如何做到正确的识别呢?我告诉陈正:“国内的语音识别往往是先分词,然后识别。这是彻底的错误,因为第一次分词总可能出错,一定要同时分词和识别,经过所有的排列与组合,挑选出最好的结合。”
然后,我发现我们的语言模型语料远远不够。语言模型的功能是经过大量的统计,来判断在下一个位置最可能出现哪些字,比如说,看到“尊敬的李”时,我们可能预测下面会是“先生”、“老师”、
“女士”等词,各有不同的概率。我对他说,“在中国做语音搜索统计,只联系到前面的一个词,但是中文的语言特点是歧义特别多。仅仅依靠向前推一个词,电脑并不能作出正确的判断,至少要向前推两个词。”我们请黄昌宁教授去开始一个语料采购的计划,训练出这样推两个词的语言模型。
另外,中文和英文很大的一个差别就是中文有四声的识别。这方面团队很快地做了一个四声识别器,和整体的识别系统结合起来。就像分词一样,一定不能先把四声识别出来,而要考虑所有的可能性,再作出总体最优的选择。
在他们三人以及后来加入的几位副研究员的努力下,很快,一个中文语音识别系统就做出来了。
此后,陈正和我发现这个系统不但可以做语音识别,也可以做拼音转换。我们尝试了一下,果然转换率比当时任何系统都要高很多。除此之外,我们还发现可以用统计模型做出一种奇妙的功效——
自动纠正人为造成的拼写错误,也就是说,如果你打入:“zunjingdelixansheng”,这个系统可以发现你少打了一个“i”,而自动转换成“尊敬的李先生”。后来,这个项目,由陈正做内核的技术,王坚做用户界面,成为了一个高质量的输入法。
在短短的一年内,这个五人团队就做出了多项傲人的成果:中文的四声识别、最精确的输入法、中文的听写机,还有多用途的统计语言模型。这些
项目都符合了我们“有用”的目标,也用我们的“兵团”模式迅速获得了成果。
与此同时,研究院里其他小组,都在为有用的梦想而全力打拼。向比尔汇报
在研究院成立之初,我就有一个愿望——有朝一日,我要走进比尔盖茨的办公室,向他展示微软中国研究院的成果。
这种汇报,是展示中国智慧最好的机会,也是让比尔信任“中国智慧”的最好契机。我希望中国研究院因此获得更多的经费和更有力的支持。
从进入研究院开始,我就把这个愿景分享给我的同事和朋友们。因此,向比尔汇报,成了我们共同的梦想。在美国出版的一些有关微软和比尔盖茨的书籍中,“向比尔汇报”是一个最引人入胜的章节,它们像武侠小说那样跌宕起伏、玄机重重。一方面,它给你无与伦比的愉悦;另一方面,盖茨有可能在最短的时间里挑出你报告里的问题,然后步步紧逼,让你无法招架,最后,你非但得不到半点成就感,还会被潮水般的质疑和批评淹没。
因此,如果没有百分之百的把握,是不能到比尔那里去汇报的。盖茨的时间富贵,所以每个产品团队每年最多向他汇报一次,但他特别重视研究院,所以公司每个季度都会安排汇报。
1999年6 月,里克雷斯特来北京参加“21 世纪的计算”大会,看到研究院做出的一些初步成果。他找到我,说:“开复,我本来想安排你明年2 月给盖茨作汇报,但是现在看来,你们已经达到了见他的水平,要不然你今年10 月就去见他吧!我来安排。”
我又惊又喜。一回到希格玛,就把这个好消息告诉了大家,他们和我的感觉一样,既兴奋又紧张。我也趁势鼓舞大家,“我们手里的研究项目可要加快节奏了!大家要加把劲了!”
从那一天起,整个研究院进入了一种“备战”
状态。
那是整整一个月的不眠夜!
音字技术组,我们的语音识别系统已经装入 5万个中文单词,但是四声的识别总是出问题。另外,我们从《人民日报》社买了大量的语料,邸烁负责这些语料来训练我们的“语言模型”,做软件开发的孙燕峰,则负责把“模型”融入一个更大的系统,他马不停蹄地奔走于北京和雷德蒙之间,不分昼夜。
多通道用户界面组,王坚和陈正一直在完善他们的无模式用户界面,直到我带去美国的前一分钟,他们还在调试。
网络多媒体组,亚勤交出了他的多媒体压缩成果。而且,在MPEG…4 的标准里,组员李世鹏得到了一个国际标准,这不但是微软贡献的标准,也是中国贡献的标准。
形象计算组,沈向洋正在完善他的三维模拟环境,让你用一台普通的电脑,就能进入一个逼真的三维环境,并漫步其间。他的技术,是基于数十万张图片的粘贴,与前面提过的苹果 QuickTime VR很像,但更庞大、更逼真。
多媒体计算组,张宏江做出了聪明的图片检索。你只要圈出一个人的脸,他的系统就能在图库里找出更多这个人的脸,这个系统还能做视频分类,把足球、篮球、田径都精确地自动标出。
1999年10 月18 日,微软雷德蒙总部一如往常,中国研究院的第一次“向比尔汇报”静悄悄地开始了。
中国研究院的六位同事,第一次穿了同一款衣服——全黑色纯棉夹克,作为汇报人,我穿了件纯黑色的Polo 上衣。
盖茨的办公室设在8 号楼,这是一幢星形的两层建筑,白色的外立面,墨绿色的窗。我们走进了二层的一间会议室,这里既不宽敞,也不豪华,透过落地窗,可以看见走廊对面盖茨的办公室。
上午l0 点多,盖茨走了进来,他穿着咖啡色的衬衫,没有系领带,也没有寒喧,目光平静而严肃。在他点头示意之后,我开始从容不迫地演示我们的研究成果。
比尔听得非常专注。当我说到中国研究院大规模招聘一流大学的博士生时,比尔问,“当地的学校会不会认为微软在抢人才?”他还说,“跟大学保持
良好的关系,这跟科研一样重要。”
有时候,他的问题带着美式幽默。比如我提到,有一年,邓小平到少年宫视察,摸着李劲的头说,
“计算机要从娃娃抓起!”这时,我笑着指了指坐在下面的李劲,说,“这个娃娃就在这里。”比尔笑道,
“我希望你们找他来的原因,不仅仅是因为邓小平摸过他的头。”
比尔对我们的人才策略很感兴趣。我告诉他,我们招收的员工绝大多数都很年轻,很有潜质,他们能够从事基础研究,是大多数人都愿意看到的。我向他表明,我们从不主动到中国的高等学府或科研单位去挖资深人员,但如果有人主动来求职,我们一定会认真考虑每一份申请。
比尔还详细询问了人员招聘可能面临的其他问题,比如户口,比尔对中国的了解,让我惊讶。我告诉他,中国在过去的几年发生了天翻地覆的变化,十几年前,人们的工作是分配的,想换工作几乎是不可能的,但现在,人们把个人的发展需求放在首位。
我谈到了微软中国研究院的独特之处——技术原型,并阐述了它在基础研究中的重要性。我认为,我们绝不仅仅要写论文、申请专利,一定要把发明做成使用的技术原型。
比尔对这套方法很感兴趣,他把那张幻灯片抽了出来,还做了笔记。他也认为,我们应该让每一位研究员做他们最擅长的事。一些公司,包括一些在中国开设研究中心的企业,雇用基础研究人员做产品开发,我认为这是非常不合适的。
此外,我着重介绍了中文输入方面的研究,演示了语音识别和我们的快速输入法。我发现,比尔早已明白中文输入的困难所在,以及拼音和五笔等输入方法的利弊。我指出,如果中文输入的速度提高一倍,在每两个小时的工作时间里,我们就可以帮助中国的计算机用户节省lo亿个小时。比尔幽默地说:“这比我们能节省的计算机启动时间还多。”
最后,我谈到了微软中国研究院的研究方向——新一代多媒体、用户界面和信息处理技术。在介绍多媒体的研究方向时,比尔说:“微软研究院已在音频技术方面取得了成功,以后在图像技术和其他多媒体技术方面,可要靠你们了。”
我立即对他说:“比尔,我们有三个组做出了多媒体技术,我们已经做出了很多成果!”然后,我顺势介绍了我们做出的技术。盖茨非常满意,他甚至一一问了每个专家的专长,并且非常开心地做了笔记。后来,他在很多场合说过一句话:“我打赌你们都不知道,我们有一批世界最厉害的多媒体科学家,他们都在微软中国研究院。”
这期间,雷斯特曾向比尔询问我们是否应该在小时内结束会议,比尔说:“不,我还想听听,我还有45 分钟。”汇报结束时,比尔情不自禁地说:“太出色了!完美无瑕!”走出会议室时,他拍拍我的肩膀,说,“整天和绝顶聪明的人一起工作,你一定很愉快吧?”
尽管在研究院工作的两年以及在总部工作的 5年里,我向比尔汇报的次数无法计算,但我相信,那一次是最难忘的。
第二天,为了庆祝“向比尔汇报”的成功,我们狂欢了一下。我们乘坐白色的游艇在华盛顿湖上驰骋,到了湖心,我们放慢速度,从流飘荡。
这时,我拿出了我精心准备的礼物——一个装着14 支古巴雪茄的精致木盒,每一支旁边都放着一片雪松木和一把形状奇特的刀具。这是一种特殊的雪茄,美国本土不生产,也不进口,极为少见。大家把雪茄一端插入刀具,切去顶部,用火柴点燃雪松木片,用木片点燃雪茄,开始吞云吐雾;;最火的研究院,最伤感的别离
比尔的肯定,让研究员们对未来的研究工作充满了信心,后来的岁月里,我们的科研成�