双11阿里云人工智能ET魔术表演解密：“超能力”口译+语音视频识别

　　作为双11背后庞大系统的大脑，忙碌的阿里云人工智能ET还抽空表演了一个神奇的魔术。

　　11月10日晚，“天猫双11狂欢夜”在深圳大运中心拉开巨幕。除了汇聚全球半个娱乐圈的明星外，还有一位拥有“超能力”的神秘嘉宾登场——阿里云人工智能ET。在全球上亿观众的见证下，ET隔空计算出5人手中的扑克牌，震惊全场。

　　在狂欢夜的压轴环节中，ET一出场便秀出强悍的语音识别和交互能力，与主持人华少神同步。众所周知，华少凭借400字/分钟的语速被誉为“中国好舌头”。ET竟然可以实时将华少的现场口播翻译成文字，投在电视机屏幕上，达到极高的准确率。好玩的是，一旦出现错误，ET还会结合上下文语境进行毫秒级修正。

　　不但能听懂华少的问题，ET还能通过现场观察和思考，模仿人类的声音回答问题。

　　华少发出挑战：从32张扑克牌中抽出5张，ET你能不能猜出是什么?随后主持人邀请五位现场观众上台，并依次切牌打乱顺序后抽出5张。ET能算出他们手中的牌吗?

　　ET略略沉思，提了一个小要求，请抽到黑色牌面的观众转身。通过机器视觉识别出转身观众后，ET瞬间计算出答案：梅花A……五个居然全中!ET的神奇表现让主持人大吃一惊，“实在是太，不，可，思，议了!”

　　理论上32张扑克牌分到5人手里要全部猜对的概率是2400万分之一。ET究竟是如何做到的呢?

　　“这是一个经典的魔术，不过这次是由人工智能魔术师来表演。32张扑克牌以De Bruijn 序列排列，五人洗牌之后，实际上排列可能减少到32种，ET将转身观众(黑牌)记作1红牌观众记为0。进一步从32种可能性中算出最终的唯一排列”，阿里云人工智能科学家初敏说，通常这个魔术非常考验魔术师的记忆和推算能力。对ET来说，这些都不是难题。

　　难的是整个过程中需要ET要具备高精确度、高实时性的视频识别能力，并用人类的语言和主持人沟通交流。“因直播环境受到场地、灯光、音效的影响，语音识别、视频识别都会受到很大考验”，初敏说。

　　据了解，无论是语音识别还是图像识别，底层都依赖于深度学习算法以及大规模计算能力。一套复杂算法模型的训练往往需要千亿级别的样本数据，这就对背后的计算能力提出了很高的要求。

　　ET代表的是阿里云语音识别、语音合成、自然语言理解、实时图像识别、机器学习的综合技术，背后是阿里云飞天操作系统强大的计算能力。

　　值得注意的是，这并非ET第一次登上舞台。在今年4月份湖南卫视《我是歌手》的决赛中，ET在直播现场成功预测了李玟夺冠。而在其他领域，ET已经开始担任法庭书记员、超级交通警察、影视投资经理、客服等角色。