腾讯任命俞栋为AI Lab副主任并主管西雅图实验室

本篇文章3217字，读完约8分钟

正文/腾讯科技韩一民

2017年5月2日，腾讯宣布任命语音识别技术顶尖专家俞东博士为人工智能实验室副主任，并在美国西雅图成立了人工智能实验室。

俞东博士将负责西雅图人工智能实验室的运营和管理，并推动腾讯在语音识别、自然语言理解等人工智能领域的基础研究。

这是腾讯近期在人工智能领域的第三大举措。

3月19日，一个多月前，腾讯人工智能实验室开发的围棋获得了日本联盟杯围棋赛冠军。经过近一年的低调运作，这是腾讯人工智能实验室首次向外界展示其研究成果。

当最好的球队参加联盟杯比赛时，

夺冠后不久，3月23日，腾讯宣布任命人工智能领域顶尖科学家张彤博士为腾讯人工智能实验室主任。

今天，另一位将军加入了腾讯的人工智能阵营。

对于于东的参与，腾讯ai实验室主任张彤博士说:“于东博士是语音识别和深度学习方面的专家。”我们很高兴邀请于博士加入腾讯ai实验室，相信他的到来将大大提升腾讯ai的技术实力。我们希望腾讯人工智能实验室不仅是一个实验室，更是一个连接器。通过连接来自世界各地的优秀人才，我们将继续推进人工智能的基础研究和在更多场景中的应用，使人工智能无处不在。”

腾讯ai实验室副主任俞东博士说:“我很高兴加入腾讯ai实验室。”十年来，腾讯积累了丰富的应用场景、海量的数据(603138、诊断股)、强大的计算能力和一流的科技人才，这是人工智能深入研究和应用的重要基础，也是吸引全球人才的重要原因。我相信，随着西雅图人工智能实验室的建立，未来将会有更多的顶尖人才加入腾讯人工智能实验室，共同推动全球人工智能技术的发展。”

在国际语音识别研究领域，语东是一个不可忽视的名字。

加入腾讯之前，俞东曾担任美国微软研究院演讲与对话组首席研究员，并兼任浙江大学兼职教授、中国科技大学客座教授、上海交通大学客座研究员。

由余东博士、乔治·达尔博士和李征博士共同开发的上下文相关深层神经网络-隐马尔可夫模型(cd-dnn-hmm)是深度学习技术在大词汇量语音识别中的首次成功应用。他们的突破性工作获得了2013年ieee SPS最佳论文奖，改变了大词汇量语音识别的研究方向，极大地促进了语音识别技术的发展。

与此同时，腾讯近年来一直在加大对人工智能的投资。2016年4月，腾讯人工智能实验室成立，总部设在深圳。作为腾讯的公司级人工智能实验室，人工智能实验室注重基础研究和应用探索的结合，努力提高人工智能的决策、理解和创新能力，为腾讯的产品和业务提供人工智能技术支持。

腾讯人工智能实验室由机器学习和大数据专家张彤博士领导。有50多名人工智能科学家(90%是医生)和200多名来自世界著名大学的应用工程师。作为语音识别技术的顶尖专家，俞东的加入意味着腾讯在人工智能方面的布局将进一步延伸到基础研究。

余东加入腾讯时，我们对他进行了独家采访。在了解腾讯在美国西雅图的人工智能实验负责人的同时，我们也看到了腾讯的人工智能布局。

一把名为ai的钥匙

目前，人工智能的热潮正在席卷全球行业，语音识别是最有可能成为第一个流行应用的技术，这与语音识别基础研究取得的进展是分不开的，俞东是相关研究能够取得突破的关键人物。

2011年8月28日，夏末秋初，来自世界各地的专家学者齐聚意大利佛罗伦萨。在接下来的三天里，由isca组织的第12届年会将在这个文艺复兴的发源地举行。

作为语音学领域最重要的两个国际会议之一(另一个是icassp)，每年interspeech都会吸引来自学术界和工业界的从业者就语音学领域的最新技术和研究方向交换意见。

会议的第二天，发表了一篇题为“利用依赖于上下文的深层神经网络进行会话式语音转录”的论文，很快引起了科研界的极大关注。

提出了一种新的基于人工神经网络的语音识别方法。实验结果表明，新方法大大降低了语音识别的错误率。这意味着始于20世纪80年代末并最终销声匿迹的人工神经网络再次被引入到语音识别的研究领域，开启了语音识别的深度学习时代。

余东是这一成果的主要研究者。

于东

2011年，距离今天人工智能热潮的第三次兴起还有六年时间。人工神经网络在学术界经历了沉浮，但当时并不乐观。

余东回忆起当时腾讯科技的情景，还是颇有感触:“这项工作(将深度学习方法引入语音识别领域)最初是有嫌疑的。许多同事或朋友经历了20世纪80年代末90年代初神经网络从高潮到低潮的过程，所以他们对此都有一定的怀疑。”

然而，俞东和他的团队开发的新方法用实际结果回答了这个问题。“基本上，在两年内，许多公司重复了我们的工作，发现它确实提高了识别率，并很快成为行业标准。然而，在我们工作之前，发表这样的论文实际上是困难的，但是在两年之后，发表没有深入学习技术的文章是困难的，反之亦然。”

深度学习的关键打开了语音识别研究的新大门。进入深度学习时代后，语音识别也在取得突破。

2016年9月中旬，微软报告了语音识别的一个新里程碑:新系统在交换机基准测试集上的识别错误率下降到6.3%；一个月后，微软宣布在这个基准测试集上成功实现了历史性的突破:他们的语音识别系统的单词错误率(wer)相当于甚至低于专业转录者，达到5.9%。

数据背后的含义是语音识别的识别率已经超过了近场的实际阈值，并且可以应用于许多应用场景。例如，微信中各种应用的语音转文本、语音输入法和语音输入框。

在实际应用层面，语音输入已经成为许多应用的一个基本功能；但在研究层面，语音识别仍有许多困难需要克服。

于东介绍说，语音识别在更困难的环境中，如远场、高噪声或口音仍然是一个有待解决的问题；适应也是一个重要的研究方向。

俞东处于语音研究的前沿，他的研究侧重于更深层次的研究。加入腾讯人工智能实验室后，余东还将带领团队专注于远场语音识别和自然语言理解。在腾讯人工智能实验室的人工智能布局中，俞东领导的人工智能实验室西雅图实验室将是另一个家。

腾讯邀请

作为最早将深度学习技术应用于语音识别领域的研究者之一，余东一直是语音识别和深度学习领域的顶尖专家。他出版了两部专著，发表了160多篇论文，是60项专利的发明人，也是用于深度学习的开源软件cntk的发起人和主要作者之一。他获得了2013年和2016年ieee信号处理协会最佳论文奖。现在他是ieee语音和语言处理专业委员会的成员，并担任ieee/acm音频、语音和语言处理杂志和ieee信号处理杂志的编辑委员会。

2016年，俞东和微软研究院同事李征合著的《解析深度学习——语音识别实践》在中国出版，首次专门讲述了如何将深度学习方法，尤其是深度神经网络(dnn)技术应用于语音识别(asr)。

1998年加入微软的余东见证了玉城如何在硅谷之外崛起，成为美国人工智能研究的聚集地。

微软是一家总部位于西雅图的老牌it巨头，自成立之初就在人工智能领域投入巨资，并培养了许多有经验的人工智能人才。今天，微软的人工智能和研究院业务组有五六千人，这是一个巨大的人才库。

几年前，微软的投资逐渐吸引了包括谷歌、脸书和苹果在内的科技巨头在西雅图建立大规模的R&D中心。今天，总部也在西雅图的亚马逊已经建立了一个超过1000人的人工智能团队。

随着许多技术巨头的积累，西雅图对人才越来越有吸引力。人才集聚效应使得许多专业人士从硅谷或其他地方搬到西雅图。如今，西雅图每年都有大量的人涌入。

作为一名国际顶级嗓音研究专家，俞东有许多橄榄枝。在选择加入腾讯之前，许多公司已经找到了他们，但他们并没有给他留下深刻印象。余东最终选择了腾讯，因为它具备开展语音识别研究的有利条件。

余东介绍了腾讯科技，出于几个原因选择加入腾讯。首先，语音识别必须有大数据源、大计算能力、输出反馈机制来优化产品，也就是说，必须有一个登陆场景。其次，我喜欢研究，喜欢解决一些具有挑战性的问题。其他公司也有自己的优势和劣势，比如产品但缺乏研究。而这些条件正是余东所看重的，“腾讯能够满足的。”