◎本報記者 吳長鋒

　　近日，在2022科大訊飛全球1024開發者節發布會上，科大訊飛股份有限公司（以下簡稱科大訊飛）AI研究院副院長高建清以“AI新紀元，訊飛超腦2030”為主題，詳解“訊飛超腦2030計劃”階段性技術突破，一大波“預演未來”的創新應用將走入日常生活。

　　高建清表示，實施“訊飛超腦2030計劃”，旨在突破人工智能共性基礎算法，攻克多模態感知、多維表達、認知智能、運動智能等核心技術，研究軟硬一體的機器人關鍵技術，探索虛擬人交互、機器人等方面的示范應用。

　　突破兩個關鍵算法讓AI更好地學習、推理

　　“‘訊飛超腦2030計劃’的發展，離不開兩個關鍵算法的突破，無監督學習和知識推理。”高建清說，前者需要實現實用化、場景化的預訓練技術，后者需要構建基于知識檢索、決策以及融合的推理系統。

　　科大訊飛設計了基于無監督學習的預訓練模型，并創新地使用了少量有監督數據進行優化，大幅提升訓練效率。高建清說：“預訓練模型支持語音識別、聲紋識別、情感識別、多模態語音識別等多個任務，參數量少于業界公開模型，但訓練效果卻十分顯著。”

　　以回答“面包在低溫下會馬上發霉嗎”這一問題為例，機器要理解“低溫變質慢”等常識，在引入海量知識的基礎上，要用預訓練模型進行知識重要性排序，也要融合知識與問題進行推理，才能與人暢聊“面包變質的二三事”。

　　科大訊飛還探索將神經網絡與符號推理相結合，打造了知識推理系統，實現推理過程的可解釋性。在小學平面幾何題上，這個推理系統讓AI答題的正確率提升到90%的水平，顯著優于傳統推理系統。

　　多模態語音增強技術讓AI的聲音有感情

　　在“訊飛超腦2030計劃”中，“唇形+語音”的多模態語音增強技術，實現了智能語音交互新模式。

　　“想要讓機器更自然地與人類進行交互，就需要通過聽覺、視覺、語義以及各種傳感器的組合讓機器獲取更多的有用信息，AI的感知方式必然要從單模態發展到多模態，逐步擬人化。”高建清表示。

　　如何讓機器的聲音媲美人類？高建清分享了科大訊飛在語音合成技術領域的新突破——多風格多情感合成系統SMART-TTS。

　　高建清介紹，SMART-TTS可提供高興、抱歉、撒嬌、嚴肅、悲傷、困惑、害怕、鼓勵、生氣、安慰、寵溺等11種情感模式，每種情感模式依程度強弱不同分為20檔；SMART-TTS還具備對機器聲音的“個性化”設置功能，如停頓、重音、語速等，用戶可以根據自己的喜好調節。

　　當你漫步林蔭路，TA可以用字正腔圓的“播音腔”為你讀新聞；當你結束一天工作準備入睡，TA可以輕聲細語為你讀散文；當你驅車去公司上班，TA可以用你最喜歡的歌手的聲音告訴你走哪條路不堵車；當你和家人一起觀看紀錄片，TA還可以為紀錄片不同人物配音，人機交互表達自然、情感飽滿。