近日，在2022科大讯飞全球1024开发者节发布会上，科大讯飞股份有限公司(以下简称科大讯飞)AI研究院副院长高建清以“AI新纪元，讯飞超脑2030”为主题，详解“讯飞超脑2030计划”阶段性技术突破，一大波“预演未来”的创新应用将走入日常生活。

高建清表示，实施“讯飞超脑2030计划”，旨在突破人工智能共性基础算法，攻克多模态感知、多维表达、认知智能、运动智能等核心技术，研究软硬一体的机器人关键技术，探索虚拟人交互、机器人等方面的示范应用。

(资料图)

突破两个关键算法让AI更好地学习、推理

“‘讯飞超脑2030计划’的发展，离不开两个关键算法的突破，无监督学习和知识推理。”高建清说，前者需要实现实用化、场景化的预训练技术，后者需要构建基于知识检索、决策以及融合的推理系统。

科大讯飞设计了基于无监督学习的预训练模型，并创新地使用了少量有监督数据进行优化，大幅提升训练效率。高建清说：“预训练模型支持语音识别、声纹识别、情感识别、多模态语音识别等多个任务，参数量少于业界公开模型，但训练效果却十分显著。”

以回答“面包在低温下会马上发霉吗”这一问题为例，机器要理解“低温变质慢”等常识，在引入海量知识的基础上，要用预训练模型进行知识重要性排序，也要融合知识与问题进行推理，才能与人畅聊“面包变质的二三事”。

科大讯飞还探索将神经网络与符号推理相结合，打造了知识推理系统，实现推理过程的可解释性。在小学平面几何题上，这个推理系统让AI答题的正确率提升到90%的水平，显著优于传统推理系统。

多模态语音增强技术让AI的声音有感情

在“讯飞超脑2030计划”中，“唇形+语音”的多模态语音增强技术，实现了智能语音交互新模式。

“想要让机器更自然地与人类进行交互，就需要通过听觉、视觉、语义以及各种传感器的组合让机器获取更多的有用信息，AI的感知方式必然要从单模态发展到多模态，逐步拟人化。”高建清表示。

如何让机器的声音媲美人类？高建清分享了科大讯飞在语音合成技术领域的新突破——多风格多情感合成系统SMART-TTS。

高建清介绍，SMART-TTS可提供高兴、抱歉、撒娇、严肃、悲伤、困惑、害怕、鼓励、生气、安慰、宠溺等11种情感模式，每种情感模式依程度强弱不同分为20档；SMART-TTS还具备对机器声音的“个性化”设置功能，如停顿、重音、语速等，用户可以根据自己的喜好调节。

当你漫步林荫路，TA可以用字正腔圆的“播音腔”为你读新闻；当你结束一天工作准备入睡，TA可以轻声细语为你读散文；当你驱车去公司上班，TA可以用你最喜欢的歌手的声音告诉你走哪条路不堵车；当你和家人一起观看纪录片，TA还可以为纪录片不同人物配音，人机交互表达自然、情感饱满。

关键词： 科大讯飞 推理系统 语音识别