小米語音首席科學(xué)家 Daniel Povey：語音識別卷完了，下一個機會在哪里？| 智者訪談

突破性的創(chuàng)新往往不會與已有的成功經(jīng)驗相似

原標題：小米語音首席科學(xué)家 Daniel Povey：語音識別卷完了，下一個機會在哪里？| 智者訪談
文章來源：機器之心
內(nèi)容字數(shù)：19513字

一線AI洞察：與Kaldi之父Daniel Povey博士的深度對話

本文總結(jié)了機器之心對著名開源語音識別項目Kaldi創(chuàng)始人、小米集團語音首席科學(xué)家Daniel Povey博士的訪談要點。訪談圍繞AI多模態(tài)融合趨勢、大模型與小模型的權(quán)衡、技術(shù)創(chuàng)新方向選擇等話題展開，并對年輕一代AI研究者提出了務(wù)實的建議。

1. 語音技術(shù)現(xiàn)狀與未來方向

Povey博士認為語音識別技術(shù)已達到較高成熟度，目前研究重點轉(zhuǎn)向了文字轉(zhuǎn)語音(TTS)，并致力于開發(fā)在手機等移動設(shè)備上高效運行且音質(zhì)優(yōu)良的TTS系統(tǒng)。他指出，語音技術(shù)已成為AI的子領(lǐng)域，與AI研究緊密相連，并經(jīng)歷了從領(lǐng)域到融入AI主流的轉(zhuǎn)變。

2. 多模態(tài)融合與Transformer的思考

Povey博士對Transformer的應(yīng)用持謹慎樂觀態(tài)度。他認為Transformer雖然高效且效果好，但過度依賴單一模型不利于AI領(lǐng)域整體創(chuàng)新。他主張保持不同領(lǐng)域的研究特色和方法，并相信解決特定領(lǐng)域問題的研究可能最終帶來對整個AI領(lǐng)域都有益的通用解決方案。他認為，當前AI研究中，對大模型的追逐可能導(dǎo)致研究重復(fù)和進展緩慢。

3. 大模型與小模型的權(quán)衡

Povey博士更傾向于中等規(guī)模模型的研究，認為超大規(guī)模模型的實驗成本高昂，且難以復(fù)現(xiàn)，不利于推動領(lǐng)域整體進步。他強調(diào)了模型大小、可擴展性和性能之間的權(quán)衡，并指出所有的大模型最初都是小模型。

4. 技術(shù)創(chuàng)新與研究風格

Povey博士認為真正的技術(shù)進步是能夠被分辨出來的，不應(yīng)該被某種主流范式所限制。他提倡一種注重診斷、注重信息論基礎(chǔ)、并重視可復(fù)現(xiàn)性的研究風格。他批評了學(xué)術(shù)界中過度追求數(shù)學(xué)證明和“端到端”噱頭而不注重實用性的傾向。

5. AI發(fā)展趨勢與機遇

Povey博士對AI領(lǐng)域的未來發(fā)展持樂觀態(tài)度，他認為機器人、軟件兼容性問題以及簡化計算系統(tǒng)等領(lǐng)域都蘊藏著巨大的機遇。他特別強調(diào)了開發(fā)支持不同精度整數(shù)運算的工具的重要性。

6. 對年輕AI研究者的建議

Povey博士建議年輕研究者要誠實面對自己的目標，不要盲目追逐名利。他指出，AI領(lǐng)域已不再是輕松獲得高薪的行業(yè)，只有真正有天賦的人才能做出突破性貢獻。他告誡年輕人要認真考慮職業(yè)選擇的長期影響，避免陷入“職業(yè)發(fā)展陷阱”，將生活與職業(yè)發(fā)展平衡好。

聯(lián)系作者

文章來源：機器之心
作者微信：
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺