近日，阿里云在2016年會上公開展示實時語音識別技術，并現場挑戰世界速記大賽亞軍得主。據現場最終評測，機器人在準確率上以0.67%的微弱優勢戰勝第50屆國際速聯速記大賽全球速記亞軍姜毅。

　　     阿里云年會現場，圖中左邊屏幕顯示的是語音識別，右邊屏幕顯示的是人工速記

　　從現場效果看，人工智能的穩定性和并發計算能力是其優勢。人類的體力是有極限的，尤其是在高強度壓力下，工作時間越長出錯概率越大，而機器則能自始至終保持同一水平。這一點在AlphaGo和李世石的圍棋比賽終中也反復得到驗證，在比賽中、后局機器的穩定計算能力遠超人類。

　　此外，人工智能的并發能力也非人工所能及。在發現錯別字后，機器可以瞬間修改所有錯誤，人工速記則需要在演講人短暫間歇的時刻返回修改，明顯表現得慌亂。

　　阿里云iDST語音組總監鄢志杰表示，雖然已經在接近世界一流的“速記師”的路上，但人工智能還有很長一段路要走。“在噪聲、口音以及對未見到過的數據的適應性上，人類顯然更勝一籌。”

　　速記師姜毅則評價，雖然和人工智能比賽壓力很大，但“機器還是缺了一點點智慧”，并表示非常愿意收下這個“機器徒弟”，教會它更多的速記訣竅。

　　“看起來是機器挑戰人類，其實是人類在挑戰自己。”姜毅強調，“人工智能背后凝結的科學家智慧是人類的驕傲。”

　　第50屆國際速聯速記大賽于2015年在匈牙利布達佩斯舉辦，姜毅作為中國代表隊的九名選手之一，在文本看打速記比賽項目中以大約300字/分鐘的速度獲世界亞軍。

　　核心算法＋GPU計算

　　所謂語音識別技術，就是把語音轉換成文本，也稱為自動語音識別。語音識別是人工智能領域極為重要的前沿技術。在美國政府關于限制發放簽證的“Technology Alert List”中，語音識別赫然在列，與核武器、火箭技術等同在“黑名單”之中。

　　隨著自然人機交互需求的擴大，個人智能助理漸漸成了各大巨頭爭奪的下一個入口，蘋果Siri等是個人智能助理類典型應用。而語音識別則是人機交互的第一步。

　　據介紹，此次“人機大戰”的語音識別算法主要基于BLSTM（雙向長短時記憶神經網絡），這種算法對單位時間內的計算量要求很高，因此阿里云采用了帶GPU加速的新一代高性能計算平臺，單節點計算能力達16Tflops，并且對BLSTM算法做了針對性優化，實時解碼更為順暢。

　　走出實驗室賦能應用

　　阿里云iDST智能語音團隊擁有世界一流的專家團隊，此次年會展示的研發成果只是冰山一角。實際上語音技術已經走出實驗室，在阿里內部廣泛應用，比如賦能阿里集團客服和螞蟻金服客服團隊的呼叫中心智能化。

　　去年雙11，螞蟻金服95%的遠程客戶服務已經由大數據智能機器人完成，同時實現了100%的自動語音識別。螞蟻金服客戶中心整體服務量超過500萬人次，客服人員的精力可以更好地集中到處理復雜類客戶問題和工作。

　　同時，語音團隊還把智能語音交互技術賦能給YunOS以及手機淘寶、支付寶、釘釘等移動端應用。