5、语音识别的深度学习突破之旅

语音识别的深度学习突破之旅

1. 相遇与理念碰撞

2008 年 12 月 11 日，李邓来到不列颠哥伦比亚省惠斯勒的一家酒店，他不是来滑雪的，而是参加人工智能会议相关活动。多年来，他致力于开发语音识别软件，先是在加拿大滑铁卢大学任教，后在微软西雅图附近的中央研发实验室担任研究员。然而，当时的语音识别技术进步缓慢，微软的语音系统准确率提升也很有限。

在惠斯勒的一次活动中，李邓遇到了杰夫·辛顿。早在上世纪 90 年代初，辛顿曾参与李邓学生的论文指导，但此后因连接主义研究失宠，两人交集甚少。此次相遇，辛顿向李邓介绍了“深度学习”，称神经网络开始在语音识别中发挥作用。李邓起初并不相信，他认为辛顿并非语音研究专家，且神经网络此前从未在实际应用中取得显著成效。但辛顿坚持让李邓尝试，还表示他们的深度信念网络能从更多数据中学习，性能已接近领先的语音识别方法。李邓虽答应尝试并交换了邮箱，但之后几个月并未行动。

2. 研究进展与疑虑

夏天，李邓有了些空闲时间，开始阅读关于神经语音识别的文献。他对其性能印象深刻，便联系辛顿提议围绕此理念组织新的惠斯勒研讨会，但仍质疑该技术的长期前景，因为它被全球语音研究界忽视。随着下一次惠斯勒活动临近，辛顿给李邓发邮件附上研究论文初稿，显示神经网络分析约三小时语音后能达到顶尖语音方法的性能。李邓依旧不信，认为多伦多研究人员对技术的描述难以理解，且测试是在实验室环境下进行。直到他看到原始测试数据，才开始相信。

3. 微软合作与原型构建

当年夏天，李邓邀请辛顿到华盛顿州雷德蒙德的微软研究实验室。辛顿因背部问题，历经艰难旅程才到达。他先乘地铁到多伦多市中心的汽车站，坐长途巴士到水牛城，再安排好签证后乘近三天