極限元:彰顯技術實力 搶灘人工智能高地
有人表示,2016年的人工智能=1996年的互聯網=1976年的PC,更有人預測,人工智能將會是比移動互聯網大一千倍的市場,下一個BAT級的公司或許就從人工智能里面產生。”未來的人工智能會細化方向,會有越來越多的專業公司出現,而一家大公司一統江山的局面會逐漸打破。“極限元(北京)智能科技股份有限公司CTO車浩博士對記者說。
車浩于中國科學院自動化研究所模式識別專業博士畢業,國家重點實驗室助理研究員,先后參與多項國家級項目(863、國家自然科學基金),曾擔任校企合作項目寶馬汽車人機交互查詢系統、三星葡語語音合成系統、聯想手機語音合成系統負責人;其“高表現力語音合成技術”曾獲北京市科技進步二等獎,主要研究方向為語音合成與識別、多模態人機交互、計算機視覺等方向。
作為極限元聯合創始人的車浩,首先在智能語音技術上破冰,而后在計算機視覺和虛擬現實等技術上取得卓有成效的發展,獲得多項專利并得到業內廣泛認同,不斷鞏固著極限元在人工智能領域的領先地位:
一、智能語音平臺 為行業用戶提供深度語言定制化解決方案
極限元智能語音平臺圍繞自身的語音平臺優勢,為開發者提供多種API接口,系統集成商、解決方案提供商、軟件開發商等合作伙伴可通過標準接口方便快捷地將極限元智能語音平臺能力集成到各種應用系統中,方便開發者輕松快速構建有聲世界。讓語音技術在生活、醫療、教育、家居、安防、金融、互聯網等行業得到更多應用,這些應用每日為數以百萬計的移動互聯網用戶提供流暢的語音服務。
同時,語音平臺支持大詞匯量連續語音在線識別,在云計算平臺下,借助深度學習方法DNN和自然語言處理使識別準確率可達99%以上,而識別延時僅為0.1倍時長。
在聲紋識別方面,99%以上的超高識別準確率確保安全,其場景是提取說話人的語音身份特征進行身份驗證,主要應用于安防??焖俦憬莸淖运惴?,高速識別保證效率、深度的語義理解、特定場景的語義解析技術,融合依存句法分析、信息抽取,將安全和便捷省時完美結合統一。
智能語音平臺在教育方面的應用就更廣泛了,極限元為語文出版社定制的口語評測功能,參考標準示范發音,對口語發音的效果進行客觀評測。其支持音素、字詞、語句、段落等多個維度的測評,包括準確度、流利度、節奏、韻律、語流等多項指標都可進行技術統計,在普通話、方言、英語、中文古詩詞等多語種都可進行學習評測。
車浩表示:”目前極限元智能語音平臺有上萬的用戶規模,處于培養用戶使用習慣的階段,不斷提升極限元智能語音平臺系列產品性能,更在加快研制智能語音芯片,力爭為客戶提供一站式服務,將便捷化、個性化的服務推向極致。“
二、互聯網音、視頻有害信息審查安全網關
極限元開發了國內首次結合語音和視頻兩個維度的安全網關。雙管齊下的力度,保證了審查的準確率和效率,也是對客戶安全需求和成本雙重考慮。
1、大數據與深度學習相結合:極限元擁有大數據樣本集合,前期的圖像樣本采集工作扎實到位,數千萬張的大數據樣本,讓有害信息無所遁形。圖像識別領域最新的卷積神經網絡和長短時記憶模型相結合的深度學習框架、GPU與CUDA相結合的訓練與識別框架,讓錯判率和漏判率大幅降低。
2、圖形+語音雙深度學習檢測引擎技術:采用共享式網絡結構,多個神經網絡共享,加強語音與圖像的深度學習極大提高檢測效率。在語音識別技術上運用馬爾可夫統計模型,該模型是實現快速精確的語音識別系統的最成功的方法,基于馬爾可夫模型的檢測機制大幅降低誤報率。
3、智能化監控數據抓取機制:全自動智能化監控數據抓取機制,網絡底層部署自動數據獲取模塊無需用戶再推送,免去客戶二次開發煩惱。監測數據根據報警等級自動調節信息獲取頻率,在節省帶寬的同時保證準確率。
三、車載疲勞駕駛檢測儀
智能交通是未來交通系統的發展方向,如何避免交通事故的發生、提高車輛的運行安全,是智能交通系統亟待解決的問題。目前,由于疲勞駕駛引起的交通事故在全國所有交通事故中占據很大的比例,因此,研究有效、可行的疲勞駕駛檢測系統尤為重要。
極限元提出一種面向智能交通的疲勞駕駛檢測系統解決方案,采集超過50萬名司機的大數據,基于面部特征對車內駕駛員的面部疲勞狀態進行監控,根據人眼及其嘴部狀態判斷駕駛員是否疲勞。
對于車內監控區域視頻,采用直方圖均衡化濾除光照強度變化帶來的影響,利用基于Viola-Jones提出的人臉檢測算法離線訓練的人臉模型對人臉進行粗略檢測,定位出多個近似于人臉的區域,并提取區域的hog特征,然后采用線性svm算法對上述特征進行分類,最終準確定位人臉位置?;诤撕瘮迪嚓P濾波算法對當前幀人臉rect進行有效追蹤;隨機梯度下降算法提取人臉面部特征,將人眼連續多幀閉合,或者嘴部連續多幀張開等狀態作為判斷是否疲勞駕駛的依據,覆蓋絕大部分疲勞駕駛場景。
人工智能作為計算機領域的概念已經發展了六十余年,從近幾年開始它慢慢從實驗室爬出來,在方方面面滲透我們的生活。在未來幾年,我們應該可以看到更多的實例化的人工智能產品和創業公司涌現出來。