宝利通留学(阿里 iDST 新人「物理学家」冯津伟：声学设计与语音信号处理，是 AI 算法的核心前提)

阿里 iDST 新人「物理学家」冯津伟：声学计划与语音信号处理，是 AI 算法的中心条件

雷锋网 AI 科技批评按：阿里巴巴人工智能中心团队 iDST 近期又将一名顶级大牛归入麾下——天下级声学专家、原宝利通（Polycom）声学计划与信号处理首席工程师冯津伟博士于近期到场阿里巴巴 iDST，承继语音交互团队研讨员。

据悉，他的研讨朝向是「下一代人机天然交互武艺」，该范畴已取得阿里巴巴重点投入，「达摩院」的研讨范围就包含了这一朝向。

冯津伟博士本科毕业于南京大学电子封建专业，先后在南京大学攻读声学（1992-1995）及南洋理工大学电子信号处理的硕士学位（1996-1997），随后赴美学习，于 2000 年取得弗吉尼亚理工大学声学博士学位。冯津伟博士毕业后不休在音视频聚会会议行业抢先者宝利通承继声学计划和信号处理首席工程师（Principal Engineer），拥有十余项美国专利，大局部已产物化，是天下级的音频专家，掌管开发视频跟踪体系等创新产物，多次领业界之先。

在传统行业耕作 17 年的顶级工程师、专注研讨声学的「物理学家」，缘何会到场阿里巴巴如此一个新兴互联网企业？到场阿里巴巴 iDST，他又将怎样把本人的积蓄行与现在已有的业务举行交融？抱着这些疑问，雷锋网 AI 科技批评与远在美国西雅图的冯津伟博士举行了一次电话交换，他向 AI 科技批评论述了到场阿里巴巴 iDST 的缘故与渴望。

作为专业开发、制造和贩卖高质量音视频聚会会议体系及处理方案的提供商，宝利通的多代聚会会议产物以前一度占据 90% 以上的市场份额。在这眼前，以 2000 年到场宝利通事情的冯津伟博士为代表，他主导开发的圆形麦克风阵列算法与音频信号分类器成为相沿至今的业界标杆。

而 17 年已往，包含宝利通在内的传统行业产生了新的厘革。身处此中的冯津伟博士向雷锋网 AI 科技批评坦言，他从中看到了新兴互联网企业的高速提高，这也是他选择到场阿里巴巴 iDST 的一个紧张缘故。

「我到场阿里，也反应了互联网行业与传统行业的一种交融变迁。」别的，冯津伟博士也表现，阿里巴巴的代价观与他一局部的想法不约而同，这种契合也让他对这家公司产生了特别的好感，并促使他终极到场阿里巴巴 iDST。

「我第一次了解阿里巴巴时，发觉它们家的产物名字都十分幽默，好比金融叫蚂蚁金服，物流叫菜鸟物流，音乐叫虾米音乐，信誉叫芝麻信誉。（这些名字）很亲密很讨人喜好，我以为这个定名头脑的动身点是为平凡百姓办事。我本身也是一个『草根』，因此以为阿里巴巴的想法十分地贴近我的代价观。」

从传统行业到场阿里巴巴 iDST，冯津伟博士的主要事情又是什么呢？冯津伟博士报告 AI 科技批评，他与阿里 iDST 的交集，就是本人的积蓄行——声学计划与信号处理的天然团结。

一个完备的语音识别体系必要经过前端的声学计划，举行信号的收罗、处理，再通事后端的干系算法举行识别。任何一个语音产物要投入使用，最主要的挑唆仍然是端上语音信号的收罗和处理。

本年 7 月，阿里巴巴公布智能音箱天猫精灵 X1，此中的声纹识别功效便是此中的一大卖点。这项连亚马逊 Echo 都不具有的功效，一大难点就在于远场语音识别在实践使用中存在不少成绩，遭到噪声、回声、混响的干扰太大。而声纹识别，很大水平上又是一种基于数据驱动的形式识别成绩。像远场的混响、噪声成绩，另有鸡尾酒效应成绩，都好坏经稀有的信号处理难点。仅有在特定情况中尽约莫地确保声响的高保真度，才干为后续的算法处理提供高质量的数据。试想，假如搜集到的声响信号都十分含糊，谈何后续的语音识别、构成乃至是同声传译？

而冯津伟博士的就学履历恰好触及了声学与信号处理这两个范畴，而他在博士毕业后不休在宝利通事情，在这两个范畴的团结上拥有深沉的实际研讨履历与实践使用履历。

宝利通在上世纪 80、90 年代就开头做声学计划与信号处理的干系研讨，至今以前拥有二三十年的武艺沉淀，冯津伟博士表现，最紧张的一点就是在于老当家在声学计划上颇为器重，特别在减小失真上做到了极致。在最壮盛的时期，宝利通的举世市场份额到达了 90% 以上。

「声学计划与信号处理两者的天然交融好坏常必要的。我们从前常常跟做声学的公司打交道，有些音频失真到 10%，但没有人器重，由于企业以为人耳听不出来。但是我们的麦克风听得出来，以是回波抵消就有约莫成为成绩。因此，我们不克不及只是处理线性成绩，而对非线性成绩不够上心。这两方面都必要懂，功能才可以更好地体现出来。」

到场阿里之后，冯津伟博士在传统行业的声学计划履历可以完善地与阿里的业务相衔接。声学计划与信号处理作为前端信号处理的主要武艺，毫无疑问将会为阿里巴巴的整个语音识别体系奠基坚固的数据基本。

冯津伟博士表现，以「达摩院」为代表的研讨机构渐渐创建，阿里巴巴的研发才能一定会比从前更上一层楼，并且约莫会看到很多与众不同的创新，「如今的智能音箱实践上随着亚马逊 Echo 走的很多，但阿里巴巴不一定会沿着它的老路，我们乃至可以引领行业。」

比年来，随着深度学习的崛起，以谷歌 WaveNet 为代表的武艺乃至实验推翻传统的基于信息及控制论的信号处理与天生办法。关于人工智能的迅猛提高，冯津伟博士一方面叹服年代趋向的惊人厘革，以为 AI 的不休提高毕竟会渐渐代替原有的信号处理武艺；但基于实际情况来看，他又以为这一天仍未那么早到来。

一方面，有很多人用麦克风原有的标准去 PCM（Pulse-code modulation，脉冲编码调制），直接引着迷经网络举行练习，但后果并不抱负。这种研讨在现在来看仍然必要一定的时间，就像语音识别一样，从 90 年代开头，直到近几年才大范围商用起来；盘算机视觉也相反花了近 20 年才完成腾飞，相反地，接纳神经网络来做信号处理也必要履历如此一个厚积薄发的历程。

而另一方面，神经网络善于处理非线性的事情；而一些线性的事情，在前端的信号处理阶段就可以用很低的本钱处理。以回拨抵消为例，干系于提升 AI 算法而言，我们处理前者的本钱与资源要小得多。也就是说，在做过前端信号处理后，我们可以大大低落后续 AI 在算法处理上的非线性事情量。从本钱这个角度来看，前端信号处理照旧有它存在的必要的。

在 2017 杭州云栖大会上，冯津伟传授听了不少传授、专家的演讲，此中有人与本人的想法一律：语音体系的算法只是一局部，在实践使用范畴，更紧张的一环是声学计划，要从源头上确保数据的收罗质量。「在源头上追溯整条数据链，假如有某个环节很弱，那么就会『牵一发而动浑身』，乃至使链条断掉。」

冯津伟博士报告雷锋网 AI 科技批评，阿里巴巴的一大中心竞争力在于，从源头到链条的最初一环，从声学计划、到前端信号处理，到 AI 识别算法三大模块，阿里巴巴在每环武艺都有本人的独立研发团队。

「我们拥有完备的数据链，在每个模块上我们基本上都有一支小团队，可以完成独立研发。在这之后，我们可以把三大模块更严密地交融在一同。团结声学计划与信号处理的从业履历，我信赖三个环节可以做到无缝交融。」阿里巴巴全链条、多业务、多线程的研发形式，在冯津伟博士看来是构建了一个完满的生态体系，在做细分项目标时分也很容易把各个局部的武艺团结起来。

另一个令冯津伟博士深深认同的场合在于阿里巴巴具有精良的中心团队。「如今我们有五个超过举世的语音小组（北京、杭州、西雅图、硅谷、新加坡），拥有天下一流的团队，会萃着天下一流的人才。阿里 iDST 中有十分多精良的封建家与工程师，我本人也十分兴奋，可以在与他们同事的历程中提升本人。」

冯津伟博士报告雷锋网 AI 科技批评，到场阿里巴巴 iDST 后，他方案带领团队，团结本人丰厚的从业履历，把声学计划与信号处理天然地交融起来，并且把每一个环节做到极致，「副业与专业的区别就在于细节，假如要做到行业抢先，我们就要把每个细节做到完善，做到最好。」雷锋网 AI 科技批评也渴望，冯津伟博士将来在阿里的产物上，能给我们带来更多的体验惊喜。