克隆真人语音只要1句话,AI问诊超96.4%全科医生!科大讯飞年度黑科技大秀,余承东都来了

还说:AI减少了学生50%无效作业时间

杨净 萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI

企业拥有265万开发者是一种什么体验?

是在最新财报上已经商业变现,开放平台营收增速高达131%?

连续5年在合肥振臂一呼,全球就迅速响应?

当然,这还不是全部。

在这一次开发者节上,科大讯飞董事长刘庆峰向全球开发者,摊开过去一年答卷。

  • 科大讯飞AI开放平台,至今已有441项核心技术;
  • 每个月平均新增9万开发者团队,其中工业应用占比达到60%;
  • 医疗AI系统一年给出97万份修正诊疗结果……

而像“遇强则强,遇弱则弱”的围棋机器人、1分钟定制专属AI数字人3秒判断声音画像等这些技术成果更是成为展区的爆款!

第五届全球开发者节究竟有何看头?现在就带你一文看尽。

科大讯飞最新技术成绩

今年1024开发者节上,最先登场的科大讯飞董事长刘庆峰披露了取得的一系列最新成绩。

其一,AI健康咨询准确率超过绝大部分全科医生。

在你就诊时,健康咨询AI系统会根据你的相关健康状况,推荐你去对应医院找专家就诊。据刘庆峰介绍,目前科大讯飞的健康咨询AI系统,已经超过96.4%的通过国家考试的全科医生。

其二,医疗AI系统一年给出97万份修正诊疗结果。

在过去一年中,科大讯飞的AI辅助诊疗系统,协助修正了97万份安徽省基层医生看病的诊疗初步结果。依赖于科大讯飞的医疗AI辅助诊疗系统,安徽基层医生合理诊断度已经从70分提升到了80分,整体系统准确率已经达到97%以上。

其三,AI开放平台核心技术达到441项。

2010 年,科大讯飞开放平台正式上线,集成了语音合成、语音搜索、自然语言处理和语音听写等多项能力,成为当时行业内开放最早的智能语音平台。如今,科大讯飞已经从最初的3项核心技术,进化到今天具备的441项核心AI能力与方案。

其四,1句话就能语音合成1个人的声音。

据刘庆峰介绍,科大讯飞正在不断的持续打造人工智能的核心技术的领先引擎,包括无监督训练等技术,让机器用更小的数据、更少的标注学习更多的知识,现在在语音合成上已经实现一句话就能模仿一个人的音色。

在小语种识别上,科大讯飞提出的统一空间表达的半监督语音识别技术,使得研究人员只用100个小时的有监督语音和无标签文本数据训练,就能达到之前10000小时有监督语音数据训练的效果。

其五,用AI让学生无效作业时间平均降低50%。

据刘庆峰介绍,科大讯飞在安徽合肥率先用人工智能助力“双减”,利用AI复杂系统,结合OCR自动评分、语音推理等技术,分析学生的学习情况,对过程性作业考试数据进行评价,精准给予指导,将孩子的无效作业时间平均降低了50%。

这一系列亮眼的成绩之上,刘庆峰公开了科大讯飞AI开放平台2.0战略,共包括6大措施:

刘庆峰表示,行业关键问题,需要各行业的人共同努力:

开发者可以不了解AI技术,只要有灵感、创意和想象力,就可以加入到AI开放平台2.0来。

只有生态的繁荣,才能决定AI的未来。

AI开放平台2.0升级

接下来,基于过去5年的开发者生态积累,科大讯飞总裁吴晓如提出1024计划5.0——用系统性创新,打造人工智能产业新生态。

当中最重要的部分,就是AI开放平台2.0的发布。

与过去1.0相比,简单来说,就是二维到三维的升级。

以往的解决方案,都是单向提供给创业伙伴,但随着人工智能逐渐向传统产业落地,需要解决的问题更为复杂,需要系统性架构来解决。

既然如此,就需要与行业龙头打造基线底座模型,再与上下游合作伙伴展开合作,形成完整的行业方案。

智慧农业为例。

讯飞就与中国农业大学展开合作,共同研发预测生产模型、浇水施肥模型等,然后提供给传感器等上下游供应商,共同将方案提供给业内的合作伙伴。

目前,科大讯飞首次推出18个行业,并表示将每年投入5亿研发基金,服务100万开发者。

既然如此,那该如何推动开放平台2.0的战略?有四大维度

1、与高校合作开设人工智能专业,目前已经开发339门课程,培养超60万开发者。

2、与合作伙伴筹建智能语音创新中心,为每个行业制定标准测试环境。

3、举办顶尖赛事,选出行业标杆。正如此次1024开发者节,就举办了兼具行业应用、学术研究、公益等105个赛道赛事,共有两万多支队伍报名。

3、孵化创新企业,提供优质资源。除了中国声谷之外,讯飞在全国共有十余家双创基地。

四大技术方向突破

接着,科大讯飞高级副总裁、AI研究院院长胡国平,就分享了四大技术方向的突破。

嗯,实际上就是去年发布的“AI科技树”,今年已然开出一些果来。

第一项,端到端建模技术。

这项技术将前端多路信号直接同步输入到后端声学模块,来实现更精细的建模,可实现复杂(比如嘈杂环境)场景下的一体化语音识别、语音翻译等。

在语音识别上,以卖场为例,这项技术成功将只有35%的语音识别准确率,提升到了88%;同时语音唤醒的成功率,也成功从40%提升到了90%。

在语音翻译上,科大讯飞还成功在IWSLT国际口语机器翻译大赛的同传任务上,包揽了三个赛道的冠军。

第二项,无监督训练技术。

为了降低对语音合成数据规模的要求,科大讯飞提出了听感量化编码,充分借助语音识别数据来合成音库,成功实现了多人混合模型训练。

在小语种识别上,提出的统一空间表达的半监督语音识别技术,使得只用100个小时的有监督语音和无标签文本数据,就能达到之前10000小时有监督语音数据训练的效果。

在语音合成上,利用无监督训练甚至实现了发音内容、情感和音色分别可控的效果,例如1句话合成语音、方言自由切换等等……

注意,不止是普通的四川和合肥话,科大讯飞甚至开放了6种船新的少数民族语种:

第三,多模态融合技术。

在人机交互上,现在甚至已经不需要唤醒词了,机器会看到你的嘴型,从而自动判断你“是否在对它说话”,并自动做出应答,误唤醒率降低到0.01%

在复杂文档(例如试卷)识别上,多模态技术会结合OCR、手写数学公式识别等技术,将一张纸上的所有信息准确识别出来,已经实现教辅作业批改准确率从92%进化到98%的效果。

第四,外部知识融入技术。

我们都知道,做语音交互的AI总是有点“呆”,这是因为它们虽然学习了不少技术知识和新科技,但对人类的一些常识掌握得却还不够深。

为了提升AI在这方面的“人情味”,科大讯飞特意将人类的常识和知识整理成一个事理图谱。

像儿童玩具交互场景中,就包括“抢玩具”“收拾玩具”这样具体的动作,让它知道人类平时会做、会说的事情。

这样,在面对小朋友乱抛玩具时,AI就能从容说出“来收拾一下玩具”这样的语句,而不是只会帮小朋友一遍遍亲自收拾玩具。

又例如电子病历场景下,运用外部知识融入技术也能让AI学习到人类医生看病的经验,最终将罕见病诊断率从87%提升到了93%,整体病情判断准确率从92%提升到了95%

两大平台+生态助力产业

最后面向合作伙伴,科大讯飞交出自身探索成果——

两大平台+两大生态

首先是企业数字化平台的发布和虚拟人交互平台的开放。

简单来说,这个企业数字化平台其实是原来的AI开放平台基础上,配置了RPA引擎,从而具有智能化、自动化(RPA)、低代码、流程管理等特性。

以智能招聘为例,这位“虚拟小助理”可以在前期分发信息、电话通知等重复性工作上替代HR的工作,据称流程至少提效10倍

除了企业数字化平台的发布以外,还开放了虚拟人交互平台。

值得一提的是,在传统意义上开放给开发者外,还接受声音、形象提供者提供相应的数据,以应用于各类应用场景。

实际上,在过去一年里,这个交互平台已经在400+个企业客户进行试点,应用在了新闻生产、企业客服、泛娱乐营销等场景,新增54个形象,汇集了4988份声音。

接着,就是科大讯飞过去一年中成绩最显著的两大生态:教育+城市。

在教育生态上,科大讯飞今年提出了三大计划,包括教育科研基金资助计划,即在未来三年投入1个亿的科研基金,开展前沿的理论与应用的研究;

此外合作伙伴联合创新计划,设立创新孵化投资基金,每年投入1亿元,技术上提供300人以上的技术和市场领域的专家服务;

还有教学教研联盟的公益计划,预计新增建设10个区域联合教研机构、100所名校联盟新增合作校,推动内容共创平台新增骨干教研员1万名

城市生态上,据科大讯飞高级副总裁张友国表示,科大讯飞预计在2025年的智慧城市中,实现一年销售收入150亿,在“十四五”期间实现约500亿收入,其中预计60%(约300亿)的收入,科大讯飞都会分享给生态合作伙伴。

人工智能的未来:由表及里的生态

一天发布会下来,听到最多的一个关键词就是生态。

随着浪潮向前,人工智能不再像此前那般是一个触不可及的概念,而是真正普惠于民、用之于民的全民技术。

“帮助每个人、陪伴每个人、更懂每个人”,这是科大讯飞所描述的AI未来。

而预见未来最好的方式,就是共创未来。

去年这个时候,刘庆峰在演讲的最后提到,唯有生态,才能生生不息

今年开发者节上,“生态”的味道更加明晰,从技术、到产业,再到开发者从内到外全面渗透。

作为一家上市13年的老牌企业,正在用这种方式去完成人工智能产业的全面盛放。

One More Thing

对了,在本次开发者节上,还有其他意想不到的亮点。

比如,安徽人余承东回到家乡,在父老乡亲面前“带货”。(手动狗头)

版权所有,未经授权不得以任何形式转载及使用,违者必究。

相关阅读