微軟創(chuàng)造了新的語音識別記錄 出錯率達(dá)到了5.1%

微軟表示，其語音識別技術(shù)實現(xiàn)了一個新的行業(yè)里程碑，將錯誤率降低到5.1%，在廣泛認(rèn)可的準(zhǔn)確性測試中與多個人類轉(zhuǎn)錄器的錯誤率相匹配。

該公司的人工智能和研究小組今天晚上宣布的新結(jié)果超過了微軟去年公布的5.9%的前低點；以及今年早些時候IBM宣布的5.5%的錯誤率。

微軟研究小組的語音識別工作提供了用于產(chǎn)品的底層技術(shù)，包括其Cortanavirtual助理、演示文稿翻譯器和微軟認(rèn)知服務(wù)。

在最新的測試中，微軟降低了其錯誤率，“對我們基于神經(jīng)網(wǎng)絡(luò)的聲學(xué)和語言模型進(jìn)行了一系列改進(jìn)，”微軟技術(shù)研究員黃學(xué)東在解釋這一成就的帖子中說。

這是微軟為推進(jìn)人工智能的最新技術(shù)并將這些新方法推向市場而做出的更廣泛努力的一部分。在CEO薩蒂亞·納德拉（Satya Nadella）的領(lǐng)導(dǎo)下，微軟去年組建了一個新的5000人人工智能和研究小組，作為公司內(nèi)部的第四個工程部門，以及Office、Windows和云組。

微軟在人工智能和云領(lǐng)域與亞馬遜、蘋果、IBM、谷歌和其他主要技術(shù)參與者競爭。雷德蒙公司的新愿景聲明特別增加了對人工智能的參考，稱其戰(zhàn)略是為“智能云和注入人工智能的智能邊緣構(gòu)建一流的平臺和生產(chǎn)力服務(wù)”。

下面是黃如何解釋他們?yōu)檫_(dá)到這一最新里程碑所做的事情。

我們引入了一個額外的CNN-BLSTM（卷積神經(jīng)網(wǎng)絡(luò)結(jié)合雙向長時記憶）模型來改進(jìn)聲學(xué)建模..此外，我們結(jié)合來自多個聲學(xué)模型的預(yù)測的方法現(xiàn)在在幀/Senone和單詞級別都這樣做了。

此外，我們還通過使用Adialog會話的整個歷史來預(yù)測下一步可能會發(fā)生什么，從而加強(qiáng)了識別器的語言模型，從而有效地允許模型適應(yīng)會話的主題和局部上下文。

我們的團(tuán)隊也從使用可用的最可伸縮的深度學(xué)習(xí)軟件Micros of tCognitiveToolkit2.1（CNT K）中獲益匪淺，用于探索模型體系結(jié)構(gòu)和優(yōu)化我們模型的超參數(shù)..此外，微軟在云計算基礎(chǔ)設(shè)施方面的投資，特別是Azure GPU，有助于提高我們訓(xùn)練模型和測試新想法的有效性和速度。