第506章 假道伐虢

马师傅之后，还有一个同小区的人会过来，所以他们也就没有走，而是等着。庄小敏也打了个电话给那人，通知对方可以过来了。

休息的时候，沈亢回想着刚才所见的采样场景，若有所思。

想了一会儿后，他把身子往何秋竹旁边一凑，手往这边伸过来。

“你手机给我，我查点东西。”

何秋竹哼哼唧唧、磨磨蹭蹭地把手机拿了出来，一点也没有往日的痛快，看来确实是有点不大高兴，但还是把手机给了沈亢。

沈亢也没管她，就自顾自地拿着她的手机查起了东西来。

很快，下一位采访者就来了，也是一位中老年人，楚维他们也就进入了新一轮的采样工作。

沈亢则是一直在旁边玩着何秋竹的手机。

时间过的挺快，两个采访者一结束后，这一整个上午也就过去了，萧伯年也打了个电话给沈亢，给了个地点，说是请他们吃饭。

一行人去了地点后，是阳大附近的一个家常菜馆。

进去的时候，楚维还在给这两位“阳科大来的学弟学妹”介绍着这家店。

“————这家店也是我们阳大学生的食堂n0.1了，味道好分量大，价格也不贵。尤其是他们的招牌菜，酸汤鱼，特别好吃，等会儿你们可一定要好好尝尝————”

之前在萧伯年家的时候，萧伯年给他们介绍的时候，就是顺手把沈亢何秋竹介绍成了“阳科大那边的学生”。

但是当初在面对李宿他们的时候，萧伯年又是说沈亢“是他儿子”，反正一人一个说法，就挺乱的。不过本来也是，这个“一家四口”本身就是乱七八糟的，随便吧。

走进包间后，萧伯年已经在这边等着了，四人一进来，也就以萧伯年为中心，分左右坐下了，沈亢何秋竹坐这边，楚维庄小敏坐那边。

几人点好菜，也就闲聊起来，萧伯年问起了上午采样的进度，楚维就说录了两个，还挺顺利的，巴拉巴拉的。

沈亢在旁边听着，顺手拿起面前的小杯子，里面已经倒满了白水，喝了一口——是何秋竹倒的。这小子虽然不大高兴，但还是习惯性地给自己倒了水。

只是一口下去，沈亢面色微变。

这他妈哪是水？全是白酒。

他瞥了一眼何秋竹：这小子坐在旁边，不动声色，仿佛什么都没干过一般。看到沈亢看过来，她也向沈亢看过来，一双眼睛清澈明亮，有点懵懂，仿佛什么都不知道一般。

算了，不逗她了。

沈亢想着，默默放下杯子，在萧伯年他们聊着上午的项目时，忽然插了一句嘴：“萧教授，我上午跟着看了一趟，有几个地方想不明白。”

他们也就暂时停下。

萧伯年转过头来，有些意外：“哦？你现在对于这个也感兴趣？什么地方想不明白？”

他还以为沈亢他们就是寒假里闲着无聊，过来转转呢。

沈亢也说出了他“想不明白”的地方：“我看楚维学长他们录语音材料的时候，近距离话筒离嘴特别近，在一个很安静的房间里。”

萧伯年楚维庄小敏都有些不解：“这有什么问题吗？”

沈亢也说出了自己的看法：“我是觉得，这个场景，是不是过于理想化了？”

“我是这么想的，以后人工智慧要是进入人们的生活中的话，很可能不是在特别理想的安静环境中，而是在一些有各种噪声的环境中。比如说，人工智慧的躯壳”是一个智能音箱，放在客厅里，人在厨房里做菜，对着外面的智能音箱喊一声，让它切歌。”

“电视里可能还在放着电视，厨房里，也有煤气灶的声音、炒菜的声音等等，这么多的噪声干扰，用这种纯净环境下训练出来的语音识别，是否会直接抓瞎？”

说到这里，沈亢还说出了，自己上午的时候用何秋竹的手机上网查到的一些资料。

“我还上网查了下，有些资料说，混响对于语音识别影响很大。安静环境里录的话，声音是干净的，但真实环境里声音会撞墙、会反弹，机器听到的声音就是糊在一起的了。

用干净环境里训练出来的模型，到了真实环境里还能听懂吗？”

这番话一出来，萧伯年楚维庄小敏他们都是一愣。

“智能音箱？”

楚维下意识地问道，“这是什么东西？”

“呃————”

沈亢想了下，说道：“这是我对于未来的人工智慧进入消费场景中的一个设想。”

楚维又问：“具体是怎样的？”

沈亢说道：“简单来说，就是一个蓝牙音箱一样的东西，通过无线网控制家里的很多东西，比如说电视机、电灯、电动窗帘什么的，里面内置了一个ai模型。人们可以和它对话，然后命令它、控制那些智能家居来做各种事。总的来说，就是相当于一个人工智慧小管家。”

楚维一时没有再说话。

他对于“人工智慧”的想像，跟沈亢描述的有点不一样：在他的想像里，“人工智慧”如果进入生活，大概还是像实验室那样—一个人坐在电脑前面，对着一个专门的麦克风说话。

这个麦克风可能是有线的，也可能是蓝牙的，但总之是一个“设备”，需要人去靠近它、使用它，就像手机需要拿到嘴边。

在他的认知里，录音设备离说话人越近越好，这是常识。

如果这个东西放在客厅，人在厨房，声音要穿过整个房间才能传到它那里，中间还有油烟机、煤气灶、电视的声音————他做语音识别这么久，很清楚这意味着什么——信噪比一低，识别率就往下掉。

他在实验室里用近距话筒录的干净语音，识别率能到百分之九十几，但稍微加点噪声，就掉得很难看。

“听着是有点道理，但是会不会想得太远了？”

楚维笑了下，终于开口了：“我见过目前最好的人工智慧，就是我们实验室里的那个了，你对着它说一声打开文件”，它就能在屏幕上打开一个文件。至于你说的这种，我倒是真没想过。”

顿了顿，又道：“而且，你说的这个是噪声问题了。我们也是有做在这方面工作的，鲁棒性研究一直在做，噪声补偿、信道补偿，也都有在做，但是是其他的课题组在做了。

等到他们那边的项目做好，那种噪声自然能够处理。”

沈亢听出来了，楚维多少有点抗拒、并且下意识地想要否定自己说的那些东西。不过这也正常，毕竟在楚维看来，自己就只是一个外行。一个外行随便看了一上午，就开始指手画脚，是个人都会有点不痛快。

不过他还是必须说下去。

“声学模型方面的东西，我觉得还是不能够跟我们采集的数据分开的。他们那边模型做好了，也是需要大量的真实数据去训练的，如果我们提供的全都是干净环境下的声音，那么再好的模型，也是学不会区分厨房里的做菜声和厨房里主人的命令声”有什么区别的。”

然后，又笑了一下，道：“至于人工智慧音箱这东西————我本身就是做消费电子的，所以我更喜欢去想像这东西要是从实验室里走出来，落地到现实的消费场景中，会是一个什么样子。”

“我觉得，人工智慧音箱，就是一个不错的概念。毕竟，音箱本身就是一种发出声音”的东西，用来做语音交互，再合适不过了。”

庄小敏有些惊讶，“做消费电子？你不是本科生吗？”

沈亢就说：“嗯，我是本科生，但同时也还稍微开了几家公司。”

萧伯年也从旁作证了一下，说沈亢平时闲着没事，也会做做生意，现在生意做得还行，我们阳城的那个安家家政公司就是他开的，还卖点电子产品，也确实是消费电子领域的。

楚维没有吭声。

之前，他确实是觉得这个叫沈亢的学弟多少有点“外行指挥内行”的那个意思了，但是现在有了萧伯年的背，这家伙竟然是安家家政的老板，那么他嘴里的“想像这东西要是从实验室里走出来”，就不再是空谈了。

或者，人工智慧音箱，就真是他们这种做商业的老板想像中的一种很适合消费电子的落地形式？

而沈亢说的，“再好的模型也需要大量的真实数据去训练”，也让他陷入了思索。

萧伯年看了一眼他的这两个学生，见他们暂时都不说话了，他自己转过头来，向沈亢看过来。

“所以，在你看来，未来的人工智慧落地到家庭消费场景中，会是以智能音箱”这么一种形式？”

沈亢稍稍点了一下头，“嗯。至少，如果是我来做的话，我可能会尝试着从智能音箱这个方面去下手。”

他知道，在这个年代，人工智慧在具体的家庭消费场景中该怎么实现，大家还没有一个具体的印象。

听了沈亢的话，萧伯年想了想后，又问：“那从你的角度，除了你刚才说的那些外，你上午见到到的我们这个子课题组的工作，还有什么不足的地方？”

见萧伯年主动问，沈亢也就老实不客气地说了起来：“还有就是方言的标注问题了。

我注意到，学长学姐在记录的时候，都只是用中文记录，没有做专门的标注。举个例子，就好比说，阳城话这边有一个特殊情况，就是入声归到平声，调值跟普通话不一样。这个信息如果只记汉子，不标出来的话，机器可能永远都不知道。”

“其实阳城话不止这一个问题。”

沈亢放下杯子，用手指在桌上轻轻画了个圈，“我上午查了下，阳城话的声母系统里，中古的疑母字，普通话里很多已经变成零声母了，但阳城话还保留着η声母。比如我”这个字，马师傅念的时候，前面那个鼻音很明显。这个音在普通话里根本不存在，如果录音的时候只记汉字我”，不把这个η标出来，机器学到的就是一个错误的对应关系。”

沈亢一上午确实也不是白看的。

再加上，他一边看，还一边拿着何秋竹的手机上网，把一些自己只是有概念、但是不专业的东西，通过网上的信息调查、比对，弄的更专业、也更清晰了一些。

因此，现在一说出来，还真是头头是道。

庄小敏不自觉地翻开了手边的记录本，看了看上午记的几页文本转写。确实，上面全是汉字。马师傅念的“我”字，她写的就是“我”，没有任何特殊标记。

“还有文白异读。”沈亢接着说，“同一个字，读的时候一个音，日常说话的时候另一个音。比如去”这个字，马师傅念词表的时候可能是y，但他刚才聊小时候过年

的事，说到走亲戚去”，那个“去”明显发的是k。这两个音在声学上差得很远，但记录的时候都写去”。机器看到同一个字对应两种完全不同的声学模式，它就不知道该怎么办了。”

楚维听着听着，手指无意识地在桌上轻轻叩着。

他做自然语言处理，对音系学术语不陌生，但沈亢说的这些，确实点出了一个他之前没有认真想过的问题：他们做的是语料库，语料库最终是要给机器用的，但他们的标注方案，还是按传统方言调查那套来的——记字、记音、记调值。这套方案是为语言学家服务的，不是为机器服务的。

“那你的意思是，标注方案要重新设计？”楚维问。语气比刚才缓和了不少，但依然带着审视。

“我倒不是说现在就要重新设计。”沈亢摇了摇头，“那样工作量太大了。但至少，在采的时候，要留出后面加标注的余地。比如录音的时候，把发音人的年龄、教育程度、

日常语言使用情况记详细一点。标注的时候，哪怕暂时只做文本转写，也要把跟普通话差异大的发音单独标出来。后面如果有精力，再补音素层的标记。”

萧伯年这时候开口了：“你说的这个，其实我们之前也讨论过。方言调查的传统方法，跟语音识别需要的标注，确实不完全是一回事。但之前组里几个人商量下来，还是决定先用传统方法来。因为传统方法成熟，有规范可依，做出来的东西至少语言学界认。”

“这我理解。”沈亢点头，“基础的东西不能丢。但我觉得，可以两条腿走路。传统规范做一套，面向机器应用的加一层。”

萧伯年“嗯”了一声，没再说别的。他夹了一筷子酸汤鱼，慢慢吃着，像是在想事情。

想没一会儿，忽然道：“沈亢、秋竹，你们俩之后忙不忙？特别是过年的时候。项目比较紧，过年的时候也要加班。你们俩要是不忙的话，要不然来我们这帮帮忙？有你们的加入，我想，我们这个子课题也可以做得更完善一些。”