2015年12月10-12日，由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，CCF大數(shù)據(jù)專家委員會(huì)承辦，中國(guó)科學(xué)院計(jì)算技術(shù)研究所、北京中科天璣科技有限公司與CSDN共同協(xié)辦，以“數(shù)據(jù)安全、深度分析、行業(yè)應(yīng)用”為主題的 2015中國(guó)大數(shù)據(jù)技術(shù)大會(huì)（Big Data Technology Conference 2015，BDTC 2015）在北京新云南皇冠假日酒店盛大開幕。
　　11日下午的深度學(xué)習(xí)分論壇，地平線機(jī)器人科技高級(jí)工程師余軼南，阿里巴巴iDST語(yǔ)音組高級(jí)專家鄢志杰，廈門大學(xué)教授紀(jì)榮嶸，華中科技大學(xué)教授、國(guó)家防偽工程中心副主任白翔，以及微軟亞洲研究院研究員洪春濤分享了深度學(xué)習(xí)在圖像識(shí)別、語(yǔ)音識(shí)別、視覺搜索、文字識(shí)別等方面的應(yīng)用，以及開源深度學(xué)習(xí)框架的演進(jìn)。
　　余軼南：基于深度學(xué)習(xí)的圖像識(shí)別進(jìn)度地平線機(jī)器人科技高級(jí)工程師余軼南分享了題為《基于深度學(xué)習(xí)的圖像識(shí)別進(jìn)度》的演講。
　　從2012年底開始，深度學(xué)習(xí)從圖象識(shí)別出發(fā)，很快席卷了所有圖像里大部分的任務(wù)，包括后來(lái)的目標(biāo)檢測(cè)、圖像分割，以及各種圖像的應(yīng)用，以及最近圖像超分辨率和跟蹤，都被深度學(xué)習(xí)所顛覆。神經(jīng)網(wǎng)絡(luò)系統(tǒng)自由度和它的靈活性非常強(qiáng)，可以用這樣一套統(tǒng)一的東西做很多過(guò)去需要用不同處理架構(gòu)做的事情。
　　
　　算法方面已經(jīng)做了非常多的工作，將來(lái)會(huì)在以下幾個(gè)方面有所突破：第一，理論方面Deep Learning的分析是現(xiàn)在所獲取的，需要進(jìn)行Network的理論分析。第二，無(wú)論是谷歌，還是微軟今天公布的150多層的網(wǎng)絡(luò)，都是人工精心做的，這對(duì)design非常重要。第三，遇到的真實(shí)問題遠(yuǎn)是很困難的任務(wù)，所以很多時(shí)候是Structured Data Processing。第四，Logistic、Counting、Reasonino。第五，over-Reliance ON HP-Data And HP-Communication Faster。
　　
　　很多數(shù)據(jù)的獲得都是非常容易的，但是有一些數(shù)據(jù)不是這樣，有一些數(shù)據(jù)獲得成本非常高昂，而且出現(xiàn)頻率非常低。需要把原來(lái)云端計(jì)算模型搬到前端，之所以能搬到前端，就要在價(jià)格、功耗、成本各方面進(jìn)行考量。其實(shí)相當(dāng)于云端來(lái)說(shuō)，前端這樣的使用場(chǎng)景，身邊的每一樣設(shè)備都需要智能東西對(duì)它進(jìn)行全新的革命。就要有所選擇，用一款通用芯片計(jì)算單元，還是專門構(gòu)建這樣一款針對(duì)DATA Network或者是不同硬件做計(jì)算。把計(jì)算適用性和指標(biāo)放在這里。核數(shù)比較少的情況下，但是精度運(yùn)算能力非常強(qiáng)，非常適合邏輯計(jì)算，現(xiàn)在大多數(shù)電腦和手機(jī)都在這個(gè)領(lǐng)域做工作。第二個(gè)方面是DSP，最大的好處是低功耗和低成本，在身邊用得最多的是這個(gè)。隨著核數(shù)越來(lái)越多，能耗比是越來(lái)越好。
　　無(wú)論是谷歌網(wǎng)絡(luò)，還是MSR ImageNet網(wǎng)絡(luò)，都離不開三件事情：第一，迭代。第二是轉(zhuǎn)機(jī)。最后是Multiplication。如果你把計(jì)算機(jī)迭代再加上門，你就可以做Recurrence，這三個(gè)基礎(chǔ)上非常繁雜，各種各樣的Network，使Network服務(wù)于不同的奇奇怪怪的需求?？梢园l(fā)現(xiàn)，人腦其實(shí)也是這樣的架構(gòu)。人腦要回答幾千乘幾千問題很困難，但是可以對(duì)面前的情況做出反應(yīng)。電腦可以非?？焖愠鰩资畠|乘幾十億的數(shù)據(jù)，但是要處理以上的問題非常難。所以需要深度學(xué)習(xí)來(lái)進(jìn)行綜合。
　　阿里iDST鄢志杰：Deep Learning在客服中心的應(yīng)用阿里巴巴iDST語(yǔ)音組高級(jí)專家鄢志杰分享了題為《Deep Learning助力客服小二：數(shù)據(jù)技術(shù)及機(jī)器學(xué)習(xí)在客服中心的應(yīng)用》的演講。他主要從傳統(tǒng)客服中心的現(xiàn)狀與挑戰(zhàn)、沉淀客服數(shù)據(jù)、全量客服質(zhì)檢、自助客服四個(gè)方面進(jìn)行了分享。
　　傳統(tǒng)客服中心面臨的挑戰(zhàn)包括：效率不高，用戶體驗(yàn)欠佳；缺乏有效反饋，難以保證服務(wù)質(zhì)量；隨業(yè)務(wù)發(fā)展可擴(kuò)展性差。以阿里巴巴和螞蟻金融為例，傳統(tǒng)客服具有話務(wù)量大和用工量大的特點(diǎn)。這種規(guī)模膨脹帶來(lái)了三個(gè)問題：面對(duì)客戶，如何提升服務(wù)體驗(yàn)？針對(duì)小二，如何提升服務(wù)質(zhì)量？放眼未來(lái)，如何通過(guò)數(shù)據(jù)技術(shù)及機(jī)器學(xué)習(xí)升級(jí)傳統(tǒng)客服？
　　面對(duì)以上問題，iDST進(jìn)行了以下嘗試：
　　語(yǔ)音識(shí)別沉淀客服數(shù)據(jù)，自動(dòng)語(yǔ)音識(shí)別，將對(duì)話轉(zhuǎn)寫為文本，為后續(xù)應(yīng)用提供前提。全量自動(dòng)質(zhì)量控制，掃描每通電話，監(jiān)測(cè)基本服務(wù)質(zhì)量，并且進(jìn)行問題定位質(zhì)檢，提升問題解答一致性。自動(dòng)識(shí)別問題，提高自助渠道解決率。存儲(chǔ)語(yǔ)音數(shù)據(jù)不等于沉淀，高準(zhǔn)確率的自動(dòng)語(yǔ)音識(shí)別是后續(xù)諸多應(yīng)用的前提。
　　客服電話語(yǔ)音識(shí)別的難點(diǎn)在于電話對(duì)話語(yǔ)音識(shí)別是語(yǔ)音識(shí)別領(lǐng)域最困難的任務(wù)之一，所以需要訓(xùn)練聲學(xué)模型來(lái)識(shí)別語(yǔ)音。聲學(xué)模型是決定語(yǔ)音識(shí)別準(zhǔn)確率的核心模型之一?？焖僦苻D(zhuǎn)訓(xùn)練聲學(xué)模型是第一要素，第二是Deep Learning?？梢岳酶鄶?shù)據(jù)、覆蓋更多實(shí)際使用場(chǎng)景來(lái)提升識(shí)別準(zhǔn)確率，但更多數(shù)據(jù)意味著更長(zhǎng)的訓(xùn)練周期，所以縮短訓(xùn)練周期是工業(yè)界聲學(xué)模型訓(xùn)練的核心問題之一。
　　他通過(guò)分析GPU多機(jī)多卡Machine Learning Middleware、基于DBLSTM的語(yǔ)音識(shí)別聲學(xué)模型、基于DLSTM的問題定位質(zhì)檢、我的客服“因子+行為”自動(dòng)問題識(shí)別對(duì)機(jī)器學(xué)習(xí)在語(yǔ)音方面的應(yīng)用做了進(jìn)一步分享。其中，問題定位模型需要確定問題類目、收集訓(xùn)練數(shù)據(jù)。問題類目是定位和質(zhì)檢的目標(biāo)。