減少對數據的依賴、讓數據驅動更有效、提升智能交互系統(tǒng)擬人度成目前人工智能技術的創(chuàng)新方向之一。

　　“新的人工智能浪潮主要得益于深度學習算法的驅動，需要龐大數據做支撐。但在過去一年里，我看到了技術創(chuàng)新的新趨勢，比如如何用更少的數據去實現(xiàn)更好的效果，減少對數據的依賴。”3月26日，科大訊飛（002230）副總裁、智慧金融事業(yè)部總經理解飛在“影響力 中國”時代峰會2021上如此表示。

　　解飛介紹，2015年科大訊飛在做個性化語音定制時，需要錄下20-30小時語音，再后期處理近一個月，才能形成個性化音庫，“但目前科大訊飛最新的產品，只要5分鐘，就能訓練出一個用戶的發(fā)音系統(tǒng)”。

　　除了減少對數據的依賴，人工智能技術的創(chuàng)新方向還包括如何讓數據驅動更有效、建立動態(tài)自學習模型、跨語言遷移學習、提升智能交互系統(tǒng)的擬人度等。

　　“我們內部討論認為，人工智能已經進入系統(tǒng)性創(chuàng)新時代。它的三大核心要素在于單點核心技術的鴻溝跨越、創(chuàng)新鏈條上關鍵技術的深度融合以及對重大系統(tǒng)性命題的洞察解析能力。”

　　峰會現(xiàn)場，解飛就各地區(qū)金融AI創(chuàng)新特點及近兩年變化，科大訊飛與科技金融公司、互聯(lián)網巨頭之間的關系，未來的賽道重點和技術突破方向等問題接受了時代財經的專訪。

　　談大灣區(qū)金融AI創(chuàng)新：更加市場導向，關注場景價值

　　時代財經：粵港澳大灣區(qū)在金融領域的AI創(chuàng)新與長三角等其他地區(qū)相比有什么特點？國內外又有什么區(qū)別？

　　解飛：海外的金融體系發(fā)展得相對較早，他們對于IT的應用，還是基于以前的超級計算機模式，國內現(xiàn)在新的系統(tǒng)都在往分布式存儲云的架構方向發(fā)展。

　　大灣區(qū)特別關注場景價值，更加市場導向。我們能明顯感覺到粵港澳大灣區(qū)的金融企業(yè)，包括銀行、保險、證券、基金是以業(yè)務上的強需求在拉動技術的發(fā)展，對應用任何技術的第一考量因素都是能否體現(xiàn)在業(yè)務價值上。相對而言，北方區(qū)域的機構會先考慮風險，絕對安全了，再考慮業(yè)務收益。

　　而以上海為代表的華東地區(qū)，整個金融科技的應用更偏向于系統(tǒng)規(guī)劃。華東地區(qū)對場景也很關注，但是更多是在一個大的體系下做規(guī)劃，考慮這個系統(tǒng)如何在這個體系下進行發(fā)展。這三個特點都是相對而言。

　　時代財經：從2019年到現(xiàn)在，AI語音技術在金融領域的創(chuàng)新上，科大訊飛經歷了什么樣的變化？

　　解飛：第一個明顯變化是，技術應用正從單點場景向全面應用擴展。金融行業(yè)對技術有很強的風險厭惡性，所以會先通過單點應用進行試水，再批量地進行使用，現(xiàn)在正是一個由點及面的過程；

　　第二，從業(yè)者對于技術應用、場景的理解比以前要深刻。以前一般是兩種狀態(tài)：一種人認為AI技術一下子能解決所有問題，另一種人認為是騙子，是概念性的、無法使用的技術?，F(xiàn)在大家不會再“打標簽”，問你“可以”還是“不可以”，而是說，在我的場景下能夠解決多少問題，我要怎么用，最好的切入路徑和方式是什么樣子的。

　　第三是隨著大家對技術、業(yè)務和產品理解越來越深入，業(yè)務模式也發(fā)生了變化。比如廣發(fā)銀行的信用卡中心在年前剛剛成立了數據標注運營工作組，就是在用業(yè)務去匹配技術的發(fā)展。

　　在技術趨勢方面也有兩點變化。第一是平臺從“煙囪式”的建設變成了平臺式的服務，使接口能夠在各個流程和場景下達到統(tǒng)一的應用標準，這也是接下來從業(yè)者在產品方案和技術研發(fā)上需要率先考慮的。

　　第二是對機器的認知要求變得更高。2019年之前，智能感知已經非常成熟了，包括語音識別都是超過90%的識別率，但在真正場景下，除了聽懂了、看懂了，還需要把決策流程添加進來，這才是最終的訴求，這需要在認知層面上有很大的突破。

　　時代財經：關于添加“系統(tǒng)決策流程”有什么具體的例子嗎？

　　解飛：比如某銀行跟客戶簽貸款合同，會經過AI系統(tǒng)進行一次OCR（光學字符識別），這一步只是感知，但當這些合同錄到系統(tǒng)后，還需要幫助銀行判斷哪些條款是不對的、這個法人和其他法人的合同有沒有關聯(lián)或沖突等。這些以往都是靠人來做，現(xiàn)在通過機器就能替代人60%左右的工作。

　　相比感知技術，認知技術這兩年在成熟場景下，提升非常巨大。之前客服中心只有20%左右的工作是智能化的，現(xiàn)在有70%左右。另外，銀行中的風控、審批等，都是認知決策的過程。

　　談競爭：AI公司和科技金融公司“我中有你”

　　時代財經：平安銀行這樣的科技金融公司也有數字化風控和數字化客服等業(yè)務，他們和科大訊飛這樣的AI公司有什么區(qū)別？

　　解飛：在2015年之前，平安銀行的95511智能客服系統(tǒng)都是科大訊飛承建的，從2018年開始自研系統(tǒng)平臺后才逐漸地切換到自研平臺。但直到現(xiàn)在，平安人壽新契約回訪服務的機器人質檢系統(tǒng)仍然在使用科大訊飛的服務。

　　我認為，銀行科技公司和做AI算法的公司，在產業(yè)鏈上是區(qū)隔大于競爭的――70%是區(qū)隔，30%是競爭。區(qū)隔指的是科技公司更多會往通用算法方向發(fā)展，銀行科技公司則對場景和業(yè)務的理解更加深刻。未來算法和引擎服務AI公司會做得更多，引擎服務之上的應用系統(tǒng)、業(yè)務系統(tǒng)則是銀行科技公司做得更多。

　　但平安銀行的科技實力更強，所以它會往下延展一些。有的銀行科技實力更弱，我們除提供中臺到底層算法的方案外，也會往上延展，去做端到端業(yè)務系統(tǒng)的方案，這是一個我中有你的過程。

　　時代財經：谷歌、阿里等國內外互聯(lián)網公司也都在關注AI語音技術，科大訊飛和他們之間的技術壁壘是什么？

　　解飛：相較于BAT，我們對中文數據的積累、用戶習慣的了解，以及對方言口音的支持，遠超任何一個國際巨頭和國內互聯(lián)網公司。

　　2010年10月份，科大訊飛全球第一個發(fā)布了人工智能服務平臺，到現(xiàn)在每天服務量超過50億次，覆蓋的國內方言口音和海內外的語種都是最大的。比我們小一點的服務平臺，數據量可能只是我們的1/10，而小的創(chuàng)業(yè)公司根本收集不到類似的數據。數據驅動讓我們有非常強的壁壘，也讓后來者很難追趕。

　　第二個是我們多年來在語音識別技術上積累的微創(chuàng)新。解決特定場景、實際工程的問題上，我們走得更靠前一些。比如在會議室場景，大家識別率都還挺高的，但如果要將我們兩個人說的話進行分離，這就不是通用的語音識別了。

　　第三，我們也比較強調定制和服務支撐能力。雖然蘋果服務的用戶比科大訊飛多，但如果細化到語音服務這個領域，我們更有團隊優(yōu)勢?？拼笥嶏w支撐的各個行業(yè)的應用和專職的團隊人數，比Google、阿里、百度都要多，這也代表著我們更高的服務效能和更大的支持力度。

　　談定制：關鍵領域全覆蓋，重點賽道做平臺

　　時代財經：B端業(yè)務有大量定制化和差異化需求，交付周期長、成本高?？拼笥嶏w如何有效降低B端行業(yè)業(yè)務的成本，實現(xiàn)經營效益的提升？

　　解飛：我們是通過組織架構來解決這個問題的?？拼笥嶏w把產品進行分級管理，分別是V、R、M三個級別。

　　V版本是平臺級產品，這部分主要解決公用能力，比如說做一個語音識別的平臺，這個平臺可以面向采訪場景、電話場景、會議場景。R版本就是行業(yè)版本產品，比如說我們要在醫(yī)院里面使用，這個版本會把醫(yī)療的名詞、醫(yī)生的常用說法、藥名收到這個版本里來。M版本就是定制化的版本，給每個客戶都不一樣。比如我們把醫(yī)院的系統(tǒng)放到廣州中醫(yī)院來用，我們就把廣州中醫(yī)院的地理位置、門診科室、專家姓名等放到這個版本里。

　　通過三個大的層級進行產品管理，就能夠有效地進行資源復用，讓定制的部分做到最少，以提升整體的運轉效果和效率。

　　時代財經：公用的、產業(yè)的、定制化的比例分別有多少？

　　解飛：具體要看行業(yè)。這跟我們的生態(tài)戰(zhàn)略有關，科大訊飛主要的業(yè)務板塊是醫(yī)療、教育、智慧城市，三個行業(yè)端到端應用全部可以由科大訊飛交付。大概判斷，60%是標準的V版本，20%是R版本，還有20%-30%給客戶做定制，這是理想的狀態(tài)。

　　在重點的行業(yè)生態(tài)之外，我們會主要構建V版本。我們把它封裝成標準的接口，給到我們的合作伙伴，再由我們的合作伙伴去封裝R版本或者是M版本的產品。

　　舉例來講，在家電行業(yè)我們跟海爾這些公司合作，我們就支持一些生態(tài)公司，它們可以拿著科大訊飛的V產品，在海爾這邊進行定制，相當于40%-50%定制工作給合作伙伴來做，因為它們長期深耕這個行業(yè)，本身也有其他相關項目。

　　談未來：更有情感的聲音、更小的數據源、更少的電力

　　時代財經：除政法、教育外，智能語音技術更有潛力的應用場景是什么？

　　解飛：從集團來看，我們把醫(yī)療視為最重要的行業(yè)之一，因為它關系到社會民生、中國醫(yī)療資源不均衡發(fā)展、老百姓的健康生活及安心養(yǎng)老等社會剛需問題的解決，對我們來講會有更強烈的使命感。

　　現(xiàn)在比較清晰的戰(zhàn)略是在教育和醫(yī)療兩個領域，希望能夠真正地做到改善資源不平衡發(fā)展的狀況。過去兩年，我們在安徽已經很好地展現(xiàn)了“智醫(yī)助理”這樣的醫(yī)療應用的價值。很快地，我們就能幫助基層醫(yī)院提升他們的問診水平。另外，在整體醫(yī)療大數據應用上面，也能夠通過AI手段，對傳染性疾病的地區(qū)聚集問題進行提前警示、防護和治理。

　　時代財經：未來幾年AI語音技術研究的方向和重點是什么？

　　解飛：在語音合成上，還是想使它在特定場景中更加有感情?，F(xiàn)在標準的語音播報，機器已經可以惟妙惟肖，甚至可以以假亂真了。但是在人的情感表達上，語音合成做得還不夠。

　　語音識別上，我們現(xiàn)在做的主要是混語和復雜場景下的識別。比如兩個人面對面聊天，機器對不同發(fā)言人的識別可以達到95%以上的正確率，但如果場景更復雜一些，比如在餐廳里吃飯，有10來個人在一起講話，它對角色分離的識別率就會下降到57%，屬于不可用的狀態(tài)。

　　第三是我們會持續(xù)通過小的數據源，在新的語言識別能力構建上做研究。也就是使用更小的數據，能夠更快地驅動一個新的語種識別，以及使用更少的數據優(yōu)化一個語言的識別效果。

　　最后一個是對算力的節(jié)約方案。AI技術不光要效果好，還得占用更少的服務器資源數量，更加的環(huán)保。我們每天50億的交互規(guī)模，需要后臺十幾萬顆CPU、幾萬顆GPU做支撐，很耗電，也很耗成本。