7月11日晚21:00点，受「王峰十问智库群」轮值群主郝晓伟、副群主刘雅静邀请，百度AI主任架构师、DuerOS技能开放平台和IOT平台负责人钟镭做客社群，挑战「终极三问」。

以下为钟镭分享全文：

嘉宾介绍

Blues：欢迎大家观看今天的“电影”-钟镭的《AI人工智能》，也欢迎我们的美女副群主@刘雅静 | MarsBit特训营。

钟镭老师是我们蓝港科技亲密无间的合作伙伴,百度人工智能系统DuerOS的主任构架师，在语音交互及人工智能方面有着非常丰富的实战经验。今天荣幸的请到群里来给大家分享关于科技、关于人工智能。

人工智能也是我一直关注的方向，所以今天的分享将分为两个部分，第一部照惯例由钟老师挑战Who am I人生三问，第二部分将由我和钟老师共同探讨人工智能及人机交互的发展方向，也欢迎大家一起加入探讨。下面就有请被小蛇老师说长得像泰国人自己却承认是印度人的钟镭老师。

钟镭：谢谢blues，蓝港科技与DuerOS是亲密合作的伙伴，也很荣幸被邀请到群里和大家聊聊，被误认为是印度人很多年。。

Blues：特别介绍一下，为了体现语音技术，今天的分享还在用另外一种特别的方式做直播。我们通过语音转换技术，实时将我们现在正在聊天分享的文字转换成语音，再结合钟镭老师百度这边提供的DuerOS技能平台，建立的小青语音直播间，在智能音箱上实现了群实时直播。

群里有我们出品的小青AI音箱的用户可以直接说："小青小青，进入小青直播间"，没有小青音箱的可以到这个地址观看直播，我们在深圳的办公室架了一个直播台。

计算机的结缘

Blues：下面今天的分享正式开始，@钟镭 第一问，先来讲讲经历过去发生的那些件事推动了你的人生？

钟镭：如果对照现在的人生轨迹的话，完全不是按照我原来规划来的。人生的转折点，是在我念初三的时候，我买了第一台电脑，这台电脑的获得有些波折。当时的电脑很贵，然后大家对电脑都没什么认识，最常见的观点是电脑 = 打字机 或者 电脑 = 游戏机。

Blues：看来好多嘉宾的人生都是从第一台电脑改变的

钟镭：看来故事老套了，不过的确是事实。因为当时是初三，马上面临中考，我父母坚决不同意我买，还联合了我的班主任，给我动之以情，晓知以理，痛陈电脑种种坏处。不过我当时做了一个现在回想起来正确无比的决定，绝食了两天抗争。换回了第一台电脑。

刘雅静：看来时代的风口，真的是不可错过

Blues：哈哈，我第一次用电脑是被老师带到全校最神秘最干净整洁的一个教室，里面铺着地毯，全是286电脑

钟镭：那时的电脑还以486，586来区分性能。我以586的价钱买了一台cpu是5x86的。看来大家都会用五笔不过我其实一直没学会

Blues：我最爱用的是百度输入法，因为有五笔WPS 香港金山求伯君

钟镭：第二件事情是高考：当时我的第一志愿是物理专业，结果考砸了，阴差阳错来了一个以为是计算机专业的数学专业专业的名字叫 “科学计算与应用”我愣是在填志愿的时候多看了一个 机 字。。。我拿到录取通知书那天才看清楚专业名称，当时心情是灰暗的，第一志愿去不了就算了，还自己把自己坑了，去了一个不知道是啥的专业。

然后大学就吭哧吭哧学了很多的数学。。。后来发现，我们系大多数是郁闷的落榜生，结果在大学时候我们这群人就组队参加ACM / ICPC这些编程比赛。

又硬是把人生轨迹扭转到计算机领域小时候，我摸着红领巾的时候，有个伟大的梦想，是当一名科学家，但是自从那次绝食之后，就逐渐沦为一位码农，轨迹就这样改变了

刘雅静：其实是无形中踩到了命运的直升梯

钟镭：其实不一定，我01年入学的，那时候硅谷那边IT泡沫破灭，计算机行业被普遍看衰不过到我07年毕业的时候。

IT业又恰好火了起来，我觉得有很多时候不是刻意的选择，只是恰好赶上了这个时代。基本到目前为止，职业上的轨迹转折点就是这么几件大事。

步入Google

Blues：再讲讲后来怎么去了google，和google的一些经历吧

钟镭：去google也是比较幸运，google 06年进入中国，然后07年我毕业，赶上了google china的第一，二批招聘。在Google中国的几年恰好也与中国一起经历好几件大事。例如08年的雪灾，地震，奥运，还有后来10年Google退出中国。

Blues：当年我的公司是google中国的vendor，我们应该有过一些项目交集，只是没认识

钟镭：我在Google加入的第一个组是反网页搜索作弊，当时中国的网站的擦边球色情网页特别多，所以我的第一个具体的项目是写一个色情网页的分类器@Blues-轮值群主 是啊，缘分让我们再次相识

Blues：@钟镭 为了项目科研留了不少鼻血吧

钟镭：学习到了很多与时俱进的词汇

Blues：哪年去的美国google呢

钟镭：10年，当时Google宣布将一些业务迁到香港，Google也希望将更多的核心业务统一放在总部，所以我也随搜索业务transfer到了美国。

Blues：我印象最深的是google前台旁边的大电视屏幕一直都实时往出蹦全球正在搜索的词汇，坐那屏幕旁边能看好久

钟镭：嗯，是啊，还有一个地球仪，显示全球每个地方实时的搜索量，越亮的地方标识搜索得越多

Blues：讲些在google比较有趣的事吧，或者不为人知的什么什么

钟镭：确实在做project的过程中有很多很有趣的事情。这是来自隔壁组的一个案例，我们当时有个project是picassa照片，picassa是可以上传和分享照片的，那么分享的时候很迫切的一个需求就是将一些不雅的图片用机器判断出来，然后屏蔽，避免造成恶劣影响。

所以，在当时，一个迫切的任务就是要开发一个不雅图片的分类器。当时深度学些还没成熟，我们的工程师日以继夜的开发，最后好不容易把分类器的性能调上去了，最后几个点怎么也突破不了。只好拿测试数据来实际看，调试，发现准确率上不去的原因是把很多“猪”的图片错分成了不雅图片。

Blues：不过，讲真，google的图片检索技术真比百度强很多，虽然你现在在百度。。。

钟镭：最近这几年deep learning的发展，让图片的分类，检索，有了非常大的进展。

交互方向上，让机器更加懂人。

Blues：好，那我们就第二问了，第二问，现在对你最重要的事情是什么？钟老师五笔用的不够熟练

钟镭：回顾在从毕业到现在的前十年，我一直在搜索的领域上打转，搜索是让机器领会人意图的一个初级阶段，我觉得从现在起到未来的十年，我的工作重心会放在在更加自然的交互方向上。让机器更加懂人。

Blues：讲讲目前我们一起合作的DuerOS吧，在人工智能方面做了哪些研究和探索

钟镭：这对我来说是一件很重要的事情，因为我觉得我本质上是一个机器主意者DuerOS我们的slogan是听清，听懂，满足，目前人工智能，AI技术在上面主要应用在听清，听懂。

所谓听清是指从前端麦克风阵列，到云端语音识别。AI落地在听清这个事情上很有挑战，在智能音箱上，分两个主要的模块第一个是唤醒词，也就是DuerOS音箱上的小度小度或者小青音箱上的小青小青。

因为这些唤醒词必须是在设备本地进行识别的，模型和运算都必须要在设备端进行，而一般来说，深度学习的模型通常会比较大，计算起来复杂度和功耗也很高，所以怎么进行模型压缩和算法调优，在低成本的机器可以跑起来，非常有挑战。

Blues：唤醒词现在在生成的技术上是怎么做到的呢？

钟镭：例如小青音箱现在应该是同时支持两个唤醒词，其实这里面的工程难度很高。

Blues：我在14年的时候找讯飞想实现唤醒词，被他们说是一个很复杂的工程，要至少500个不同的人声来做分析

钟镭：嗯，这里面需要收集比较大量的人声数据，进行模型训练和调优。还要针对不同硬件的声学环境进行调试。当时做这个产品的时候遇到了什么难题？

Blues：嗨，做的有点早，这个话题我们一会聊，先问你的，在车里面的语音交互还真是很有需求的

钟镭：嗯，是的，DuerOS跟很多车厂也有合作，已经落地在很几个品牌的车载系统里。

嗯，我在13年的时候，曾经在Android手机里做过一个语音控制音乐播放，打电话的原型，不过那时候的语音识别技术，网络速度，还有手机的麦克风收音都很差，基本用不了。当时就是想做一个在车上很方便使用的手机应用。这个需求确实很强，每天都有很大一部分时间呆在车上

Blues：那个时候没有降噪算法，没有麦克风阵列，在播放音乐的时候识别控制还真是一件难事

钟镭：是的，所以这个原型只能在车还没开动的时候用，demo基本靠吼我当时还把不用的pad，挂在墙上，做一个家庭控制中控系统。

Blues：嘿，这也是我的想像，为此还真做了

钟镭：结果还是受限于麦克风阵列，远场语音识别技术的限制，控制家居基本靠吼为解决供电问题还专门挖了墙，还挖错了……最后还得补墙。

Blues：等我找个图给你看这是当年我的产品，我花了很多心思研究这些

钟镭：你这个一看就是正规军，我那个是手工货，对美好生活的向往

机器主义角度来看未来世界

Blues：OK，那就接下来再聊聊第三问吧第三问，你认为未来会改变世界格局的事情是什么？

钟镭：改变世界格局的事情有很多，例如区块链，去中心化的货币等，这些会从根本上重构经济格局。这个我脑洞还没开到我可以想像。我从我自己的角度，从一个机器主义者的角度来看的未来世界。

首先是人与机器的交互会变得更加自然，现在我们已经初步具备了与机器进行自然语言对话的能力，机器能听懂我们在未来几年，机器能看到我们，能感知我们。再往后，我会认为各种传感器，摄像头，麦克风，是无处不在的。再往后就是人的意图会被这些传感器更好的识别出来，那个时候就是不用说，不用动，机器会根据这些意图满足人的需求。

这些看起来虽然很美好，但是如果往深里想，其实是一个比较悲观的结论。因为，你不知道你所想的是你所想的，还是机器希望你那样想的。

Blues：我们在人机交互上走过了三个里程碑，一是windows所带来的所见即所得，二是iOS带来的所做即所得，三就是未来语音交互和钟镭所说的这些自然场景交互所带来的所想即所得

盛傅：因为，你不知道你所想的是你所想的，还是机器希望你那样想的。是不是说我饿了，机器理解到并给我定A商户的外卖，虽然我也接受这个结果，但是我可能并不是我真正想要的，对吗？

钟镭：不知道是悲还是喜，其实是一个更深层次的问题，你想的是不是真的是你所想的。以前在做搜索的时候，有一个很重要的评判标准，就是不能光靠大众的点击率，甚至个人对结果的浏览时长来判断一个网页的好坏。

因为当时担心的一个事情就是，如果搜索引擎不断都推荐给你你喜欢的结果，那么这个搜索引擎实际上是限制了你。我个人是比较认可这个原则。

刘雅静：语音交互会是未来最主要的人机交互方式吗？

钟镭：我觉得未来，和机器交互的方式是多种多样的。语音在很多场景下很方便，是最主要的方式但是也有很多时候，基于视觉的交互更加自然。就像人与人交流一样，一个眼神，一个动作，一切尽在不言中。而且最近视觉技术的发展，也让我看到了这个方向上的可能，我对此还是很乐观的。

我2013年自己倒腾智能家居的时候，因为语音不太成熟，还有我平时比较沉默寡言，那时候还很流行可穿戴，我的一个想法是我带一个手表，然后手表能识别我的动作，以此进行手势交互。后来发现，人最基本的特性就是懒，动口，动手，还是非常麻烦，所以脑波是最自然的方式。

 Blues：我觉得自然语音交互再加上双向的视觉识别，在接下来很长时间内都会是主要的交互方式吧

黑少爷：Google 眼镜算吗？

钟镭：算，不过当时的技术还不太成熟

 Blues：google glass当年也是试图想更好的视觉结合语音来实现自然交互@黑少爷

钟镭：例如，电池和功耗的问题没解决，我个人也很看好眼镜这个方向，所以我一直很期待谣言中的apple glass

 Blues：但会发现越是人们最自然的交互感知方式就越难改造，想把人正常的行为习惯改掉太难了。

本文为MarsBit原创稿件，版权归MarsBit所有，未经授权不得转载，转载须在文章标题后注明“文章来源：MarsBit（微信：hxcj24h）”，若违规转载，MarsBit有权追究法律责任。