探秘小米聲學(xué)實驗室 Daniel Povey為何選擇小米？

在小米科技園舉辦針對人工智能的媒體開放日，網(wǎng)易科技也第一次近距離地接觸了小米“神秘”的人工智能實驗室。小米集團(tuán)副總裁、集團(tuán)技術(shù)委員會主席崔寶秋博士、人工智能部總經(jīng)理葉航軍博士、AI實驗室主任王斌博士，介紹了小米在AI領(lǐng)域的自主研發(fā)技術(shù)成果、技術(shù)人才引進(jìn)情況。

葉航軍、崔寶秋、王斌(從左至右)

探秘小米聲學(xué)實驗室

首先我們來到小米聲學(xué)語音實驗室，可以看到，各種以小米智能硬件生態(tài)鏈核心產(chǎn)品小愛音箱為中樞，四周布滿了供聲學(xué)語音測試使用的硬件設(shè)備，據(jù)介紹，小米的智能硬件產(chǎn)品中，所有具備麥克風(fēng)、揚聲器的語音交互設(shè)備，都要經(jīng)過這個實驗室測試后上線。目前，小愛音箱語音算法已經(jīng)做到由小米全部自主研發(fā)，在這個實驗室中，以小愛音箱為代表的小米全系智能語音設(shè)備，均會進(jìn)行遠(yuǎn)場、近場、靈敏度等一系列詳細(xì)測試并進(jìn)行調(diào)試，其中近場測試，主要針對手機(jī)進(jìn)行。

圖：小米聲學(xué)語音實驗室

據(jù)現(xiàn)場工程師介紹，實驗室中的人工模型及揚聲器等設(shè)備，均會高度會模擬日常的人聲及環(huán)境音、噪聲干擾等，其中人聲的測試，機(jī)器可以分別模擬不同性別、不同年齡的聲音并反復(fù)進(jìn)行機(jī)器還原測試，而無需人工測試，既節(jié)省了人力成本，又可以保證精準(zhǔn)的測試效果。在這個實驗室中，工程師會在測試過程中發(fā)現(xiàn)算法中可提升的部分，并反饋給小米研發(fā)團(tuán)隊進(jìn)行優(yōu)化和算法調(diào)試。

圖：小米聲學(xué)語音實驗室

不同于前者，進(jìn)入與硬件強(qiáng)相關(guān)的聲學(xué)實驗室后，馬上會感覺有些安靜的不適應(yīng)，房間四周布滿了錐形吸引墻，房間整體重量約70噸，用料極其奢侈。據(jù)工程師介紹，該實驗室內(nèi)部各個角落，都不會產(chǎn)生聲音的回波，所有聲音都會被錐形墻體吸收，因此理論上講，房間內(nèi)，只存在源頭聲音一個干擾源。實驗室包括三層墻體，均為實心磚墻，主要作用為在絕對安靜的環(huán)境條件下，對設(shè)備進(jìn)行高靈敏度的測試，以便準(zhǔn)確找到硬件設(shè)備各類極值。

圖：小米聲學(xué)語音實驗室

據(jù)介紹，語音識別的頂層為云識別算法，但是在硬件設(shè)備底層，要極大保證設(shè)備的靈敏度，如麥克風(fēng)對于聲音的采集，只有這樣，才可以在云端更好地進(jìn)行算法識別，小米不惜成本地打造聲學(xué)語音實驗室，原因也在于此。

圖：小米智能廚衛(wèi)

接下來，在體驗了包括智能客廳、智能臥室、智能書房、智能廚衛(wèi)等以小愛同學(xué)為智能家庭中樞的小米全系智能家居場景后，可以很直觀地感受到，小米AIoT，已經(jīng)把之前描繪的未來智能生活場景完全變?yōu)榱爽F(xiàn)實。

圖：小米智能客廳

Daniel Povey

Daniel Povey是全球公認(rèn)的國際語音識別和AI領(lǐng)域知名教授、語音識別開源工具Kaldi之父。他于1993年到2003在劍橋大學(xué)度過了自己的高等教育經(jīng)歷，獲得語音識別的博士學(xué)位。2003年至2008年，他在IBM研究院負(fù)責(zé)計算機(jī)語音識別的工作，并且獲得了Research Staff Member的角色;隨后在2008年到2012年，Daniel Povey在微軟研究院參與計算機(jī)語音識別方面的工作。2012年，Daniel Povey加入約翰霍普金斯大學(xué)，擔(dān)任語言和語音處理中心的副教授。

圖：崔寶秋與Daniel Povey

2019年，Daniel Povey在長達(dá)兩周的中國之旅中，分別走訪了包括清華、北大等頂級學(xué)府，以及多個中國的頭部科技互聯(lián)網(wǎng)公司，但其最終選擇了加盟小米，崔寶秋認(rèn)為，第一是因為Daniel Povey已經(jīng)了解小米“手機(jī)+AIoT”雙引擎戰(zhàn)略生態(tài)的強(qiáng)大，同時他十分清楚語音識別在“手機(jī)+AIoT”雙引擎戰(zhàn)略中所扮演的重要角色;第二，Daniel Povey在參觀了小米公司總部后，了解到小米對于人才和技術(shù)的重視，以及具備大批優(yōu)秀的工程師，以及這也是吸引Daniel Povey加盟的重要原因;第三，小米從云計算、大數(shù)據(jù)到今天的AI，對于開源的擁抱，也是吸引Daniel Povey的關(guān)鍵點。

崔寶秋透露，在與Daniel Povey談offer的過程中，Daniel Povey對于其他入職大部分細(xì)節(jié)基本不關(guān)心，他最關(guān)心的是保證Kaldi100%的開源，而崔寶秋給出的回答是：對于小米來說，這根本不是問題。Daniel Povey入職當(dāng)天，崔寶秋表示，無論對于Daniel Povey本人、對于小米、對于中國的語音識別屆，今天都是很重要的一天。

人工智能技術(shù)已實現(xiàn)廣泛產(chǎn)品落地

目前，小米人工智能技術(shù)實現(xiàn)了廣泛的產(chǎn)品落地，比如AI相機(jī)、小米電視、AI音箱、MIUI、搜索推薦、IoT設(shè)備等，涵蓋聲學(xué)、語音、深度學(xué)習(xí)、視覺等各個領(lǐng)域，一句話概括，AI在小米已經(jīng)無處不在。此外，據(jù)了解，小米還承建了智能家居國家新一代人工智能開放創(chuàng)新平臺。

說到小愛同學(xué)，其語音識別技術(shù)包括聲學(xué)和語音，嚴(yán)格來說，這是兩個不同的技術(shù)領(lǐng)域，小米人工智能的聲學(xué)技術(shù)包括：回聲消除，去混響，聲源定位，多通道降噪以及多種麥克風(fēng)陣列解決方案;而語音技術(shù)則包括：喚醒，識別，聲紋以及語音合成。目前，小米小愛音箱語音算法已經(jīng)實現(xiàn)全部自主研發(fā)。

在參觀后的采訪中，葉航軍介紹，在小米“手機(jī)+AIoT”的雙引擎戰(zhàn)略里，AI扮演了非常重要的角色。在手機(jī)上，對于用戶經(jīng)常使用的拍照功能，葉航軍認(rèn)為“目前在整個行業(yè)，手機(jī)相機(jī)研發(fā)有一個明顯的趨勢，就是人工智能的深度整合，具體來講有兩個方面，一個就是手機(jī)相機(jī)的軟件化和算法化，之前很多手機(jī)相機(jī)的體驗是靠硬件去做，但是最近這兩年，一些領(lǐng)先的體驗是通過軟件算法實現(xiàn)。 第二個趨勢就是算法AI化，越來越多的相機(jī)算法從傳統(tǒng)圖像處理算法轉(zhuǎn)變成AI算法。”

王斌博士則分享了小米AI自主研發(fā)技術(shù)成果，目前小米已經(jīng)在聲學(xué)、語音、視覺，NLP、知識圖譜、機(jī)器學(xué)習(xí)6大方向取得一系列成果。此外，王斌還介紹了小米在視覺、NLP、知識圖譜、機(jī)器學(xué)習(xí)等技術(shù)上的進(jìn)展。視覺方面，自研的人臉識別、美顏、魔法換天、場景識別在多款手機(jī)上落地應(yīng)用。小米已經(jīng)打造了自己的NLP平臺和知識圖譜，全面支撐公司的多項內(nèi)容業(yè)務(wù)。小米面向移動端的深度學(xué)習(xí)開源計算平臺MACE(Mobile AI Compute Engine)一推出便受到業(yè)界的廣泛關(guān)注，目前廣泛用于公司的各項產(chǎn)品中。

公開數(shù)據(jù)顯示，2016年—2018年間，小米在AI領(lǐng)域申請專利684項，列居世界第11位。在宣布“手機(jī)+AIoT”雙引擎戰(zhàn)略為未來5年內(nèi)小米的核心戰(zhàn)略同時，雷軍表示，未來5年小米將在AIoT領(lǐng)域持續(xù)投入超過100億元，綜合人才、技術(shù)積累以及資金投入等因素，不難推測，相對于競品，小愛音箱的線下場景優(yōu)勢依然具備提升空間。(張楠)