近日，阿里云在2016年会上公开展示实时语音识别技术，并现场挑战世界速记大赛亚军得主。据现场最终评测，机器人在准确率上以0.67%的微弱优势战胜第50届国际速联速记大赛全球速记亚军姜毅。

阿里云年会现场，图中左边屏幕显示的是语音识别，右边屏幕显示的是人工速记

从现场效果看，人工智能的稳定性和并发计算能力是其优势。人类的体力是有极限的，尤其是在高强度压力下，工作时间越长出错概率越大，而机器则能自始至终保持同一水平。这一点在AlphaGo和李世石的围棋比赛终中也反复得到验证，在比赛中、后局机器的稳定计算能力远超人类。

此外，人工智能的并发能力也非人工所能及。在发现错别字后，机器可以瞬间修改所有错误，人工速记则需要在演讲人短暂间歇的时刻返回修改，明显表现得慌乱。

阿里云iDST 语音组总监鄢志杰表示，虽然已经在接近世界一流的“速记师”的路上，但人工智能还有很长一段路要走。“在噪声、口音以及对未见到过的数据的适应性上，人类显然更胜一筹。”

速记师姜毅则评价，虽然和人工智能比赛压力很大，但“机器还是缺了一点点智慧”，并表示非常愿意收下这个“机器徒弟”，教会它更多的速记诀窍。

“看起来是机器挑战人类，其实是人类在挑战自己。”姜毅强调，“人工智能背后凝结的科学家智慧是人类的骄傲。”

第50届国际速联速记大赛于2015年在匈牙利布达佩斯举办，姜毅作为中国代表队的九名选手之一，在文本看打速记比赛项目中以大约300字/分钟的速度获世界亚军。

姜毅在会议现场和看不见的机器人PK

核心算法＋GPU计算

所谓语音识别技术，就是把语音转换成文本，也称为自动语音识别。语音识别是人工智能领域极为重要的前沿技术。在美国政府关于限制发放签证的“Technology Alert List”中，语音识别赫然在列，与核武器、火箭技术等同在“黑名单”之中。

随着自然人机交互需求的扩大，个人智能助理渐渐成了各大巨头争夺的下一个入口，苹果Siri等是个人智能助理类典型应用。而语音识别则是人机交互的第一步。

据介绍，此次“人机大战”的语音识别算法主要基于BLSTM（双向长短时记忆神经网络），这种算法对单位时间内的计算量要求很高，因此阿里云采用了带GPU加速的新一代高性能计算平台，单节点计算能力达16 Tflops，并且对BLSTM算法做了针对性优化，实时解码更为顺畅。

走出实验室赋能应用

阿里云iDST智能语音团队拥有世界一流的专家团队，此次年会展示的研发成果只是冰山一角。实际上语音技术已经走出实验室，在阿里内部广泛应用，比如赋能阿里集团客服和蚂蚁金服客服团队的呼叫中心智能化。

去年双11，蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成，同时实现了100%的自动语音识别。蚂蚁金服客户中心整体服务量超过500万人次，客服人员的精力可以更好地集中到处理复杂类客户问题和工作。

同时，语音团队还把智能语音交互技术赋能给YunOS以及手机淘宝、支付宝、钉钉等移动端应用。