We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
李
李鑫
李鑫：我长期从事自然语言处理工作，见证了人工智能技术从计算智能到感知智能，再到如今大模型时代的飞速发展。我参与了讯飞输入法、讯飞超脑等项目的研发，深刻理解了数据和互联网对模型迭代的重要性。在感知智能阶段，语音识别和语音合成技术已经取得显著进展，并广泛应用于各个领域，例如虚拟人、作文批改等。然而，认知智能仍然面临诸多挑战，例如自然语言处理中的一词多义、中文分词等问题，以及对常识和逻辑的理解。ChatGPT 等大语言模型的出现，标志着人工智能进入了一个新的阶段，其核心技术是预测下一个单词，准确性取决于上下文信息。大模型的参数量大、数据量大，能够处理更长的文本，但同时也存在一些缺陷，例如难以更新新知识和容易出现事实性错误。为了解决这些问题，我们需要将知识和逻辑分离，并采用检索增强技术。我们研发了星火大模型，采用“1+N”架构，即一个通用大模型加多个垂直行业模型。星火大模型不仅可以进行图像理解、解答高考题等任务，还可以应用于学术领域，例如科技文献的阅读和综述撰写。未来，我希望大模型能够成为科学家的助手，甚至同事，并选择合成科学作为大模型应用的突破方向。通过大模型结合实验机器人，可以实现实验流程自动化，提高科研效率。总而言之，人工智能将人类从繁重的脑力劳动中解放出来，并将成为促进国家经济增长的新的引擎。
Deep Dive
本章节探讨了语音识别技术的现状和发展，从早期讯飞输入法的语音转文字功能到如今在复杂场景下的应用，并解释了互联网数据对模型迭代的重要性。
- 语音识别技术让机器拥有了“耳朵”，能将语音转换成文字。
- 讯飞输入法语音转文字功能的成功案例。
- 语音识别技术在不同场景下的应用及挑战（噪音、回声等）。
- 互联网数据对语音识别模型迭代的积极作用，形成正向循环。
Shownotes Transcript
语音识别技术不仅已经广泛应用于各个领域，其未来的发展前景也非常广阔。