第二章 AI复兴：深度学习+大数据=人工智能（第10/24页）

在IBM研究中心里，彼得·布朗跟着弗雷德里克·杰里耐克（Frederick Jelinek）领导的小组做语音识别。那个时代的语音识别主流是做专家系统，可IBM里的这一小撮人却悄悄搞起了概率统计模型。其中原因说出来，就完全没有了神秘感——IBM那拨人之所以去搞概率统计，倒不是真的因为他们预见到了未来，而是因为他们一时找不到语言学方面的专家。没想到，弄一大堆训练数据统计来统计去，效果还真比专家系统提升了不少，技术曙光初现。

彼得·布朗跟我透露了IBM正在研究概率统计模型的事情，但出于保密的需要，没有告诉我任何细节。我并不知道概率统计模型是不是真的好用。但基于我在奥赛罗人机对弈系统中积累的经验，我这次选择相信彼得·布朗他们的方向，也决定顺着这个思路走下去。IBM的语音识别小组要解决的是IBM关心的听写问题，目的是要用语音识别来代替打字机，代替字处理软件，他们的应用可以先根据打字者的声音进行适应性训练，要简单不少。而我要解决的是非特定语者连续语音识别问题，预先不能根据特定语者的语音进行训练，技术挑战更大。

可怎样向瑞迪教授提出我要在他计划的30多人团队之外另辟蹊径呢？我一直在犹豫，他已经向国防部立项，经费已经到位，专家系统的方向是势在必行的，我是他一手调教出来的大弟子，如果我这么不配合他的方向，他会怎么处理呢？会试着说服我继续做专家系统？会大发雷霆？还是会好言相劝？

再三思考后，我告诉自己，我必须向他坦承我的看法。我鼓足勇气，向瑞迪教授直接表达我的想法。我对他说：“我希望转投统计学的怀抱，用统计学来解决这个‘不特定语者、大词汇、连续性语音识别’的问题。”

出乎我的意料，瑞迪教授一点儿都没生气。他只是好奇地问：“那统计方法如何解决这三大问题呢？”

对此，我已思考很久。我在瑞迪教授面前，长篇大论地说了10分钟。瑞迪教授耐心听完，用他永远温和的声音告诉我：“开复，你对专家系统和统计的观点，我是不同意的，但是我可以支持你用统计的方法去做，因为我相信科学没有绝对的对错，我们都是平等的。而且，我更相信一个有激情的人是可能找到更好的解决方案的。”

那一刻，我被深深感动了。对一个教授来说，学生要用自己的方法做出一个与他唱反调的研究，教授不但没有动怒，还给予经费上的支持，这在很多地方是不可想象的。

最终的结果大家已经知道了，我硬是顺着这条概率统计的道路走了出来，还走得更远更好，研究出了比IBM发布的听写系统好很多的语音识别技术，用我自己的论文宣告了以专家系统为代表的符号主义学派（Symbolic AI）在语音识别领域的完败。

解雇语言学家的故事

我和同时代的彼得·布朗等研究者一道，将语音识别从符号主义时代推动到了统计时代。这可不是简单的技术换代，这同时也意味着，那些来不及拥抱新技术的研究者在转瞬之间，就会被时代的大潮淘汰。

在微软创办亚洲研究院后，2002年年初，我加入了Windows Vista团队，并组建了一个新部门，叫自然互动服务部。当时，比尔·盖茨总是对语音、语言、智能型助手式用户界面情有独钟，于是，他要求全公司在这方面的团队都加入我的队伍，从事相关研发。

那时候，我发现在一个语言小组里，居然有一个150人的团队都在做着“无用功”。在这150人的语言处理项目团队中，有一半是完全不懂技术的语言学家，而这些语言学家居然在指挥工程师的工作。负责这个团队的高管有一个“瑰丽”的梦想：通过语言学家的介入，逐渐地形成一道“语言彩虹”，一步步解决人机界面问题，让机器越来越多地可以理解人类的语言。