把會(huì )議內容同步聲音直播，這些場(chǎng)景在我們在一些政府辦公廳已經(jīng)實(shí)現了應用。此外，像我們遇到的一些比如說(shuō)公檢法的辦公人員，他們可能每天要閱讀大量的文件，很費眼睛，所以像我們的語(yǔ)音合成，他們就很受歡迎，這樣的話(huà)他可以去聽(tīng)，邊聽(tīng)邊校，這樣就可以把他們的工作變得更加有趣，更加輕松。

　　還有一個(gè)很有趣的是什么呢？比如說(shuō)現在我們給銀行做大廳服務(wù)機器人的時(shí)候，一方面通過(guò)語(yǔ)音交互來(lái)咨詢(xún)服務(wù)，用智能客服系統來(lái)傳遞用戶(hù)需要的服務(wù)內容。在機器人上邊，還實(shí)現了人臉識別、聲紋識別。對于一些VIP客戶(hù)，剛剛到了銀行大廳，他可以通過(guò)人臉識別確認身份，能夠更好的對這些VIP客戶(hù)提供服務(wù)，這樣的話(huà)讓VIP客戶(hù)能夠到銀行以后感覺(jué)到一種新的感受。我們做這些能力，其實(shí)就是希望能夠讓這些設備更加智能化，有更多的功能來(lái)服務(wù)好用戶(hù)。

　　另外捷通在十幾年的發(fā)展當中，我們也在不斷總結，我們的定位實(shí)際上就是做一個(gè)人工智能能力和解決方案的供應商。我們有數千家的合作伙伴，包括我們在靈云平臺上服務(wù)了四億多用戶(hù)，我們也希望能夠實(shí)現一個(gè)準確定位，構建一個(gè)產(chǎn)業(yè)的生態(tài)。這方面和我們的合作伙伴共同探索一些服務(wù)運營(yíng)模式，捷通是絕對不會(huì )去做和我們合作伙伴，合作企業(yè)爭地盤(pán)的事情，這是我們的一個(gè)明確定位，我們就把我們的人工智能的技術(shù)、產(chǎn)品、服務(wù)做好。

　　靈云的愿景，就是讓機器“能說(shuō)會(huì )聽(tīng)、能寫(xiě)會(huì )看、能辨音會(huì )認人、能思考會(huì )判斷”。我們希望能夠匯聚大家的力量，共同分享人工智能產(chǎn)業(yè)機遇。

　　另外，最后想跟大家分享一些思考。

　　現在大家可能談到人工智能的時(shí)候，往往就會(huì )想到語(yǔ)音識別，實(shí)際上現在語(yǔ)音識別還有很多很多的工作和路要走，我非常認同昨天錢(qián)博士提出的一些觀(guān)點(diǎn)，我感覺(jué)就是說(shuō)人工智能本身是一個(gè)長(cháng)跑，這是一個(gè)沒(méi)有終點(diǎn)的長(cháng)跑，真的需要一些韌性，我們現在很多的技術(shù)不是說(shuō)不好，是沒(méi)有很好的去用，或者用的不好。另外一個(gè)，可能大家對這些技術(shù)的期望值有點(diǎn)過(guò)高，也希望產(chǎn)業(yè)界能夠給像捷通這樣，包括其他的一些我們的同仁一些寬容，因為人工智能技術(shù)本身還有很多的工作要做，還有很長(cháng)很長(cháng)的路要走。

　　另外，其實(shí)現在大家看到的，這些基礎性研究，不管從國外還是國內，實(shí)際上在一些基礎性的研究尤其是一些方法理論性的研究，主要還是來(lái)自于大學(xué)，這也就是為什么靈云和清華大學(xué)，捷通華聲和清華大學(xué)建立“靈云科技源自清華”深度合作的原因。我們在清華大學(xué)建了靈云人工智能研究中心，我們有十幾位教授，把他們幾十年來(lái)的研究，積淀的一些東西與產(chǎn)業(yè)結合，把這些技術(shù)成果應用起來(lái)。但是基礎研究的工作，企業(yè)去做恐怕不是太容易，我們還是應該把這些基礎研究的工作交給我們這些教授們，專(zhuān)家學(xué)者們去做。

　　那么企業(yè)應該做的是什么呢？我們應該做的是一些應用型的研究，包括一些產(chǎn)業(yè)化的研究，企業(yè)應該結合產(chǎn)業(yè)，把我們現在目前能夠實(shí)現的一些人工智能技術(shù)很好地轉化到應用當中去，我覺(jué)得這是我們企業(yè)的使命。

　　人工智能技術(shù)的應用市場(chǎng)很廣闊，但是我也感覺(jué)，因為我從業(yè)也有二十幾年了，在這個(gè)領(lǐng)域里邊，人工智能技術(shù)我個(gè)人感覺(jué)，從技術(shù)本身來(lái)講，不是非常適合于創(chuàng )業(yè)團隊，去拿這個(gè)技術(shù)去創(chuàng )業(yè)。因為這是燒錢(qián)的事，這是燒錢(qián)的行當，我想資本界也應該能夠看到這一點(diǎn)，這不是個(gè)黃金坑，大家跳下去不那么容易上來(lái)。捷通做人工智能，其實(shí)也是經(jīng)歷了十幾年這樣的一個(gè)歷程。

　　最后，我用我們這個(gè)小機器人唱“五星紅旗”來(lái)結束我今天的分享，謝謝大家。

悅耳歌聲源自靈云歌唱語(yǔ)音合唱技術(shù)

　　鈦媒體是國內首家TMT公司人社群媒體，最有鈦度的一人一媒體平臺，集信息交流融合、IT技術(shù)信息、新媒體于一身的媒體平臺。鈦坦白，作為鈦媒體旗下的微信公開(kāi)課，匯集行業(yè)大牛鈦客，分享行業(yè)干貨。

　　靈云平臺更多信息：www.AIcloud.com

　　體驗靈云客服機器人：010-82826886-8898