【新智元导读】4月4日，清华大学《人工智能前沿与产业趋势》系列讲座第三讲，由百度七剑客之一雷鸣、清华大学计算机系教授朱小燕、昆仲资本创始&管理合伙人王钧一起讨论NLP的发展、落地和局限。

首先由清华大学海峡研究院大数据AI中心专家委员、百度七剑客之一、酷我音乐创始人雷鸣老师对音频和NLP领域的技术和落地场景，做了一个综合的介绍。

语音识别已经接近人类水平，还可以用于身份识别

雷鸣提到，目前的语音识别在噪音不大的情况下，基本已接近人类水平。在一些特定场合，甚至比人类更好。 在音频识别、哼唱、音频指纹方面有很多的应用场景。

音乐的识别仅仅通过歌曲的一小段，就能知道歌曲作者、版权归属等。而一些音乐软件，甚至可以通过人们哼唱一段曲调，就能找出对应的歌曲。除了音乐识别，还可以直接创作音乐，偶尔也可以做到以假乱真。

身份识别也可以用到音频，直接按照提示说几个字，就可以识别出是否机主本人。雷鸣提到，视频+音频的组合将来会身份识别起到非常大的促进作用，相当于多了一部校验，进一步降低错误率。

在检测一段音频是否为无损压缩的场景中，人耳基本是很难分别出来的。但是通过分析这段音频的频谱图，用计算机视觉就可以进行检测。

语音合成虽然刚刚兴起，也已经有了长足的进展。为此雷鸣举了一个例子，今年315也保管改了利用语音合成技术拨打骚扰电话，不论是声调还是上下文，当事人都很难发现对方根本不是一个人。

目前NLP应用的场景还包括了智能助理、智能客服系统、语言翻译、专家系统、推荐系统等。

语音是一维信号，图像是二维信号，语言是E的平方

清华大学计算机教授、博导朱小燕提到，语音是一维信号，图像是二维信号。所以语音处理相比图像处理更容易。但是同样是处理自然信号，语言表达后就会产生不同的效果。

比如说Apple，会英语的知道说的是苹果，如果不懂英语听起来就不知所云，所以相比前两者，语言的维度可以看做的E的平方。

在可用性上，朱小燕提出一个词叫“糙快猛”。目前机器学习能够把一维和二维处理的很好，比如日常翻译。但机器目前还不能翻译小说，因为涉及到语义。

针对深度学习的黑盒属性以及强健性不足的问题，朱小燕指出其实很好解决，只要用在不需要解释或者不怕攻击的地方即可。落地应用需要考虑的问题，第一是场景，第二是产品，第三才是技术。没有最好的技术，只有最适合的技术。

NLP领域的产业机会

昆仲资本创始&管理合伙人王钧认为，找到好的应用场景很重要，比如人脸识别应用在抓坏人这个场景，并不需要特别高的精准度，也不需要可解释，只要能够抓住坏人就可以。

供给有限的情况下，能找到好的应用场景、好的商业模式，把这些有限的供给能够在这个行业应用中创造出比较大的价值。

课程直播链接：深度学习与自然语言处理：评析与展望（清华场）