按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
撬凳歉龆某。敲矗噬逃没鞴就冻稣庖弧岸淖ⅰ保肫渌凳俏松桃道妫蝗缢凳俏饲空肌巴烦铩薄�1999年开始的时候，“语音识别”在我们国家的舆论中更加热闹。
《每周电脑报》的文章说：“历经多年研究和挫折之后，过去18个月里面语音识别技术已经达到很高的水平。”329《经济参考报》还宣布，“键盘的终结者”已经出现。
商周在《计算机用户》上说是“百家争‘鸣’”，这有些夸张，但他说的“全面启动”却有充分根据。
计算机专家所谓“语音识别系统”，说白了，就是比尔．盖茨说过的半句话：“让电脑会听，会说。”（另外的半句是“会看，会学习”）不过，还有一个人比比尔．盖茨更早地将语言特性与计算机的功能联系起来。诺姆．乔姆斯基曾经说，人类语言就像一个开关。此人是美国现代语言学领域最有名的一位教授，其基本理论构成了美国语言学的主流。按照他的解释，婴儿的语感是重复的结果。诸如“一头牛”和“一匹马”，其间量词在中国尽人皆知，不用专门教育，更无须复杂的语法规则加以指导，即使3尺孩童，一听也能明白，这里该用“头”，那里该用“匹”。但外国人学来学去总会糊涂。其缘由，概因人的大脑中有着“重复记忆”的能力。这一基本逻辑在计算机科学中的应用，也就是人工智能。它构成了语音识别研究的起点。
就我们所能理解的来看，语言的问题在计算机领域无所不在。乔姆斯基所说的“开关”，与计算机最基本之330“开”与“关”的运行逻辑，在表述上的不谋而合，似乎也就潜在着让计算机来接受人类语言的可能。但是正如我们此前提到的，电脑毕竟不是人脑，所以种种以机械模拟人脑的努力全都毫无结果，惟有李开复以统计学的方法另辟蹊径，终有所成。然而仔细追究起来，其成功的大厦仍然建立在一个最原始的基点上：语感是重复的结果。
“语感”这概念说起来很神秘，实则是可以观察到的。它包含于我们周围无处不在的语言材料中：书籍、文件、报纸、广播、演讲、街谈巷议、电视节目……所有这些，专家们有一个恰当的词汇加以描述，叫做“自然语言”。与此相对的计算机语言，乃是“人工语言”。30年来计算机语音专家所做的全部工作，就是试图在自然语言和人工语言当中建立一个桥梁。
就算不能让机器具有我们人类的七情六欲，至少也该让它既能听懂人话，又能说出人话。但是，平心而论，汉语语音识别的进展，有如汉语的文字输入，一直明显落后于英语。电脑终究是美国人发明的玩意，就算“能听会说”，也是英语优先。幸而电脑并无国籍倾向，也无331民族激情，所以只要中国人在它身上倾注足够的智慧，它也会有足够的耐心来听中国话。只不过，在21世纪将要开始的时候，这一份努力却又由美国人来主持，这情景电脑虽然不在意，但中国人却有点不太好受。
在过去很多年里，微软公司在语音识别的领域并不能说领先。当日李开复在苹果公司向“早安美国”的2000万观众展示他的“小精灵”时，微软连语音识别的研究小组还没有建立起来呢。不过，“小精灵”在苹果“死了”，微软却崛起了一个黄学东小组。黄在语音识别领域取得一系列出色的成果，但这仍属于英文的领域。至于中文语音识别，在我们国家中始终不能振作，直到90年代末期，4大美国公司在北京一起涉足，舆论为之一振，学者趋之若骛。国际商用机器公司声称，他们在这方面的研究已经持续了27年，其技术也的确略胜一筹。余者还有摩托罗拉，已有3年研究中文语音的历史，还有英特尔，也有好几个月了。当李开复在1999年春天启动微软的汉语语音研究时，周围的情势就是这样。他有些着急，但仍旧胸有成竹：微软毕竟多次上演过后发先至的喜剧，这一次期望能够再现。
332打开门，世界前沿原来就在眼前邸烁和陈正1999年春季进入希格玛大厦的时候，对于这些情况并不能完全了解。陈的专业属“人工智能”，邸的专业是分布式计算。两人对于“语音识别”全都是外行。在李开复看来，“人工智能”恰为过去20年计算机领域里的一条失败之途，更与未来语音的进展无关。
他告诉邸、陈二人，他们可以选择自己感兴趣的题目，但不能离开研究院的大框架。邸、陈二人一致表示对李开复的“语音识别”感兴趣。他们从中国的报纸上知道了李开复以往的辉煌，所以希望进入这个领域追随李开复。按照常情，李开复在这个时候既然想要建立语音研究小组，必会想到身边一派竞争情势。他的手下若是没有一批高水准且熟知这一领域的研究员，焉能后来居上？然而他又相信，计算机世界中，人的才智与资历并非总是能够一致，经验常常不是最重要的，甚至有可能成为弘扬智慧的障碍。这道理在他本人已有十几年前卡内基梅隆大学的体会为证。当日两个年轻人的聪慧胜过了15个资深研究者的经验，如今又怎么能说面前这两个年轻人必定不会再现当年的局面？
333接下来的情形，有点像是在学校而不是在研究院或者公司。整个4月份，邸烁和陈正都在阅读李开复的两本书：一本是他的博士论文，另外一本是他后来写的关于语音识别的书。还有李开复指定的另外几十篇论文。
这时候两个人方知什么叫做“世界的眼光”和“世界的前沿”，因为李开复让他们阅读的这些东西，全是过去十几年中世界语音识别研究的经典之作。这情形若是同我们国家大学校园中的研究状况加以比较，不免让人回味。
不少中国学生都有过“直到毕业也没有读过一篇完整的世界水平论文”的经验。就连我们在前面叙述过的“清华园的神奇小子”李劲，也不能例外。所以很多人根本不知道国门之外的人究竟做过什么，以及怎样去做。邸烁和陈正却在刚刚开始的时候，便有机会了解世界上究竟发生了什么。
但事情不仅如此。李开复还觉得有必要开辟一个“两个人的课堂”。“学生”自然就是邸烁和陈正，而“老师”正是他自己。他花了很多时间和两个副研究员谈论书籍和论文的内容，尽可能用简单的方式给他们解释“语音识别”的来龙去脉。邸烁后来回忆道：“他很会讲课，讲334过一次以后，我们再看论文，就很顺利了。”但也有并不顺利的时候，但逢这种时刻，李开复总是笑眯眯地看着这两个人，怂恿他们“猜猜看”，然后笑道：“猜错了嘛！”
“这里的气氛真是好，没有一点压抑的感觉。”陈正说，“一个院长、一个很有名的科学家，没有想到他竟能给我们讲课。他真的是一点架子都没有。所以虽然我们经常会出错误，但却并不紧张。”两个“学生”开口闭口叫着“开复”，心里倒是真的把他当成老师了。当李开复在中国的报纸上成为一个“抢人才”的话题时，看来他在研究院里仍是受到尊敬的老板和导师。研究院的气氛既像学校，又像公司，按照通常的习惯，刚刚走出校门的博士们仍然会在嘴上叫“老师”，从其他公司里来的那些人则要称呼“老板”。事实上，李开复既不好“为师”，也不好“为官”，至少他在表面上不喜欢人家总是记得他的身份。他并没有告诉大家怎样称呼他，但奇怪得很，所有人一进来，全都异口同声地叫他“开复”，他也觉得这样的称呼很自然。
邸烁和陈正两个人在这里遇到的可以当作老师又不必称呼“老师”的人，至少还有黄昌宁。黄是研究院年335龄最长者，62岁这一年退休之后，来到研究院主持自然语言小组的研究工作，眼前这些人从年龄上说，差不多都是他的晚辈。不过，当他和这些年轻人在一起说笑的时候，谁也不会想到他在中国学术界乃是属于德高望重的老一辈人。他的名望不是由于他在计算机专业领域的成就，恰恰相反，用他自己的话说，他在计算机领域里是“半路出家，先天不足”。事实上他是语言学的专家，多年致力于从计算机的视角看语言，在中国的计算语言学界乃是首屈一指的人物。无论是语言学还是计算机学里的人，都会向他提出诸如“从计算角度看语言”之类的问题。黄昌宁总是要花费很多时间来解释：“计算语言学实际上是语言学，是用计算机来研究分析自然语言。”由于他的这种专长，他在国内外一些大学里成了很受欢迎的人。有一次，李开复对黄昌宁说，研究院需要他这样的人，因为“汉字的输入，看来是一个文字问题，但也涉及到语言问题”。仅仅一句话就让两个人彼此沟通。“让我到这里工作的一个原因，是李开复对语音识别的理解。”黄昌宁后来这样说。这情形真有些像王坚经历的重演，又有些像金庸小说中所说的“高手过招”。
336黄昌宁在1999年4月来到希格玛大厦。当邸烁和陈正在计算机方面向李开复不断求教的时候，黄昌宁也成为这两个年轻人在汉语语言方面的指导。下面这些话题，就是那个时候经常谈到的：“汉语和英语的共性”；“语音当中的文字问题和语言问题”；“单字概率与词组概率”；“中文输入习惯和思维习惯不能合拍”；“人的语言能力还是科学家的一个黑匣子”；“什么叫做计算语言中的‘观其半而知其意’”；“人脑子里的语言系统不是按照词典排列的”；“计算语言学为什么要同心理学和数学结合在一起”；“计算机语音科学家面对的最大挑战：把‘一对多’变成‘一对一’”；……
他倾心尽力将自己的语言学知识留在希格玛大厦337中。“我在清华干了这么多年，退休以后才走的，我觉得自己对得起清华。”他这样来回答向他质询的朋友。他整天混迹在年轻人中间，并非不知老之已至。恰恰相反，他对自己的年龄有充分的了解。“我老了，想像力不行了，但洞察力要比年轻人深一些。”他这样说。他似乎已经意识到，由于语言不同造成的文化隔膜行将终结，计算机技术的进步终有一天让人类超越这种隔膜。
但这个世界毕竟是属于年轻人的。“在这里，没有哪一种技术能有5年以上的生命，很快就会改朝换代。”他说，“在大学里面学的东西，出了校门就变了，何况我这把年纪？”后来者总是站在前人的肩膀上1999年6月，微软公司决定加快语音研究，比尔．盖茨也倾向于在微软原有的英文语音识别系统之外，增加日文和中文两大部分。时间相当明确并且迫在眉睫。初步的成果将在秋天拿出来，其中文部分，当然要由中国人来做。这让李开复极为兴奋，他在嘴上说“我们可以做，但不能保证”，心里却想着“舍我其谁”。研究院成立刚刚7个月，他领导的语音研究小组诞生不过两个星338期，小组的第一批成员，邸烁和陈正，又是外行。在这种情形下，比尔．盖茨一般是不会下命令的，但公司的产品部门却说，他们的确需要这个技术。李开复再回过头来看看身边，觉得中国人也的确需要。王坚依据他在国内从事研究多年的经验，认定这件事情“肯定做不成”。
他说：“现在还一行程序都没有，3个月后就要拿出一个像样的东西。这种事情在我们国家是不可想像的。”王坚当时并不了解，微软公司有一个“资源共享”的制度，并且有着“团队合作”的风尚。但李开复和凌小宁却对雷德蒙微软总部的情况有足够的了解，知道黄学东小组那里有什么东西，而且可以肯定北京的工作能够得到黄学东的全力支持。他们也知道微软公司以外的其他地方有什么东西。然而更加重要的是，微软中国研究院有李开复－－世界领先的语音识别专家。研究院起步虽晚，但并非从头做起。这两个人在一起斟酌再三，都觉得虽无十足把握，但完全值得一试。当即决定，在7月份之前搞出一个基本框架。
对于李开复来说，现在的确是审时度势的时候了。
从他在卡内基梅隆大学实现的历史性突破算起，已有10339年。他花了3年的时间才制作出一台应用他的新理论的“小精灵”，但却没有能够让它真正进入千家万户，此后又花了7年的时间，苦心等待机会再次出现。这一期间，语音识别已经不再是让人们敬而远之的书斋里的技术，它在不知不觉当中与人们的生活日愈紧密。这一回，李开复已拥有微软这个庞大而又实力雄厚的舞台，如果能够如愿以偿，就决不会让这项技术继续束之高阁。
他对自己要做的事情并不仅仅抱有幻想。微软中国研究院以及李开复本人的加入，可能会更加激发其他公司在这一研究领域里快马加鞭。虽然你追我赶的热闹气氛和李开复的务实风格相悖，但他的确相信希格玛大厦的整个工作将以突飞猛进的步伐前进。他不仅拥有自己以往在这个领域中的全部经验和理论，而且还可以踩在微软公司过去若干年中的全部研究成果之上向前攀登。
他可以从雷德蒙的拼音小组拿来中文字典，还可以从黄学东小组那里拿来全套“维斯波”（Whisper）－－英文语音识别系统。微软公司的制度本来就鼓励“小组合作”
和“资源共享”，黄学东和李开复的多年私交这个时候也340发生了作用。黄很痛快地答允，将“维斯波”的源码和语料库，全部调送李开复使用。“源码”和“语料”构成一个语音识别系统的最基本的部分，尽管它们全都属于英文而非李开复需要的中文，但有了这些，李开复小组的工作便有了一个很高的起点。这情景有如攀登一座100层的楼房，他们从一开始就已经站在第50层上。
可是，事情一开始就缓慢得令人揪心。
“维斯波”的“源码”和“语料”，容量大至“10G”。
就像物体的面积体积重量都有一个计量单位，信息的计量单位是“比特”。今天我们使用的个人电脑中，“比特”
的数量单位，以“G”为最大，以“B”为最小。中间又有“兆”和“K”作为过渡：1G等于1024兆；1兆等于1024K；1K等于1024B。
我们由此可以算出“维斯波”的容量为：1024×1024×1024×10=10；737；418；240（比特）
我们若将这些“比特”用汉字来衡量，并且放到一本32开的书中，那么这本书至少要有13；695；686页。如341此多的电子数据从雷德蒙微软总部传输到北京希格玛大厦，要依赖光缆构成的互联网络，也即我们所说的“信息高速公路”。高速公路上的汽车太多必会导致车速缓慢，“信息高速公路”的情形也是同样。当邸烁和陈正接通线路并启动传输程序之后，立刻就感觉到这“高速公路”上的拥挤不堪。“维斯波”要么是根本就挤不进去，好不容易进去了却又不能顺畅运行。电脑哼哼作响，发出吃力的喘息。有时候“数据流”会暴风般地涌进来，令邸烁和陈正惊呼“好酷”。有时候整个屏幕又静止下来，机声停顿，让人觉得网络上面一片空白。有时候还会彻底中断传输过程，“维斯波”就像是在一个“空中停车场”，而不是在一条“高速公路”上。邸烁和陈正原本计划3天之中把它全部“抓”到希格玛大厦来，但已经7天过去了，仍然摆脱不了这条拥挤不堪的“高速公路”。万般无奈下，两个人只好把技术支持工程师杨飞请来，查明问题究竟何在。
单从技术的角度来说，邸烁和陈正所遇到的问题，既属于正常，而又有着不正常的情形搀杂其中，其奥秘非一般人所能了解。作为一个世界最大的软件公司，微342软在雷德蒙总部有一个小组专门负责整个公司的计算机网络。他们在一座“星型”大楼里面，拥有一个由上千服务器组成的中枢。处在网络中枢的服务器，每天自动将所有文档备份，移送稳妥之处保存。即令失火、失窃一类的意外发生，办公大楼毁于一旦，设备荡然无存，而公司所有的技术进程和研究成果均能毫发无损。这一中枢系统又能与公司在世界各地的所有终端相连接，构成一个规模巨大的专业网络，其间有专用线路沟通彼此。
这种种办法与我们国家的情形很不相同。在我们这里，公司和政府通常的做法，是将自己的网络连接到公共网上，也即人们通常所说“上网”，所有人都在一个网络上行走，摩肩接踵，难免混杂。微软的专业人员认定，此种情形对于公司机密隐含巨大威胁，所以他们要将公司内部网络的出口限定为一个，又在这惟一的出口上安装“防火墙”。凡属于可以公开的数据便放在“墙”外，必须保密的数据则放在“墙”里。至于数据的交换和传输，则是租用电信公司的线路以供其“专有”。所谓“专有”，也即除了微软公司之外其他人不能进入。这条“专线”
由美国至东京，分向亚洲各国。进入中国后的线路则是从“中国电信”租得，其入口在上海，再通向北京，沟343通希格玛大厦的联络。信息流动的样子一定很像水的流动，其流量和流速是由最窄处决定，而不是由最宽的地方决定。杨飞拿出“瓶”（一种测试网络是否通畅的程序，英文名称“Ping”）来逐段检测，寻找问题所在。结果发现，电子数据一旦经过上海到北京这一段线路的时候，流动速度就会忽然放慢。因为这一段线路并不像上海以外的线路那样以光缆铺设，而是属于一般电缆，“带宽”
甚窄，数据在传输过程中极易受到干扰而不能正常流动。
这也就是人们通常所说的“瓶颈”。
在经历了漫长的等待之后，邸烁和陈正逐渐看清了“维斯波”的真面。两位后来者渴望在这一行行的“源码”上找出自己可以走通的新路，结果惊讶地发现，这“源码”竟是很多人的努力积累而成，所有原作者的姓名及其使用过的实验数据全都记录在案。其中李开复在1984年写下了最早的一批，然后有洪小文，又有黄学东……它像一部由智慧与心血交织而成的“圣经”，字里行间洋溢着某种精神：后来者总是站在前人的肩膀上才能有所作为。但如果他们真的有所作为，那就决不可能仅仅是因为站在别人的肩膀上。
344以后的两个星期里，邸烁和陈正继续把精力放在“维斯波”上，彼此说明自己的理解，或者讨论或者争执，甚至相互开展“大批判”，还同太平洋彼岸的黄学东小组来往了无数电子邮件和无数电话，在�