【精彩内容回放】
胡郁：今晚我所有的发言都用语音输入。
今天的分享主要包括三个方面的内容。
一、国内外人工智能研究进展
首先我们来看现在国际上人工智能研究处于什么状态。
美国政府在过去的十年投了38亿美金用于人类基因测序，这是一个生物科技和信息科技交叉的学科，在过去的十年中带来了八千亿美金的回报。
在完成这个自然科学方面的重大创新以后，美国政府和欧洲也在考虑对人脑进行更深入的研究。最近，美国政府启动了为期十年的人脑图谱计划，投资高达40亿美金。而欧洲政府也启动了新一轮的人脑模拟计算计划。
这些新的计划都为人类最终了解大脑打开了一个新的、自然科学的切入点。这里得到的一些知识，也必将对计算机领域的人工智能产生影响。
除了政府机构以外，国际各大信息产业巨头也提出了自己的人工智能计划和产品。
相信很多大家都已经知道了，包括IBM的Watson，Google的GoogleNow，苹果的Siri，但是这些人工智能都是对真正人类智能的简单模仿，离真正实现人的智能还有很大的距离。
国际上对人工智能高端人才的争夺非常激烈，谷歌花四千多万美金邀请国际人工智能方面的专家Geoffrey Hinton，FACEBOOK邀请了因发明图像识别方面的神经网络架构而著名的Yann Lecun。前段时间，百度也宣布任命吴恩达博士为百度首席科学家，负责百度大脑计划。
IBM也没有闲着，于近期推出了一个叫做“真北”的人工智能芯片，这个芯片是完全模拟人脑的结构设计的，号称在同样的计算能力下，计算的能耗要比传统的芯片低两个数量级以上。
因此，最近国际上在人工智能领域爆发出来的热度不是没有道理的，是多个方面联合作用的结果。科学界和工业界都觉得，人工智能也许可以在计算机性能不断提升，数据量不断增大的情况下在短期内突破。
大家都在做“人工智能”，那么大家做的人工智能是不是都是一样的呢？我们讯飞要做的人工智能又是从哪个角度来做的呢？
下面我们就来进入第二部分。看看讯飞是如何让计算机从“能听会说”，到“能理解会思考”的。
二、讯飞超脑计划
首先我们来看看这张图。
我们认为机器能够实现的人工智能应该能够从几个角度去看。
1、计算智能，即快速计算和记忆存储能力。原来IBM的深蓝计算机就是利用其超强的计算和存储能力战胜了当时的国际象棋大师卡斯帕罗夫，这就属于计算智能。
2、感知智能，即视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力与自然界进行交互。自动驾驶汽车，就是通过激光雷达等感知设备和人工智能算法，实现这样的感知智能的。
3、认知智能。通俗讲是“能理解会思考”。人类有语言，才有概念，才有推理，所以概念、意识、观念等都是人类认知智能的表现，这也使人类能够明显区别于动物。
计算智能就是利用机器强大的计算能力和存储能力。如果大家看过一个节目叫做《最强大脑》的话，你们就会发现那里面用来测试人能力的方法，比如要记住一百个四位数字组合之类，这对计算机来说易如反掌。
象棋机器人能够战胜人类，就是要靠记的棋谱比较多，能够预测到十几步以后的结果，现在计算智能的这个问题已经解决的差不多了。
感知智能是最近几十年我们在语音识别和图像识别方面一直在解决的问题。
最形象的一个人工智能的项目就是自动驾驶汽车，不需要了解各种知识，只需要用各种传感器对周围的环境进行处理、自动控制就可以实现自动驾驶。
我们经常说到的语音识别，就是把语音这种信息转化为另外一种符号的组合，我们并不真正理解这些句子中的含义，应该说，语音智能处理，包括识别，是感知智能中非常难的问题。
其实，人类智能中最难的就是认知智能。在计算机领域中，评价机器是不是真正和人一样智能的测试叫“图灵测试”，而“图灵测试”测的就是认知智能，
这几年因为人工神经网络的快速发展，图像识别问题和语音识别问题，初步得到解决，所以，大家现在可以看到采用以上技术的应用已较为普遍。但是目前这些都还属于感知智能的范畴。
那么如果要实现认知智能的突破，需要解决哪些问题呢？
大家其实可以想一想，人类的知识主要还是通过自然语言获取，当然这里面还要配合很多的图片、声音和录像。
因此，要实现人工智能在认知智能领域的突破，就必须把人类知识的表达问题给解决，首先要解决的是自然语言理解的问题。
如果对比认知智能和感知智能的区别，我们可以看到，感知智能对于数据来说只需要用一个数学统计模型得出最后的感知结果就可以了。但是对于认知智能来说，必须能够把里面的知识表达结构描述清楚。
在过去的几十年中在人工智能领域，对认知智能的突破一直没有停止过。但是早期都是希望能够通过规则，或者是简单数据统计的方法来解决。这些方法到现在为止已经取得了一些成绩，比如IBM的Watson系统。
但是大家觉得可能现在还有更好的方法。
我们先来看看人的大脑是怎么运作的。
通过“人类大脑图谱计划”，我们现在已经认识到人脑的神经元的数量非常多。
所以很多的科学家在想，也许如果我们能够用计算机模拟到人脑的神经元数量系统建立人工神经网络，这样我们就可以模仿人脑的认知智能做最复杂的运算。
在这种情况下，我们利用人工神经网络最新的进展向人工智能最高的目标——认知智能发起挑战。
现在，我们就一起来看“讯飞超脑计划”的内涵，也就是这个计划最核心的部分。
我们希望能够建立一个和人脑规模差不多大小的人工神经网络，并且利用这个人工神经网络能够实现对人类认知，知识表达，逻辑推理等方面的模拟和学习，从而最终突破人类认知智能的挑战。
现在人人都说要做人工智能，但是解决人工智能问题最重要的三个方向我觉得要讲清楚。
第一个问题：你想解决什么样的人工智能？
只有真正瞄准“认知智能”这个方向去解决的才是当前人工智能的最大挑战。
第二个问题：你打算采用什么样的方法去解决认知智能的挑战？
我刚才说过采用传统的规则的方法，或者是数据统计的方法，或者是搜索的方法。这些在过去的几十年中已经都尝试过了。采用人工神经网络并且采用类脑神经元结构去增强，是当前最有前途的途径之一。
第三个问题：这样的人工智能系统做出来后可以应用在什么地方？
我们都知道工业机器人解决了部分的体力劳动，而“讯飞超脑”这样的认知智能系统就是为了解决简单的脑力劳动。
如果这三个问题不仔细地进行阐述，就笼统地概括自己做的工作是研究人工智能，我觉得那是不够深入和系统的。
讯飞的目标就是要实现一个真正的中文的认知智能计算引擎。最后我们还希望这个人工智能引擎的知识不是我们硬灌输的，而是它自己通过自我不断学习获得的。
在进行讯飞超脑的过程中，我觉得还有一个问题需要阐述清楚。
即，为什么我们能做这样的事情？
首先，我们做语音识别研究取得的人工神经网络方面的经验是一个非常大的优势。现在国内在做人工神经网络方面很少能够有我们这样多的专家团队。
另外，我们在知识表达的相关语音和文本方面有着非常雄厚的积累。现在我作为863重点项目类人答题系统的首席科学家，带领全国三十多个单位的顶级专家在进行一项工作，要实现一个能够自动学习中学课本知识的机器人系统去参加2018年的高考，并且可以考上一本。
在攻克认知智能的过程中，我们准备了两套方案：一套是采用类人神经结构的模拟方案，但是风险较大。另外一套方案是传统规则统计加神经网络结合，风险比较低。
最后，我们在人工智能方面取得的各种成果能够在我们的研究过程中不断地和各方面的业务紧密对接。我想这也是非常重要的。
执行讯飞超脑计划的研究组、实验室建设现在进展非常顺利，包括长期以来和我们共同在语音识别领域做出突出成果的江辉教授、国内在自然语言处理方面最强大的团队——哈工大刘挺教授的团队，都将在丰富经验的基础上，合作进行新的研究尝试。
说到讯飞超脑的系统，大家一定对讯飞超脑采用什么样的硬件架构组织非常感兴趣。
我们在神经网络训练方面，因为做语音识别已经有非常丰厚的积累。这方面我们研究院和公司平嵌事业部形成的联合开发组，已经打了一个很好的基础。
正如人脑一样，人脑不仅有认知智能的功能，在感知智能和计算智能方面也是叠加的。
从广义上来讲，“讯飞超脑计划”的外延也包括了计算智能和感知智能的叠加。这也意味着我们将来在图像识别甚至运动识别方面也会采用类似的技术路线不断地进行延伸，把它作为“讯飞超脑计划”外延的重要组成内容。
最后，想跟大家分享，如果“讯飞超脑计划”取得突破，我们能够在哪些方面与应用进行最快的结合。
我想最重要的是万变不离其宗，“讯飞超脑计划”是讯飞向人工智能领域深度进发的一个非常重要的风向标，它一定是符合讯飞自身需求并且和讯飞现在业务发展能够紧密配合的。
最后我想说的是，讯飞一定要把讯飞超脑想清楚、讲清楚、做清楚、用清楚，让它真正代表中国人工智能的水平。
联系客服
