4月25日， 未來之旅之中美人工智慧的未來——聯想之星&矽谷銀行AI論壇在北京舉行。 論壇現場， 思必馳副總裁、北京研發院院長初敏，
初敏在2017年8月加入思必馳， 在此之前， 初敏在阿裡雲任IDST智慧語音交互方向的負責人。 加入阿裡之前， 初敏在微軟亞洲研究院從事了將近10年的研究工作， 創建和領導語音合成研究小組。
在思必馳， 初敏也在致力於建立一個從基礎研究到應用落地的團隊， 為思必馳拓展新的業務路線。
初敏在演講中表示， 從企業服務的角度出發， 實現互動式的智慧服務， 以及如何實現大規模生產和定制， 是AI實現產業化的兩大要素。 她表示， 所有的交互， 目的都是要企業提供智慧的服務， AI應用在企業中落地， 要站在企業的視角上， 從服務的角度出發， 把整個服務體系變得智慧化。 思必馳目前， 也在關注主動式的交互和資訊傳播。
最後， 初敏也強調了人才的問題。 不僅AI技術人才目前非常緊張， 同時， 理解場景的應用型人才也是非常欠缺的。 AI產業化的鏈條非常長， 需要更多的企業、更深度的協作， 才能讓AI技術真正廣泛應用起來。
以下為初敏博士演講實錄， 經黑智整理：
初敏：今天很高興能到這跟大家做一些分享， 我這個題目講的是產業化， 是從技術視角來看的。 我早年在微軟研究院， 是做研究出身的， 後來到了阿裡巴巴， 就越來越偏應用， 偏真正做實際的東西。
現在我在思必馳， 我覺得我們更是希望把能把語言的交互技術，
隨著PC到移動互聯網到現在講的IoT物聯網， 其實最關鍵的是連接關係更密切。
到物聯網時代， 每一個企業和自己的每一個客戶， 都有非常高維度的關聯， 在這個情況下， 其實很多事情就和原來都不一樣了， 等於我們自己都在考慮怎麼運營， 自己怎麼把最新的資訊傳遞給客戶。
我們前一陣關心的人工智慧應用更多的是從人的視角、就是終端的人來看，
這裡面其實語音還是最主要的一種方式。 這是前面說的以人的視角來做生活的智慧化。 比如說汽車是你出行的空間， 因為我們會花一兩個小時在路上。 那麼辦公室空間、家庭空間、酒店空間， 圍繞這些空間來想怎麼樣一個人能生活更方便。
那再往下， 我們更多的是圍繞企業。 既然人和企業之間能有那麼豐富的關聯， 從企業的視角， 也會通過各式各樣的設備去和使用者來接觸， 這個過程包括你的客服、包括業務拓展、市場的品牌宣傳， 其實我們也還是通過這個設備， 但現在是站在企業的視角上要把自己變得智慧化。 以前這些服務是靠人來實施的， 那往後可能更多的是靠機器配合少量的人， 把整個服務體系變得智慧化。
在這個過程中，越來越多的是企業提供資料和知識服務，通過各種交互來實施。交互就包括基本的身份認證，比如說聲紋、人臉、虹膜、指紋，來減少以前的鍵盤輸入方式；服務入口還是剛才說到的各種設備，從手機擴展到IoT的設備，這裡面語音是最主要的，還包括場景、情感的感知，來實現交互。
但是所有的交互，目的是要為企業提供智慧的服務。所以我們做交互的過程也在考慮，只有交互是不夠的，一定是背後要有很多真正能服務的東西。
思必馳成立於2007年，2012年由聯想之星早期投的，致力於做語音。早期做教育，從2013-2014年做物聯網的語音交互。我們圍繞人的生活智慧化來展開，主要是不同智慧設備上，包括麥克風的解決方案，語音介入，自然語言理解對話，我們都做了整個的技術解決方案。最近幾款火爆的音箱，天貓精靈、小愛，後面都用了很多思必馳的技術。
我們試圖想通過連接萬物來幫我們溝通萬事。實際上我們今天所有看到語音對話系統，更多的是被動回應式的，機器永遠在那等著你，我來喚醒你、來跟你說一句，然後你來執行我要做的事情。
但是我們轉過來來看，你如果是銷售，去和客戶溝通的時候，不是等客戶問問題的，一定是要給客戶介紹，但是不是從頭講到尾，我一定要關注對方的反應，所以我們最近也在看，不能是我這麼強制講下去，是主動式的。比如你剛開始這麼問，根據客戶但凡會問的問題，我們就會問相關的問題，是不是你想拓展的，用戶可以這麼持續聊下去。你對我推薦的不感興趣，你可以繼續問你你關注的問題，這樣繼續談下去。
所以在交互的過程中，越來越重要的不是機器，而是從服務的角度，不是等待，而是主動的傳播。其實每個企業都知道自己有哪些關鍵資訊要傳播，我覺得這是非常重要的視角，我們現在就是想從這個角度來做一些嘗試。
我希望我們的工具，可以在每個企業中，不管你是marketing還是BD、產品，都來作為我們的知識的沉澱，聚在一起變成知識庫，通過主動的對話，根據使用者的需求，可以把資訊不斷地傳播過去。
我相信未來可能會有很多的對話趨勢，是往這個方向走的。我們今天算一個最早的嘗試者。還有一個問題，就是大規模的生產和定制。今天我們要做一個漂亮的demo是非常容易的，但是我能不能為你的所有事情，不管是大事情還是小事情，都能做到這樣？只有說我們有了一個非常簡單的應用方式，產業化才可能實施。如果每個企業都要自己去懂GPU怎麼去訓練、深度學習怎麼去做，懂得怎麼去采資料，那就太麻煩了。
所以我覺得，我們做這些的企業，要把用這個AI技術的門檻變低，變得容易，才能真正實現產業化，才能複製1千次、1萬次、10萬次，而不是像現在我們很多時候還是當項目做，把AI的落地當成一個又一個項目。
其實這樣它還是個人力外包。因為除了你之外，別人不會做，只有你派10個人、20個人的團隊駐場到企業裡給他做半年才能落地，這個模式是不夠的，不可能大規模成長的。複雜的東西簡單化，才能讓這個東西真正產業化，能真正爆發。
這裡面舉的這是只是一個例子。每一個產品得定義所有的環節，如果讓做產品的懂那麼多這是不可能。那我們要做到很多，也還是有很長的路。這塊我覺得最重要的，就是場景的定制化。比如這裡有語音的即時識別和翻譯，我認為已經做得很不錯了，但是只要我說兩個技術術語，它就識別不出來。問題在哪？就是因為今天即便是人工智慧、深度學習，任何的這樣的演算法，都不存在能訓練出個模型，通用於所有的場景。
很多公司的語音辨識號稱有的97%甚至99%的準確率，但我估計現場會議大多是90%準確率都達不到的。識別準確率其實不難，最關鍵的是什麼？其實是語音模型。真正應用裡，場景的這種快速更新、定制自我調整能力，是非常重要的。
我在很多地方都反復強調，包括我們自己都花了很多的時間來想這個事情，其實背後的路途是很長的，因為從資料訓練，到原始的大模型怎麼使用，其實有很多的技術挑戰。但是我覺得這是必須解決的問題，這樣子的問題沒有真正的解決，AI應用就其實是很難用的。就是我們永遠可以看到一個非常漂亮的demo，但是在不同的場景中跟我們期望的差距很大。
在這點上我們也是剛開始，也不是做到了多麼完美，但是在這上面我們做了很多的努力。我們做了定制的平臺，你可以定制自己的新場景、定制自己的對話流程等，還可以定制你的語言模型，根據定制和場景中的資料，也會同時來修整我們的語音模型，這樣子語音辨識的效果也會好起來。
還有一個因素，就是人才。其實今天大家所關注的，懂深度學習的、懂語音辨識的、懂圖像識別的人才是很少的，很緊張。而在真正產業化的過程中，其實更缺的是應用型人才。比如我們在去把AI用到各種場景中，想要把它交代清楚，其實就很辛苦。之前我在阿裡做客服的時候，也對接過很多廠商，一開始他說你給我個介面我調用一下，後來就說效果怎麼會那麼差，而我們後來發現，原來他們調的人不懂得採用率，什麼8K、16K這些都不懂。
我們想把AI用到任何一個行業，如果企業裡面沒有人能懂、沒有人能配合你，還是做不成的。我覺得我們想形成產業化的時候，這種應用型人才的培訓也是非常的重要。包括什麼東西系統做不到，但是通過產品的設計、應用的設計可以回避掉，這些都是應用平臺需要去考慮的。
真正做應用場景的人，不一定需要懂得深度學習，不一定要知道模型怎麼訓練，但是要知道真正人工智慧每一項技術的局限性，它的長處是什麼，短處是什麼，在這個基礎上我們去合理的設計自己的場景，去設計它。
我不希望大家把這些技術看成神話，其實它是一個工具，這個工具在我們手裡，怎麼能更好的解決我們的問題，是非常重要的。
AI整個產業化的鏈條真的是非常的長，也不是一家公司能把所有的東西做透的，在這個場景下，的確是需要很多的合作、協作和配合，一定要有很深度的協作才能把這個技術真正廣泛的應用起來。謝謝。
本文來自黑智，創業家系授權發佈，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]
把整個服務體系變得智慧化。在這個過程中，越來越多的是企業提供資料和知識服務，通過各種交互來實施。交互就包括基本的身份認證，比如說聲紋、人臉、虹膜、指紋，來減少以前的鍵盤輸入方式；服務入口還是剛才說到的各種設備，從手機擴展到IoT的設備，這裡面語音是最主要的，還包括場景、情感的感知，來實現交互。
但是所有的交互，目的是要為企業提供智慧的服務。所以我們做交互的過程也在考慮，只有交互是不夠的，一定是背後要有很多真正能服務的東西。
思必馳成立於2007年，2012年由聯想之星早期投的，致力於做語音。早期做教育，從2013-2014年做物聯網的語音交互。我們圍繞人的生活智慧化來展開，主要是不同智慧設備上，包括麥克風的解決方案，語音介入，自然語言理解對話，我們都做了整個的技術解決方案。最近幾款火爆的音箱，天貓精靈、小愛，後面都用了很多思必馳的技術。
我們試圖想通過連接萬物來幫我們溝通萬事。實際上我們今天所有看到語音對話系統，更多的是被動回應式的，機器永遠在那等著你，我來喚醒你、來跟你說一句，然後你來執行我要做的事情。
但是我們轉過來來看，你如果是銷售，去和客戶溝通的時候，不是等客戶問問題的，一定是要給客戶介紹，但是不是從頭講到尾，我一定要關注對方的反應，所以我們最近也在看，不能是我這麼強制講下去，是主動式的。比如你剛開始這麼問，根據客戶但凡會問的問題，我們就會問相關的問題，是不是你想拓展的，用戶可以這麼持續聊下去。你對我推薦的不感興趣，你可以繼續問你你關注的問題，這樣繼續談下去。
所以在交互的過程中，越來越重要的不是機器，而是從服務的角度，不是等待，而是主動的傳播。其實每個企業都知道自己有哪些關鍵資訊要傳播，我覺得這是非常重要的視角，我們現在就是想從這個角度來做一些嘗試。
我希望我們的工具，可以在每個企業中，不管你是marketing還是BD、產品，都來作為我們的知識的沉澱，聚在一起變成知識庫，通過主動的對話，根據使用者的需求，可以把資訊不斷地傳播過去。
我相信未來可能會有很多的對話趨勢，是往這個方向走的。我們今天算一個最早的嘗試者。還有一個問題，就是大規模的生產和定制。今天我們要做一個漂亮的demo是非常容易的，但是我能不能為你的所有事情，不管是大事情還是小事情，都能做到這樣？只有說我們有了一個非常簡單的應用方式，產業化才可能實施。如果每個企業都要自己去懂GPU怎麼去訓練、深度學習怎麼去做，懂得怎麼去采資料，那就太麻煩了。
所以我覺得，我們做這些的企業，要把用這個AI技術的門檻變低，變得容易，才能真正實現產業化，才能複製1千次、1萬次、10萬次，而不是像現在我們很多時候還是當項目做，把AI的落地當成一個又一個項目。
其實這樣它還是個人力外包。因為除了你之外，別人不會做，只有你派10個人、20個人的團隊駐場到企業裡給他做半年才能落地，這個模式是不夠的，不可能大規模成長的。複雜的東西簡單化，才能讓這個東西真正產業化，能真正爆發。
這裡面舉的這是只是一個例子。每一個產品得定義所有的環節，如果讓做產品的懂那麼多這是不可能。那我們要做到很多，也還是有很長的路。這塊我覺得最重要的，就是場景的定制化。比如這裡有語音的即時識別和翻譯，我認為已經做得很不錯了，但是只要我說兩個技術術語，它就識別不出來。問題在哪？就是因為今天即便是人工智慧、深度學習，任何的這樣的演算法，都不存在能訓練出個模型，通用於所有的場景。
很多公司的語音辨識號稱有的97%甚至99%的準確率，但我估計現場會議大多是90%準確率都達不到的。識別準確率其實不難，最關鍵的是什麼？其實是語音模型。真正應用裡，場景的這種快速更新、定制自我調整能力，是非常重要的。
我在很多地方都反復強調，包括我們自己都花了很多的時間來想這個事情，其實背後的路途是很長的，因為從資料訓練，到原始的大模型怎麼使用，其實有很多的技術挑戰。但是我覺得這是必須解決的問題，這樣子的問題沒有真正的解決，AI應用就其實是很難用的。就是我們永遠可以看到一個非常漂亮的demo，但是在不同的場景中跟我們期望的差距很大。
在這點上我們也是剛開始，也不是做到了多麼完美，但是在這上面我們做了很多的努力。我們做了定制的平臺，你可以定制自己的新場景、定制自己的對話流程等，還可以定制你的語言模型，根據定制和場景中的資料，也會同時來修整我們的語音模型，這樣子語音辨識的效果也會好起來。
還有一個因素，就是人才。其實今天大家所關注的，懂深度學習的、懂語音辨識的、懂圖像識別的人才是很少的，很緊張。而在真正產業化的過程中，其實更缺的是應用型人才。比如我們在去把AI用到各種場景中，想要把它交代清楚，其實就很辛苦。之前我在阿裡做客服的時候，也對接過很多廠商，一開始他說你給我個介面我調用一下，後來就說效果怎麼會那麼差，而我們後來發現，原來他們調的人不懂得採用率，什麼8K、16K這些都不懂。
我們想把AI用到任何一個行業，如果企業裡面沒有人能懂、沒有人能配合你，還是做不成的。我覺得我們想形成產業化的時候，這種應用型人才的培訓也是非常的重要。包括什麼東西系統做不到，但是通過產品的設計、應用的設計可以回避掉，這些都是應用平臺需要去考慮的。
真正做應用場景的人，不一定需要懂得深度學習，不一定要知道模型怎麼訓練，但是要知道真正人工智慧每一項技術的局限性，它的長處是什麼，短處是什麼，在這個基礎上我們去合理的設計自己的場景，去設計它。
我不希望大家把這些技術看成神話，其實它是一個工具，這個工具在我們手裡，怎麼能更好的解決我們的問題，是非常重要的。
AI整個產業化的鏈條真的是非常的長，也不是一家公司能把所有的東西做透的，在這個場景下，的確是需要很多的合作、協作和配合，一定要有很深度的協作才能把這個技術真正廣泛的應用起來。謝謝。
本文來自黑智，創業家系授權發佈，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]