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

突破性的創新往往不會與已有的成功經驗相似

原標題：小米語音首席科學家 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
內容字數：19513字

一線AI洞察：與Kaldi之父Daniel Povey博士的深度對話

本文總結了機器之心對著名開源語音識別項目Kaldi創始人、小米集團語音首席科學家Daniel Povey博士的訪談要點。訪談圍繞AI多模態融合趨勢、大模型與小模型的權衡、技術創新方向選擇等話題展開，并對年輕一代AI研究者提出了務實的建議。

1. 語音技術現狀與未來方向

Povey博士認為語音識別技術已達到較高成熟度，目前研究重點轉向了文字轉語音(TTS)，并致力于開發在手機等移動設備上高效運行且音質優良的TTS系統。他指出，語音技術已成為AI的子領域，與AI研究緊密相連，并經歷了從領域到融入AI主流的轉變。

2. 多模態融合與Transformer的思考

Povey博士對Transformer的應用持謹慎樂觀態度。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領域整體創新。他主張保持不同領域的研究特色和方法，并相信解決特定領域問題的研究可能最終帶來對整個AI領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致研究重復和進展緩慢。

3. 大模型與小模型的權衡

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

4. 技術創新與研究風格

Povey博士認為真正的技術進步是能夠被分辨出來的，不應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、并重視可復現性的研究風格。他批評了學術界中過度追求數學證明和“端到端”噱頭而不注重實用性的傾向。

5. AI發展趨勢與機遇

Povey博士對AI領域的未來發展持樂觀態度，他認為機器人、軟件兼容性問題以及簡化計算系統等領域都蘊藏著巨大的機遇。他特別強調了開發支持不同精度整數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領域已不再是輕松獲得高薪的行業，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選擇的長期影響，避免陷入“職業發展陷阱”，將生活與職業發展平衡好。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺