亞馬遜Alexa的深度學(xué)習(xí)與語音識別的核心技術(shù)原理 - 全文

亞馬遜Alexa首席科學(xué)家Nikko Strom博士是語音識別領(lǐng)域級別最高的牛人。1997 年從瑞典皇家理工學(xué)院語音通信實驗室取得博士學(xué)位，后進(jìn)入MIT計算機(jī)科學(xué)實驗室。2000 年加入語音技術(shù)新創(chuàng)Tellme Networks。2007 年被微軟收購后，加入微軟推進(jìn)商業(yè)語音識別技術(shù)研究。2011 年加入亞馬遜，擔(dān)任首席科學(xué)家，領(lǐng)導(dǎo)語音識別及相關(guān)領(lǐng)域的深度學(xué)習(xí)項目。

近幾年他致力于分布式深度學(xué)習(xí)訓(xùn)練研究，論文已于2015年發(fā)表。

在美中技術(shù)與創(chuàng)新協(xié)會（Association of Technology and Innovation，ATI）主辦的第一屆“AI NEXT”大會上，亞馬遜Alexa首席科學(xué)家Nikko Strom博士介紹了亞馬遜Alexa的深度學(xué)習(xí)與語音識別的核心技術(shù)原理，以下是他的演講全文：

（Nikko Strom于今年1月發(fā)表過同題演講，使用相同的幻燈片，部分圖片為1月時使用的幻燈片。）

今天我要談?wù)凙lexa的深度學(xué)習(xí)技術(shù)。我會先介紹一下Alexa，然后再說明我們?nèi)绾螌⑸疃葘W(xué)習(xí)應(yīng)用于處理如此大規(guī)模的數(shù)據(jù)，之后我將介紹語音識別和語句合成的技術(shù)細(xì)節(jié)，這是我們主要應(yīng)用深度學(xué)習(xí)的兩個領(lǐng)域。今天我在這里不是為了講技術(shù)具體原理，所以如果你們希望聽的是技術(shù)處理的細(xì)節(jié)，或許在下午的活動中會更開心。最后我將談?wù)勎覀兣c業(yè)界和學(xué)界的伙伴合作的其他項目。

起初是這樣的，幾年前我們發(fā)布了Amazon Echo的第一版。我們從小范圍做起，限量發(fā)布，希望能在大范圍公開前先看看使用效果。用戶很明確也很快地反饋了他們喜歡我們的產(chǎn)品，反響來得之快遠(yuǎn)出乎我們意料。從這個起點(diǎn)開始，轉(zhuǎn)眼Amazon Echo設(shè)備銷量已達(dá)到幾百萬。人們對此很感興趣，想聽我講更多我們把產(chǎn)品從小做到大、從默默無聞做到具有巨大商業(yè)價值的過程。

總之，我們將這個產(chǎn)品做了個擴(kuò)展，做了個更小的版本，Echo Dots，也是無線設(shè)備。順便提一句，活動結(jié)束后，你們可以在我們的展臺試用這些產(chǎn)品。去年圣誕期間新加入了白色版本。不只如此，F(xiàn)ire TV、Fire平板電腦，還有其他一些第三方設(shè)備上，也可以下載到內(nèi)建Alexa技術(shù)的產(chǎn)品，我們提供了聲音識別技術(shù)植入它們的API。連手表都用我們的技術(shù)，弄得我都想要這種手表了。

以上是植有Alxea技術(shù)的一些電子產(chǎn)品。還有很多是智能家居設(shè)備，不僅有聲音感應(yīng)功能，而且是由Alexa來進(jìn)行控制。我最喜歡的是燈的開關(guān)。就像我家的那種開關(guān)，都是智能的，所以在家經(jīng)常能聽到我說“Alexa，把廚房燈打開”一類的話。其實這個場景看起來挺傻的，因為其實我就站在開關(guān)旁邊。當(dāng)然它也可以這么用，比如上樓時，我就說，“樓上的燈，亮！”，很有趣。我家的電視也有這個功能，所以我會說“Alexa，打開電視”。你真應(yīng)該來看看。

我們擴(kuò)展的另一個領(lǐng)域，是Alexa可實現(xiàn)的功能。也許你們沒有讀到新聞，我們最近的成果是，Alexa已經(jīng)有超過一萬項技能了。功能可以由第三方來開發(fā)，不用我們親自來。我們有供第三方使用的API，來讓開發(fā)者給Alexa加入各種各樣的技能，以豐富用戶體驗。