日前在2016新浪C+峰会上，科大讯飞轮值总裁、研究院院长胡郁发表演讲的同时，还向在场的所有人展示了科大讯飞最新的语音转写技术。
胡郁演讲过程中，他的所有发言都能实时变成文字展示在屏幕上。而这项语音转写技术的反应速度相当惊人，几乎已经达到了音画同步的节奏。
据胡郁介绍，这项语音转写技术已经和国家的很多部门，包括中共中央办公厅、国务院办公厅以及中宣部都在使用。
从能听会说到能理解会思考
1946年世界上第一台电子计算机诞生开始，许多计算机科学家就开始对计算机能够代替人类做什么展开了联想。1956年“人工智能”首次在Darmouth会议上被提出，然而因为技术的掣肘和时代的局限性，人工智能的发展并非一帆风顺。
进入21世纪，特别是随着移动互联网和互联网的发展，人工智能的力量再次得到重视，因为人们发现，人工智能可以解决很多问题，甚至可以对传统的行业进行颠覆式的创新。
但人工智能发展到现在，仍然有尚未攻克的难题。人工智能与人的智能之间还存在着巨大的差别。胡郁在演讲中提到，“我们现在的人工智能跟我们的意识其实根本没有任何的关系。”
胡郁更习惯将人工智能进行分类，分为计算智能、感知智能和认知智能。机器发明出来以后，计算能力和存储能力远远的超过了人类。但是在认知方面，机器还远远落后于人类，在胡郁看来，如果机器能够在这一点上赶上人类，那就是机器智能战胜人类非常重要的节点，“但它们现在还有很大的差距。”
那么如何能够让机器像人类一样能够认知理解这个世界呢？胡郁的演讲中介绍了目前研发存在的两种思路。一种是通过对人类大脑的了解，帮助机器更好的设计算法。另外一方面，是利用深度神经网络、大数据以及涟漪效应，来共同养成视觉、听觉和自然语言处理方面的能力。
讯飞超脑背后的认知革命
谷歌旗下人工智能公司DeepMind近来憋了个大招，继AlphaGo赢了人类棋手后，他们又研制出了能够生成模仿人类语音的系统。
让人能与机器对话一直是人类希望在人工智能领域里实现的目标。但是，目前用计算机生成语音仍然大量地依赖于TTS（文本到语音）拼接技术。在这个过程中，机器首先要记录一个说话人的声音片段，并基于此构建超大型的数据库，随后，经过再次结合过程，形成完整的表达。
与对原始声浪建模的构想类似，科大讯飞的“讯飞超脑”在对声音进行处理时，模拟的同样是语音图谱。
“大家都知道我们的声音其实在我们的脑海里面，在声音处理里面能够看到有一个语音谱图。非常牛的人员，利用这个语音谱图来判断。我们现在做的成果可以利用图像处理的方法处理我们的语音，跟我们耳朵里面的听觉系统是非常接近。不仅仅如此，更加重要的是解决认知的问题，里面包括语音翻译、知识表示、联想推理和自主学习。现在我们做到了什么样的成果呢？”胡郁介绍称，目前科大讯飞最新发布的产品AIUI，已经能够非常自然的与人类语音进行交互，而且能够将原来单次的交互变成全智能的交互，将语音识别、语音合成、自然语言理解和整个对话过程融为了一个整体。
科大讯飞展示的语音转化技术其响应速度已经远远超出想象，科大讯飞的目标远远不是让人工智能去取代速记的工作，它所瞄准的是一个入口。胡郁介绍称，“我们要做语音和语言为入口的机器认知革命，这里面包括感知智能和认知职能。让机器模仿我们人类的感知智能，可以对概念进行推理和解决。我们期待将来可以看到非常好的物联网的世界，手机、智能家电、智能家居……都能够跟我们自由的交流，我们可以进入一个真正的机器认知的革命时代。”
