亚马逊Alexa的深度学习与语音识别的核心技术原理

亚马逊Alexa首席科学家Nikko Strom博士是语音识别领域级别最高的牛人。1997 年从瑞典皇家理工学院语音通信实验室取得博士学位，后进入MIT计算机科学实验室。2000 年加入语音技术新创Tellme Networks。2007 年被微软收购后，加入微软推进商业语音识别技术研究。2011 年加入亚马逊，担任首席科学家，领导语音识别及相关领域的深度学习项目。

近几年他致力于分布式深度学习训练研究，论文已于2015年发表。

在美中技术与创新协会（Association of Technology and Innovation，ATI）主办的第一届“AI NEXT”大会上，亚马逊Alexa首席科学家Nikko Strom博士介绍了亚马逊Alexa的深度学习与语音识别的核心技术原理，以下是他的演讲全文：

（Nikko Strom于今年1月发表过同题演讲，使用相同的幻灯片，部分图片为1月时使用的幻灯片。）

今天我要谈谈Alexa的深度学习技术。我会先介绍一下Alexa，然后再说明我们如何将深度学习应用于处理如此大规模的数据，之后我将介绍语音识别和语句合成的技术细节，这是我们主要应用深度学习的两个领域。今天我在这里不是为了讲技术具体原理，所以如果你们希望听的是技术处理的细节，或许在下午的活动中会更开心。最后我将谈谈我们与业界和学界的伙伴合作的其他项目。

起初是这样的，几年前我们发布了Amazon Echo的第一版。我们从小范围做起，限量发布，希望能在大范围公开前先看看使用效果。用户很明确也很快地反馈了他们喜欢我们的产品，反响来得之快远出乎我们意料。从这个起点开始，转眼Amazon Echo设备销量已达到几百万。人们对此很感兴趣，想听我讲更多我们把产品从小做到大、从默默无闻做到具有巨大商业价值的过程。

总之，我们将这个产品做了个扩展，做了个更小的版本，Echo Dots，也是无线设备。顺便提一句，活动结束后，你们可以在我们的展台试用这些产品。去年圣诞期间新加入了白色版本。不只如此，Fire TV、Fire平板电脑，还有其他一些第三方设备上，也可以下载到内建Alexa技术的产品，我们提供了声音识别技术植入它们的API。连手表都用我们的技术，弄得我都想要这种手表了。

以上是植有Alxea技术的一些电子产品。还有很多是智能家居设备，不仅有声音感应功能，而且是由Alexa来进行控制。我最喜欢的是灯的开关。就像我家的那种开关，都是智能的，所以在家经常能听到我说“Alexa，把厨房灯打开”一类的话。其实这个场景看起来挺傻的，因为其实我就站在开关旁边。当然它也可以这么用，比如上楼时，我就说，“楼上的灯，亮！”，很有趣。我家的电视也有这个功能，所以我会说“Alexa，打开电视”。你真应该来看看。

我们扩展的另一个领域，是Alexa可实现的功能。也许你们没有读到新闻，我们最近的成果是，Alexa已经有超过一万项技能了。功能可以由第三方来开发，不用我们亲自来。我们有供第三方使用的API，来让开发者给Alexa加入各种各样的技能，以丰富用户体验。