李彥宏演講實(shí)錄：百度大腦為什么是“核心中的核心”？ | 百度世界大會

雷鋒網(wǎng)2016年9月1日消息，百度世界大會今天在北京開幕。在今年經(jīng)歷諸多爭議之后，百度一年一度的世界大會是一個展現(xiàn)實(shí)力和決心的場合，李彥宏在當(dāng)天講述了什么，會定義未來一年、三年甚至更遠(yuǎn)的百度。雷鋒網(wǎng)特此摘編了李彥宏今天在百度世界大會的演講全文。

簡單總結(jié)李彥宏的演講：

他認(rèn)為，移動互聯(lián)網(wǎng)之后人工智能是百度的核心。三年前的“百度大腦”就已經(jīng)具備了兩三歲孩子的智力水平。百度今天同時擁有超大規(guī)模的計(jì)算資源、中國最大的GPU集群以及國內(nèi)最為豐富（如果不是之一的話）的搜索、圖像、視頻、定位數(shù)據(jù)，百度今天的“大腦”已經(jīng)成長到什么水平？

以下是李彥宏的演講實(shí)錄全文（雷鋒網(wǎng)做了不改變原意的刪減）：

在這之前，互聯(lián)網(wǎng)的發(fā)展已經(jīng)經(jīng)過兩個重要階段，也就是PC互聯(lián)網(wǎng)階段；第二個是最近四五年移動互聯(lián)網(wǎng)階段。中國7億網(wǎng)民都用上了智能手機(jī)，上網(wǎng)人口滲透率已經(jīng)超過50%。互聯(lián)網(wǎng)的發(fā)展已經(jīng)不能靠人口紅利來驅(qū)動了。

當(dāng)前，中國進(jìn)入到經(jīng)濟(jì)的新常態(tài)，國家也提倡互聯(lián)網(wǎng)+，實(shí)際上是希望我們用互聯(lián)網(wǎng)的效率來推動行業(yè)的發(fā)展。整個中國的經(jīng)濟(jì)增長需要依靠互聯(lián)網(wǎng)，但是互聯(lián)網(wǎng)的增長卻遇到了瓶頸，過去粗放式的野蠻增長沒有了，互聯(lián)網(wǎng)行業(yè)從業(yè)者感受到深深的危機(jī)。

移動互聯(lián)網(wǎng)的下一幕，是人工智能。對于百度來說這是核心中的核心，過去百度投了很大的研發(fā)精力。對于百度來說意味著什么？用四個字形容就是百度大腦，三年前，百度就講過“百度大腦”這個概念。那個時候的百度大腦已經(jīng)具備了大概兩三歲孩子的智力水平。

今天很多人問我，百度大腦相當(dāng)于多少歲的人腦呢？回答這個問題還蠻難的。百度大腦和人腦的正常發(fā)育過程很不一樣。

百度大腦包括三個部分：計(jì)算方法，包括超大規(guī)模的神經(jīng)網(wǎng)絡(luò)、萬億級的參數(shù)、千億樣本和千億特征訓(xùn)練；計(jì)算能力，包括數(shù)十萬臺服務(wù)器構(gòu)成了“百度大腦”的實(shí)體，幾年前百度便開始自建中國最大的GPU集群，不是傳統(tǒng)基于CPU的服務(wù)器，而是GPU，GPU早年在游戲領(lǐng)域使用廣泛，適用于深度計(jì)算；數(shù)據(jù)，全網(wǎng)的網(wǎng)頁數(shù)據(jù)、十多年來累積的搜索數(shù)據(jù)，以及百億級的圖像、視頻、定位數(shù)據(jù)。這樣，百度大腦就可以開始工作了。

百度大腦有哪些能力？四個能力，語音、圖像、自然語言理解和用戶畫像。

第一個語音已經(jīng)進(jìn)入相對成熟的階段。

百度大腦的語音識別已經(jīng)到了第二代，使用深度學(xué)習(xí)的技術(shù)進(jìn)行語音識別。百度語音識別的準(zhǔn)確率能夠達(dá)到97%，已經(jīng)超過了人對語音的識別能力。

這樣的能力到底可以在什么地方幫助到我們？舉個例子，很多公司都有自己的電話銷售部門，這個行業(yè)人員流動性很大，而銷售人員需要長時間培訓(xùn)才能上崗。即使是經(jīng)過培訓(xùn)，甚至有一定經(jīng)驗(yàn)的銷售人員，每個人銷售效率也是參差不齊的。但是通過百度語音識別能力，一個新的銷售上崗的第一天，就可能掌握他所獲得的最優(yōu)秀的銷售能力：

新銷售打電話給潛在客戶的時候，客戶每說一句話，客戶每問一個問題，百度大腦都實(shí)時地識別了問題，并且顯示在銷售的電腦的屏幕上，屏幕上不僅實(shí)時展示了客戶的問題，而且實(shí)時地把最優(yōu)秀的銷售是怎么回答這個客戶的問題也展示在這個屏幕上。這樣，新的銷售的工作就簡單多了，其實(shí)他基本上可以照著屏幕念，就能夠達(dá)到最優(yōu)秀的銷售的話術(shù)水平。

語音識別還有很多應(yīng)用場景，大家可以根據(jù)自己的行業(yè)背景去想象。

語音能力分為兩個方向，語音合成和語音識別。

語音合成是把文字轉(zhuǎn)換成語音，用自然人的聲音讀出來，而不是以前的勻速無表情的語音。目前，百度每天響應(yīng)的語音合成的請求達(dá)到了2.5億次。在情感語音合成技術(shù)上線后，用語音聽小說的百度用戶從過去平均每天聽0.69小時，增長到現(xiàn)在的2.21小時。

今天，語音合成還可以根據(jù)個人需求進(jìn)行定制，形成自然發(fā)聲的能力，模擬任何一個你喜歡的人的說話方式。百度地圖中有一個李彥宏導(dǎo)航語音包，其實(shí)我并沒有說過那些話，就是根據(jù)我日常的語音合成的。

我們現(xiàn)場合成一下13年前去世的張國榮的聲音。合成張國榮的聲音比較難，國語的語調(diào)比較少。以張國榮在影視、電臺等留存下來的原聲進(jìn)行建模，通過情感語音合成技術(shù)實(shí)現(xiàn)合成。

任何一個人只要用30分鐘按照要求錄制50句話，就可以用百度大腦的語音合成技術(shù)模擬出來這個人的聲音。人人都可以擁有自己的聲音模型。

第二個圖像識別能力是如何實(shí)現(xiàn)的？

從技術(shù)的角度講，它是通過對人臉特征的關(guān)鍵點(diǎn)的提取，找到了其中最不一樣的地方，構(gòu)成了一個面部的表情。當(dāng)一個人表情發(fā)生變化的時候，他的表情特征并不會發(fā)生改變。

除了人臉識別之外，百度在其他場景中也經(jīng)常會遇到圖像識別需求。計(jì)算機(jī)視覺或者圖像識別技術(shù)是無人車的最后一公里。過去一年，百度花了不少精力提升百度無人車在城市道路的運(yùn)行水平。百度無人車在行駛過程中，通過感知，可以探測到路面上車、路標(biāo)以及各種各樣的障礙物，每個物體有一個獨(dú)特的編號，便于車對它進(jìn)行識別。這個車的識別是通過百度大腦來識別的。今年8月份KITTI評測的最新成績顯示，百度無人車在車輛檢測中排名第一，車輛跟蹤6項(xiàng)指標(biāo)中取得4項(xiàng)第一。

下一個是增強(qiáng)現(xiàn)實(shí)，廣告主可以把現(xiàn)實(shí)產(chǎn)品和希望展示的場景聯(lián)系起來展示給消費(fèi)者。歐萊雅與百度合作，拍洗發(fā)水就可以準(zhǔn)確識別并和用戶互動。

第三種是自然語言處理能力，目前發(fā)展程度不如圖像識別。

去年在百度世界大會上推出的度秘，是個人智能助理。現(xiàn)在度秘和用戶進(jìn)行溝通的方式和傳統(tǒng)的搜索已經(jīng)很不一樣了，有56%是通過語音或者圖像來完成的，語音和圖像的交互正逐步超越傳統(tǒng)文字的使用頻次，成為人們表達(dá)需求的主流方式。

除此之外，更核心的技術(shù)是用人的語音進(jìn)行交流，雖然不是每一次度秘都能理解。今年奧運(yùn)期間，百度機(jī)器人度秘搭檔知名解說員楊毅，進(jìn)行里約奧運(yùn)男籃首場四分之一決賽解說。

最后一個用戶畫像能力。

通過大量的用戶行為數(shù)據(jù)，百度大腦能夠描繪出著名演員胡歌的粉絲群體的基本特點(diǎn)。胡歌粉絲群體的畫像我們從興趣和偏好的角度來看，其實(shí)在影視、音樂、公益、旅游、出行。我們看到這里面最大的一個特點(diǎn)還是旅游出行，而不是影視音樂，還是跟常人的思維不太一樣。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。