热门搜素： 电商 教育 视频 健康
新知榜公众号 随时随地查看资讯 手机访问更加便捷
热门搜素： 电商 教育 视频 健康
新知榜公众号 随时随地查看资讯 手机访问更加便捷
首页 > 行业观察 > AI语言能力排行榜出炉：阿里巴巴全球第二，中国BAT三席
AI语言能力排行榜出炉：阿里巴巴全球第二，中国BAT三席
新知榜官方账号
2023-07-01 08:56:50
咨询机构Gartner发布《云AI开发者服务关键能力报告》，对全球云服务商的AI能力做了排行。语言AI这一项，第一名毫不意外是谷歌。第二名比较惊喜，是阿里巴巴。这是榜单发布以来，中国公司在该领域第一次进入全球前三。全球前十中，中国的BAT占了三席，成绩可谓是瞩目。
阿里云上的AI能力，主要包括：阿里在语音识别、自然语言生成/语音合成、语言理解/处理、文本分析这几项关键能力都获得了最高分。阿里云所依托的，是达摩院在语音AI领域的深厚积累。
达摩院在语音AI领域最早以语音识别技术起家，技术能力涵盖语音识别声学模型和基础框架、说话人区分、语音合成声学模型和声码器、口语语言处理、联合优化的声学前端等。2019年，阿里语音AI曾被MIT评选为当年度的“十大突破技术”，这背后的技术能力，就来自于达摩院。
阿里的语音AI能在没有语种信息的前提下，大幅提升中英文混说场景下的识别性能。例如，借鉴混合专家系统（Mixture of Experts）的思想，在端到端语音识别模型中，对中文和英文分别设计了一个子网络，最后通过门控模块对每个子网络的输出进行加权，从而使模型在中文、英文、中英文混说场景下都能取得比较好的效果。此外，达摩院还打造了一套端到端方言自由说语音识别系统，可以识别14种常用方言，并且保证纯中文相对于单语模型的识别性能基本不降。
除了语音AI技术之外，阿里在语义层面同样形成了一套强大的技术体系。达摩院的阿里的大规模预训练语言模型体系，拥有阅读、写作、翻译、问答、搜索、摘要生成、对话等多种能力。通过与具体任务、应用场景的结合，逐层孵化“中模型”、“小模型”。在大模型体系基础上，达摩院语言技术实验室先后孵化了一系列“中模型”，包括：通用预训练模型StructBERT、生成式预训练模型PALM、多语言预训练模型VECO、超大中文预训练模型PLUG、多模态预训练模型mPLUG、结构化预训练模型StructuralLM、预训练对话模型SPACE、表格预训练模型STAR 等。这些模型各有专长，例如StructBERT可以让机器更好地掌握人类的语法、理解自然的语言；多语言预训练模型VECO能够识别多种语言，曾拿下国际权威多语言榜单XTREME排名第一；多模态预训练模型mPLUG在视觉问答（VQA）任务上首次超过人类结果；对话预训练模型SPACE在10多个对话国际榜单和数据集上取得SOTA。基于AliceMind技术，达摩院先后斩获了35个冠军，在某些领域的水平已经非常接近人类对语言理解的程度了。
语音技术最早可以追溯到1952年，贝尔实验室的Davis等人研制出了世界上第一个能识别10个英文数字发音的实验系统Audry，从此拉开了语音识别发展的序幕。语义技术更是可以追溯到1947年，当时英美科学家联手提出了利用计算机进行语言自动翻译的设想，机器翻译的诞生也正意味着打开了语义发展的大门。各界的纷纷投入，也让工业界诞生了众多“史诗级”的产品，例如苹果在2011年发布的Siri，以及后来亚马逊、谷歌、微软等推出的Alexa、GoogleAssistant、Cortana等。
近几年Transformer、Bert等技术的爆发，极大地推动了语音语义技术的发展。未来任何硬件终端都可以集成语言AI技术，这样的应用空间是巨大的，这也正是国内外学者、科技巨头纷纷发力于此的原因。语音语义已然是普通人“唾手可用”的技术。例如，达摩院的机器翻译技术每天为国内200万中小商家翻译上亿文字，让不懂英语和小语种的商家也能把国货卖到全世界。另外，去年年中，北京首都机场和大兴机场均开通了语音购票的服务，只需要乘客张张嘴说出目的地，便可以在1.6秒内快速完成选站。未来，语音语义技术将逐渐向人类逼近，带来更多的应用和变革。
微信扫码咨询 
相关工具
相关文章
相关快讯
短视频知识人物影响力榜
新知榜独家 {{faTime.effecttime}}发布
总榜
人物 领域 粉丝数 影响力指数
{{item.manIndex}}
{{item.nickname}} {{item.field}}
{{item.fs}}
{{item.effect}}
