很多時(shí)候，機(jī)器學(xué)習(xí)和人工智能像是在遠(yuǎn)程、復(fù)雜的超級(jí)計(jì)算機(jī)上運(yùn)行的高端技術(shù)，以解決棘手的問(wèn)題。然而最近，我有幸與一群了不起的工程師和科學(xué)家合作，共同開(kāi)展了一個(gè)將人工智能融入日常生活的重大項(xiàng)目。

從2019年開(kāi)始，在ML Commons的支持下成立了一個(gè)工作組，旨在通過(guò)創(chuàng)建大規(guī)模、多樣化和公開(kāi)許可的語(yǔ)音數(shù)據(jù)集來(lái)增強(qiáng)并普及語(yǔ)音識(shí)別技術(shù)。迄今為止，該項(xiàng)目已經(jīng)產(chǎn)生了兩個(gè)頂級(jí)數(shù)據(jù)集，涵蓋了全球數(shù)十個(gè)語(yǔ)種。該小組的成員來(lái)自英特爾、哈佛大學(xué)、阿里巴巴、甲骨文、Landing AI、密歇根大學(xué)、谷歌、百度等。

介紹這些口語(yǔ)數(shù)據(jù)集的兩份白皮書(shū)——《人的語(yǔ)言》和《多語(yǔ)種口語(yǔ)語(yǔ)料庫(kù)》，已于12月7日舉辦的NeurIPS大會(huì)上發(fā)布。其中，《人的語(yǔ)言》主要針對(duì)“自動(dòng)語(yǔ)音識(shí)別”任務(wù);《多語(yǔ)種口語(yǔ)語(yǔ)料庫(kù)》則包含“關(guān)鍵詞識(shí)別”。這兩個(gè)項(xiàng)目的數(shù)據(jù)集都貢獻(xiàn)了大量豐富的音頻數(shù)據(jù)，且每個(gè)數(shù)據(jù)集在同類中都擁有最大的可用體量。

這將會(huì)對(duì)人們的日常生活產(chǎn)生哪些影響?通過(guò)對(duì)這些數(shù)據(jù)集的訓(xùn)練，計(jì)算機(jī)或其他設(shè)備可以“聽(tīng)到”口頭語(yǔ)言并采取適當(dāng)?shù)男袆?dòng)，例如響應(yīng)用戶的查詢或生成自動(dòng)轉(zhuǎn)錄文本。在當(dāng)今多元化、國(guó)際化、多語(yǔ)言的工作環(huán)境中，準(zhǔn)確轉(zhuǎn)錄和翻譯的能力愈發(fā)重要。

這兩個(gè)項(xiàng)目都運(yùn)用了“多樣化語(yǔ)音”，這意味著它們更好地展現(xiàn)自然環(huán)境音，如背景噪音、非正式語(yǔ)言模式、錄音設(shè)備混音以及其他聲學(xué)環(huán)境等。這與諸如有聲讀物之類的高度受控的內(nèi)容不同，后者產(chǎn)生的聲音更加“純凈”。然而，在實(shí)際應(yīng)用中，多樣化語(yǔ)音訓(xùn)練有助于提高識(shí)別的準(zhǔn)確性。

“人的語(yǔ)言”項(xiàng)目?jī)?nèi)含數(shù)萬(wàn)小時(shí)的對(duì)話音頻。如今，它是世界上最大的、可免費(fèi)下載的、用于學(xué)術(shù)和商用的英語(yǔ)語(yǔ)音識(shí)別數(shù)據(jù)集之一。

“多語(yǔ)種口語(yǔ)語(yǔ)料庫(kù)”是一個(gè)音頻語(yǔ)音數(shù)據(jù)集，不僅擁有超過(guò)30萬(wàn)個(gè)關(guān)鍵字的數(shù)十種語(yǔ)言，能夠通過(guò)智能設(shè)備訪問(wèn)，還涵蓋了50多億用戶的日常對(duì)話，有助于推動(dòng)全球范圍內(nèi)受眾語(yǔ)音應(yīng)用的研發(fā)。

開(kāi)發(fā)這些數(shù)據(jù)集的研究人員來(lái)自于一個(gè)跨越多個(gè)大洲的國(guó)際小組。多年來(lái)，我們每周通過(guò)電話會(huì)議會(huì)面，每個(gè)人都為項(xiàng)目貢獻(xiàn)特定專業(yè)知識(shí)。

這兩個(gè)數(shù)據(jù)集都將被研究人員和開(kāi)發(fā)者廣泛使用，而且它們包括商用在內(nèi)的授權(quán)許可條款都相對(duì)較為寬松。適當(dāng)開(kāi)放授權(quán)的重要性被無(wú)意識(shí)地低估了，導(dǎo)致許多有應(yīng)用前景的數(shù)據(jù)集在可用性和適用規(guī)模方面受到限制。

這兩個(gè)數(shù)據(jù)集將由MLCommons進(jìn)行長(zhǎng)期維護(hù)。MLCommons是一個(gè)由全球技術(shù)提供商、學(xué)者和研究人員組成的聯(lián)盟，而英特爾是聯(lián)盟的創(chuàng)始成員之一。

在語(yǔ)言的人工智能領(lǐng)域，這個(gè)項(xiàng)目是一個(gè)飛躍，同時(shí)它也為未來(lái)開(kāi)啟了諸多可能性。未來(lái)，我期待與同事們繼續(xù)合作，將其推向新的階段。

原文標(biāo)題：傾聽(tīng)世界：人工智能的突破

文章出處：【微信公眾號(hào)：英特爾中國(guó)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

審核編輯：湯梓紅