雙11阿里云人工智能ET魔術(shù)表演解密：“超能力”口譯+語音視頻識別

　　作為雙11背后龐大系統(tǒng)的大腦，忙碌的阿里云人工智能ET還抽空表演了一個神奇的魔術(shù)。

　　11月10日晚，“天貓雙11狂歡夜”在深圳大運(yùn)中心拉開巨幕。除了匯聚全球半個娛樂圈的明星外，還有一位擁有“超能力”的神秘嘉賓登場——阿里云人工智能ET。在全球上億觀眾的見證下，ET隔空計算出5人手中的撲克牌，震驚全場。

　　在狂歡夜的壓軸環(huán)節(jié)中，ET一出場便秀出強(qiáng)悍的語音識別和交互能力，與主持人華少神同步。眾所周知，華少憑借400字/分鐘的語速被譽(yù)為“中國好舌頭”。ET竟然可以實(shí)時將華少的現(xiàn)場口播翻譯成文字，投在電視機(jī)屏幕上，達(dá)到極高的準(zhǔn)確率。好玩的是，一旦出現(xiàn)錯誤，ET還會結(jié)合上下文語境進(jìn)行毫秒級修正。

　　不但能聽懂華少的問題，ET還能通過現(xiàn)場觀察和思考，模仿人類的聲音回答問題。

　　華少發(fā)出挑戰(zhàn)：從32張撲克牌中抽出5張，ET你能不能猜出是什么?隨后主持人邀請五位現(xiàn)場觀眾上臺，并依次切牌打亂順序后抽出5張。ET能算出他們手中的牌嗎?

　　ET略略沉思，提了一個小要求，請抽到黑色牌面的觀眾轉(zhuǎn)身。通過機(jī)器視覺識別出轉(zhuǎn)身觀眾后，ET瞬間計算出答案：梅花A……五個居然全中!ET的神奇表現(xiàn)讓主持人大吃一驚，“實(shí)在是太，不，可，思，議了!”

　　理論上32張撲克牌分到5人手里要全部猜對的概率是2400萬分之一。ET究竟是如何做到的呢?

　　“這是一個經(jīng)典的魔術(shù)，不過這次是由人工智能魔術(shù)師來表演。32張撲克牌以De Bruijn 序列排列，五人洗牌之后，實(shí)際上排列可能減少到32種，ET將轉(zhuǎn)身觀眾(黑牌)記作1紅牌觀眾記為0。進(jìn)一步從32種可能性中算出最終的唯一排列”，阿里云人工智能科學(xué)家初敏說，通常這個魔術(shù)非?？简?yàn)?zāi)g(shù)師的記憶和推算能力。對ET來說，這些都不是難題。

　　難的是整個過程中需要ET要具備高精確度、高實(shí)時性的視頻識別能力，并用人類的語言和主持人溝通交流?！耙蛑辈キh(huán)境受到場地、燈光、音效的影響，語音識別、視頻識別都會受到很大考驗(yàn)”，初敏說。

　　據(jù)了解，無論是語音識別還是圖像識別，底層都依賴于深度學(xué)習(xí)算法以及大規(guī)模計算能力。一套復(fù)雜算法模型的訓(xùn)練往往需要千億級別的樣本數(shù)據(jù)，這就對背后的計算能力提出了很高的要求。

　　ET代表的是阿里云語音識別、語音合成、自然語言理解、實(shí)時圖像識別、機(jī)器學(xué)習(xí)的綜合技術(shù)，背后是阿里云飛天操作系統(tǒng)強(qiáng)大的計算能力。

　　值得注意的是，這并非ET第一次登上舞臺。在今年4月份湖南衛(wèi)視《我是歌手》的決賽中，ET在直播現(xiàn)場成功預(yù)測了李玟奪冠。而在其他領(lǐng)域，ET已經(jīng)開始擔(dān)任法庭書記員、超級交通警察、影視投資經(jīng)理、客服等角色。