小樣本，新思路：中美人工智能競爭的另一條出路

原創贊收藏評論

舉報 2024-05-20

掃描,分享朋友圈

近日,OpenAI和Google相繼召開發布會,人機語音對話技術進入了新的歷史時刻。

隨著人工智能的飛速發展,我們已經見證了大模型如何改變了數據處理和自然語言理解的領域。然而,除了大模型的規模增長,大模型的另一個重要發展方向是其外擴工具的增強,這將極大地提升了模型的交互性、適應性和實用性。這些外擴工具,例如插件或代碼,使大模型能夠更好地與其他系統集成,從而提供更豐富的反饋和增強用戶體驗,并且有希望產生統計規律的能力。通過這些外擴工具,大模型不僅能夠處理更復雜的數據,還能夠根據用戶的具體需求提供定制化的解決方案,這在多變的現實世界應用中顯得尤為重要。

當然,除了大模型這一技術路徑,人工智能還需要跨學科的合作和小樣本學習的創新方法,這類方法與大模型的“大力出奇跡”思路不同,而是聚焦更少的數據進行邏輯抽象和演繹。比如在聲學領域,更多是依賴物理規律的Know How來去處理分析,并不需要大規模的算力和數據。因其在語音對話、實時轉寫和同聲傳譯中的應用,正逐漸成為推動技術前沿的關鍵因素。也正是如此,美國OpenAI和Google的發布會都重磅演示了語音對話的應用。

聲學作為物理學的一個分支,研究聲音的產生、傳播和接收。在人工智能領域,聲學技術被廣泛應用于提高機器對人類語言的理解和處理能力。通過精確的聲音捕捉和分析,可以極大地提升語音對話系統的交互質量,使之更加自然和高效。聲學計算不僅在消費領域具有關鍵的作用,而且對于國家安全也是至關重要。

在聲學計算和人工智能的交叉領域,我國更是具有獨特的技術優勢和發展潛力。首先,我國在聲學基礎研究和工程應用方面擁有深厚的歷史積淀和技術積累。幾十年來,我國在聲學傳感器、信號處理芯片以及相關算法的研發上取得了顯著進步。另外,小樣本學習作為一種新興的學習范式,為我國在聲學模型的快速迭代和優化提供了新的方法。這種方法可以減少對大量標注數據的依賴,使模型更快適應新的語言環境和聲音特征,尤其適合處理多樣化和動態變化的語音數據。

比如,在語音對話系統中,聲學模型用于捕捉語音的細微差別,如音調、節奏和強度,這些都是理解語意和情感的重要線索。例如,通過分析語調的上升和下降,系統可以判斷用戶的問題或是陳述,從而做出更準確的反應。此外,聲學信號處理技術還可以用于消除背景噪聲,提高語音識別的準確性,這在嘈雜環境中尤為重要。這個時候我們可以理解為計算機具有了英語四六級的水平。事實上,這段時間OpenAI和Google的發布會重點演示的還是這部分技術,當然由于大模型的加持可以使得語音對話更加有趣有效。

實時轉寫是另一個展示聲學應用的典范。在會議或公共演講中,實時轉寫系統可以將說話人的話語即時轉換為文字,不僅便于記錄和回顧,還支持多語場景更好地理解交流內容。聲學技術在此過程中確保了語音的清晰捕捉和快速處理,使轉寫盡可能精確,減少延遲。這個時候我們可以理解為計算機具有了英語專業八級的水平。聲智科技最近就將此項技術進行了開放,并且在聲智App宣布了真免費不綁定的永久服務。

更值得關注的是,聲智科技的實時轉寫服務不僅在近日宣布免費,還同時支持私有化部署。相對于SaaS來說,私有化部署能夠更好地保障數據安全和隱私安全,也就是說,聲智科技的實時轉寫功能只轉寫不錄聲,將數據泄露給第三方的風險降到最低。

同聲傳譯則是一種更為復雜的應用,它要求對話系統在幾乎無延遲的情況下,將一種語言的口述即時翻譯成另一種語言。這不僅需要高效的聲學處理技術,還需要強大的語義理解和語言生成能力。聲學模型在此中的作用是確保所有語音細節都被準確捕獲和傳遞,為語義分析提供堅實的基礎。這個時候我們可以理解為計算機具有了人類同聲傳譯的水平。

此外,交叉學科的進展為聲學在人工智能中的應用帶來了新的視角和技術。例如,物理學中的電磁理論可以幫助改進麥克風的設計,使其更加敏感且能捕捉到更廣泛的頻率范圍。化學則可以通過發展新材料來提高聲學設備的性能和耐用性。

總之,聲學在推動語音對話、實時轉寫和同聲傳譯技術的發展中發揮著不可或缺的作用。未來,隨著交叉學科的進一步融合和小樣本學習技術的突破,我們可以期待聲學技術在更多人工智能應用中展現更大的潛力。

本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。