【原】機器竟然學(xué)會了讀唇術(shù)，而且讀得比人類還好？

趣味科技 2020-08-25

展開全文

機器不只會下圍棋識人臉，還會讀唇術(shù)？

在各行業(yè)大數(shù)據(jù)井噴的今天，有大量的視頻等非結(jié)構(gòu)化數(shù)據(jù)只保存了圖像，但并沒有錄入聲音。然而，其中有許多聲音信息其實是非常關(guān)鍵的，特別是在公共安全領(lǐng)域的關(guān)鍵節(jié)點。遇到這種情況，我們就要依靠讀取唇語來進行識別了。

以往唇語識別這事兒只能依靠人工，也就是唇語識別專家。然而隨著AI人工智能技術(shù)的發(fā)展，如今機器也學(xué)會了讀唇術(shù)，而且做得比人類還好。

3月29日，在重慶舉辦的亞洲大數(shù)據(jù)可視分析峰會上，海云數(shù)據(jù)發(fā)布了與重慶市公安科研所共同研發(fā)的唇語識別技術(shù)成果。據(jù)透露，目前海云數(shù)據(jù)的中文唇語識別技術(shù)準確率已達到70%，處于國內(nèi)中文唇語識別的領(lǐng)先水平。

唇語識別，AI完勝人類

關(guān)于人工智能能否替代人類的爭論，可以說一直持續(xù)不休。目前人工智能在圖像識別、語音識別、生物識別、深度學(xué)習(xí)、自然語言理解等許多領(lǐng)域的應(yīng)用，已經(jīng)做得比人工更加出色。不過人類的感知、學(xué)習(xí)、理解、認知等綜合能力，依然是當前的機器人無法超越的。

唇語識別指的是只靠觀看說話者說話時的嘴唇動作，破譯解讀出說話者所說的內(nèi)容。具體到讀唇術(shù)這個領(lǐng)域的話，AI人工智能幾乎完勝人類號幾條街。

2016年，谷歌的人工智能公司DeepMind與牛津大學(xué)合作，研發(fā)了一個具有讀唇語功能的人工智能系統(tǒng)。在讓AI系統(tǒng)學(xué)習(xí)了5000個小時的BBC新聞節(jié)目后，AI系統(tǒng)秒殺了唇讀專家。唇讀專家的準確率只有12.4%，然而AI系統(tǒng)的準確率卻高達46.8%。

國內(nèi)領(lǐng)先的中文讀唇技術(shù)什么樣？

與語音識別依靠聲音和自然語言識別不同，唇語識別是一項集機器視覺與自然語言處理于一體的技術(shù)。

通過機器視覺技術(shù)，唇語識別系統(tǒng)從圖像中連續(xù)識別出被分析對象連續(xù)的口型變化特征，通過分析其嘴唇上眾多識別位點的運動變化，隨即將這些特征輸入到唇語識別模型中，識別出講話人口型對應(yīng)的發(fā)音，從而計算出可能性最大的表達語句。因而對于越學(xué)越聰明的AI來說，學(xué)習(xí)庫數(shù)據(jù)量越大，數(shù)據(jù)質(zhì)量越高，訓(xùn)練的準確度越高，判斷就越準確。

為了不斷提升識別的準確率，海云數(shù)據(jù)的唇語識別系統(tǒng)經(jīng)歷了1萬小時的新聞類節(jié)目訓(xùn)練，最終形成了國內(nèi)領(lǐng)先的中文唇語識別模型。

借助唇語識別技術(shù)，公安人員可以通過鎖定視頻中犯罪嫌疑人的語言記錄，獲得偵破案件的關(guān)鍵信息。不僅如此，未來在日常生活、社會公益、體育賽事裁定等各個領(lǐng)域，唇語識別都有著極為廣闊的應(yīng)用空間。譬如，未來聾啞人也許可以通過唇語識別設(shè)備，來“看懂”別人說話的內(nèi)容。

如何搭好AI這趟車？找準切入點很關(guān)鍵

未來5-10年，人工智能將改變互聯(lián)網(wǎng)和世界的面貌，已經(jīng)成為業(yè)界的共識。根據(jù)全球知名研究機構(gòu)Gartner的一項調(diào)研，參與調(diào)研的國內(nèi)外企業(yè)中，70%的企業(yè)在近12個月之內(nèi)有要實施人工智能的計劃。

在人工智能一片火熱的同時，國內(nèi)企業(yè)介入人工智能的領(lǐng)域也比較扎堆，人臉識別、語音識別、無人駕駛是幾個大熱的方向。相對而言，唇語識別屬于相對比較冷門的領(lǐng)域。

對此，海云數(shù)據(jù)創(chuàng)始人兼CEO馮一村認為，AI要解決行業(yè)具體應(yīng)用和具體需求，而海云數(shù)據(jù)的核心競爭力在于可視分析領(lǐng)域?？梢暦治鍪且环N全新的數(shù)據(jù)分析方式和數(shù)據(jù)分析的思維能力，其底層技術(shù)正是計算機視覺技術(shù)。海云數(shù)據(jù)希望用人工智能將大數(shù)據(jù)重新賦能，唇語識別則是最好的切入點。