小米语音首席科学家 Daniel Povey：语音识别卷完了，下一个机会在哪里？| 智者访谈

突破性的创新往往不会与已有的成功经验相似

原标题：小米语音首席科学家 Daniel Povey：语音识别卷完了，下一个机会在哪里？| 智者访谈
文章来源：机器之心
内容字数：19513字

一线AI洞察：与Kaldi之父Daniel Povey博士的深度对话

本文总结了机器之心对著名开源语音识别项目Kaldi创始人、小米集团语音首席科学家Daniel Povey博士的访谈要点。访谈围绕AI多模态融合趋势、大模型与小模型的权衡、技术创新方向选择等话题展开，并对年轻一代AI研究者提出了务实的建议。

1. 语音技术现状与未来方向

Povey博士认为语音识别技术已达到较高成熟度，目前研究重点转向了文字转语音(TTS)，并致力于开发在手机等移动设备上高效运行且音质优良的TTS系统。他指出，语音技术已成为AI的子领域，与AI研究紧密相连，并经历了从领域到融入AI主流的转变。

2. 多模态融合与Transformer的思考

Povey博士对Transformer的应用持谨慎乐观态度。他认为Transformer虽然高效且效果好，但过度依赖单一模型不利于AI领域整体创新。他主张保持不同领域的研究特色和方法，并相信解决特定领域问题的研究可能最终带来对整个AI领域都有益的通用解决方案。他认为，当前AI研究中，对大模型的追逐可能导致研究重复和进展缓慢。

3. 大模型与小模型的权衡

Povey博士更倾向于中等规模模型的研究，认为超大规模模型的实验成本高昂，且难以复现，不利于推动领域整体进步。他强调了模型大小、可扩展性和性能之间的权衡，并指出所有的大模型最初都是小模型。

4. 技术创新与研究风格

Povey博士认为真正的技术进步是能够被分辨出来的，不应该被某种主流范式所限制。他提倡一种注重诊断、注重信息论基础、并重视可复现性的研究风格。他批评了学术界中过度追求数学证明和“端到端”噱头而不注重实用性的倾向。

5. AI发展趋势与机遇

Povey博士对AI领域的未来发展持乐观态度，他认为机器人、软件兼容性问题以及简化计算系统等领域都蕴藏着巨大的机遇。他特别强调了开发支持不同精度整数运算的工具的重要性。

6. 对年轻AI研究者的建议

Povey博士建议年轻研究者要诚实面对自己的目标，不要盲目追逐名利。他指出，AI领域已不再是轻松获得高薪的行业，只有真正有天赋的人才能做出突破性贡献。他告诫年轻人要认真考虑职业选择的长期影响，避免陷入“职业发展陷阱”，将生活与职业发展平衡好。

联系作者

文章来源：机器之心
作者微信：
作者简介：专业的人工智能媒体和产业服务平台