兩會幾乎成為科大訊飛的“產品秀場”，記者們幾乎人手一個訊飛聽見錄音筆用來整理采訪錄音，央視用科大訊飛的ai語音合成技術給主播白巖松訓練了一個ai助理“小白”。全國人大代表、科大訊飛董事長劉慶峰表示，現在寫建議都是用自家的語音識別系統(tǒng)，去各地調研開會也帶著自家的錄音筆，代表履職效率比原來提高了很多。

劉慶峰接受中國證券報記者采訪時表示，2019年是人工智能價值兌現之年，人工智能產業(yè)化規(guī)模應用落地的機會比以前更大，公司將抓住這一機遇，科大訊飛人工智能戰(zhàn)略2.0不僅要實施更多技術創(chuàng)新探索，還要同步交出具有經濟效益的完美答卷。

占領技術高點

一年拿12個世界冠軍，平均一個月拿一個！劉慶峰自豪地對中國證券報記者說，2018年，我們拿了12個語音領域權威比賽的世界冠軍，在國際最權威的語音識別、合成和自然語言理解比賽中繼續(xù)保持了全球領先技術優(yōu)勢，并且進一步拓展到圖像識別等領域。

劉慶峰說，創(chuàng)業(yè)二十年，人工智能浪潮有過起落，科大訊飛幾經質疑、挫折，走著波浪式、鋸齒式發(fā)展的前進道路，他“還沒覺得累”，一個非常重要的原因就是發(fā)自內心的信仰和熱愛，“未來20年，人工智能一定會深刻改變這個世界。”他說。

劉慶峰表示，現在已體現出兩大非常重要的產業(yè)趨勢。一是萬物互聯(lián)時代到來。萬物互聯(lián)是繼互聯(lián)網之后最大的產業(yè)浪潮。這是一個以語音為主、鍵盤觸摸為輔的全新人機交互時代，對語音交互提出了迫切需求和技術期待，涉及方言、噪音、口音和遠場等方面，因此語音識別的技術門檻不會降低，而是會進一步抬高。二是認知智能會得到規(guī)模應用。“近景環(huán)境下，你對著話筒，用清晰的聲音，可以非常準確地進行語音識別。如果在遠場環(huán)境，站在5米到8米之外，用語音控制，語音識別準確率就會急速下降。在有噪音、有口音的情況下，語音識別準確率也會急速下降。”劉慶峰表示，萬物互聯(lián)時代，語音識別技術還有非常大的提升空間，這是科大訊飛正在占領的一個技術制高點。

2018年，國際語音識別最權威的比賽chime-5考察了多個噪聲和遠場環(huán)境下的語音識別效果，科大訊飛包攬了全部四個項目的第一。更重要的是，比賽主辦方用最新的算法和深度學習模型所做的參考系統(tǒng)語音識別錯誤率達81.14%，可以說是“史上最難語音識別任務”，但訊飛團隊提交的系統(tǒng)將錯誤率降低了35個百分點，以顯著優(yōu)勢獲得第一。

推進ai應用

劉慶峰當了四屆全國人大代表，幾乎每年都會提與人工智能有關的建議或議案。今年兩會也不例外，劉慶峰建議，人工智能要加強行業(yè)落地，推動人工智能開放平臺、行業(yè)大數據中心、典型應用場景的深度融合，以人工智能開放平臺作為技術與應用的交匯所，為生態(tài)中所有參與者賦能；大數據反哺人工智能技術產品的研究開發(fā)；各級大數據管理局應加強數據的適度管理尺度，加之典型應用場景的快速突破，形成數據和應用場景的良性互動，在醫(yī)療、教育等行業(yè)實現跨越式發(fā)展。

劉慶峰說，“很多人問我為什么每年都提ai的建議或議案，我說，‘我十年前這樣提，再過十年還會提。’因為這是一個偉大的歷史進程，很多ai技術需持續(xù)突破。”

劉慶峰表示，2019年是人工智能規(guī)模化應用落地之年。“我們要讓人工智能從典型應用示范轉向規(guī)模化推廣，我們會讓全世界看到人工智能實實在在的效益。”他說，人工智能規(guī)模化應用有三大標準：要有真實的看得見摸得著的實際應用案例，能夠用統(tǒng)計數據說明人工智能的應用成效，能夠基于典型應用場景自我進化。

“比如，科大訊飛做的智醫(yī)助理，已在安徽四縣一區(qū)規(guī)模化使用，當病人在跟醫(yī)生對話時，智醫(yī)助理可以自動生成對疾病的判斷，供醫(yī)生參考，輔助診斷近千種疾病，每天產生1.6萬條診斷意見，我們可以明確看到它如何幫助一線鄉(xiāng)鎮(zhèn)醫(yī)生提高診療水平。”劉慶峰說，未來醫(yī)療、司法、教育等諸多領域都可以看到科大訊飛更多規(guī)模化應用的案例。

作為從校園中走出的技術創(chuàng)業(yè)者，劉慶峰對創(chuàng)業(yè)者說，技術的應用場景非常重要，如果僅是技術概念，看不到清晰的落地應用場景，而且不能利用特定場景中的用戶使用數據形成良性迭代、不斷優(yōu)化效果，就很難持續(xù)發(fā)展。一定要把概念落到實處，靠概念忽悠的時代已經過去。

攻關技術難點

劉慶峰說，在人工智能部分關鍵領域，我國距離世界一流水平還有差距。我們必須加強在人工智能源頭技術創(chuàng)新上的投入，現在是人工智能原始技術創(chuàng)新突破的難得窗口期。具體方向上，劉慶峰建議，一是加大數學基礎原理研究，創(chuàng)新數學統(tǒng)計建模方法。數學基礎原理研究是人工智能基礎研究中的重要組成部分，腦科學研究和數學統(tǒng)計建模方法深度結合，將是人工智能下一步發(fā)展的突破方向之一。二是加強腦科學基礎研究，腦智同飛帶動人工智能技術發(fā)展。腦科學研究是人工智能基礎研究的重要方向，也是讓機器從“能聽會說”到“能理解會思考”的關鍵一步。

劉慶峰解釋，現在人工智能算法還有局限性，比如無監(jiān)督訓練很難實現，機器學習還不能像小孩子看了少量數據馬上就能觸類旁通，無監(jiān)督訓練需要數學基本原理突破。

以上是網絡信息轉載，信息真實性自行斟酌。