错误率|他在京东每天做1000万图灵测试( 二 )_

基于其对自然语言理解和语言与视觉多模态信息处理的贡献，2018年底何晓冬当选IEEE Fellow。
此外，他还曾担任IEEE西雅图分会主席及多个顶级学术期刊编委。
在今年清华-中国工程院知识智能联合研究中心推出的AI 2000人工智能全球最具影响力学者榜单中，何晓冬同时入选自然语言处理、语音识别、信息检索与推荐3个领域。在这个榜单里，跨3个及以上领域入选的学者全球只有61位。
二十载学术生涯中，何晓冬的研究贯穿了语音识别、语言理解、图像与语言多模态信息处理等领域。也正好在这一时期，深度学习及人工智能技术迎来新一轮爆发。
深度学习爆发的见证者、参与者正如乔布斯在斯坦福大学那场著名的演讲中所言，人生中很多事件其间存在巧妙关联，但要在多年后回望时才会发现。
这一点在何晓冬身上也有印证。
站在当下这个节点上，何晓冬回望走过的路，何晓冬对我们讲述了自己亲历的深度学习发展中的几个片刻。
关于这个故事，还要从2006年说起。
当年，深度学习三巨头之一Geoffrey Hinton在顶刊Science上发表了一篇论文，名为《Reducing the Dimensionality of Data with Neural Networks》。

文章插图
虽然当时人们认为这篇论文并不好懂，但现在回头来看，这篇论文可以称得上是这次深度学习浪潮的起点。
而彼时何晓冬考虑的，却是另外一个问题：需要什么样的算法才能在像大规模语音识别、机器翻译这类硬核的AI任务上产生真正的突破？
在他看来，很多算法、理论确实够前沿新颖，但当真的用到实际问题中时，效果却差强人意。
之后在2008年的机器学习顶会NeurIPS（当时叫做NIPS）上，他和当时微软的同事邓立便举办了一场语音语言研讨会（NIPS Workshop on Speech and Language: Learning-based Methods and Systems），同时也邀请Hinton来做报告。

文章插图
之后邓立还邀请Hinton去微软“做客”，期望将他提出的最新理论，拓展应用到公认很难的大规模词表语音识别任务中去。
而就是这一次合作，让大规模语音识别这件事在2010年，第一次出现了非常明显的进步。
具体而言，深度学习将大词表语音识别性能突破性提升了20%，可以说是开启了后来一系列人工智能硬核任务上的突破。
以Switchboard数据集上的语音识别性能测试为例，在此之前，基本错误率都高到没法在实际场景中大规模用起来。
而从2010年开始，大词表语音识别的错误率每年都在迅速下降。

文章插图
到了2017年，在Switchboard上的错误率被降低至5.1%，这也是首次在这个数据集上AI达到了人类职业速记员的水平。
但实际上，2010年那次深度学习在语音识别上取得突破的影响，远不止于此。
重点是它让大家对深度学习、神经网络看法发生了改观——
“原来这是条可行的路”。
于是，在这扇大门敞开之际，深度学习领域与之相关的各项研究都开始遍地开花。
比如图像识别方面，以ImageNet项目为例，在2012年Hinton和他的学生研发的深度学习模型将物体识别的错误率降低了1/3。并且随后每一年识别错误率都在持续大幅下降。
在2015年，深度学习模型在ImageNet数据集上把识别错误率降到了3.57%，首次超越了人类的5%错误率的水平。
而且不单是对语音和图像的识别，理想中的AI应该是能像人一样去理解语言背后更深层的语义，就是说AI需要从感知智能进化到认知智能。