CNTK 和其他的开源软件最大的不一样，是它能做大规模、分布式深度学习，性能体验也非常好。一般开源软件只能在一台4 个GPU 的电脑上运行。但CNTK 在64 台机器上运行都没问题，是真正的大规模、分布式的深度学习开源软件。我们今天能刷新语音识别纪录，真是归功于CNTK 这个开源工具。

CNTK 是我们的“秘密武器”。我们把秘密武器开源了，但在里面装什么样的子弹、弹药，你自己决定。

事实上微软是开源最大的贡献者，可以称为“无名英雄”。我们将时间和精力全部投入在创新最优秀的技术，服务于我们的客户。Switchboard词错率创新低不是谁都可以做出来的，这体现了微软在人工智能技术、深度学习技术上二三十年的积累。

　　记者：在整个人工智能布局上，您认为语音识别的定位是怎样的？

黄学东：就像我们在跟人讲话的时候把他的嘴去掉，或者把他耳朵去掉，语音识别对人工智能是非常重要的。当然脑子最重要，人工智能就像孟子讲,“劳心者治人，劳力者治于人。”有脑子、能推理，能理解周围的环境、能了解人心，有EQ、有IQ，这才是最强大的。

人工智能最重要的是要有知识，能理解语言，能帮助人沟通，能推理、能分析大数据，能得出最优秀的结论。最后能做梦，那才了不起。语音识别是把音频转换成文字的过程，这个过程相当复杂，体现了人工智能今天最优秀的技术能达到的水平。

图象识别也是类似都是从A 到B 转换的学习。到了理解语言、理解语义、深刻地领会意思，就不再是简单的A 到B 的映射过程。因为语意没有音义，我讲了一句话具体是什么意思？你要把它翻译成文字定义是非常清楚的，但意义每个人都有不同的理解。这才是人工智能最核心的关键。

通过语音识别做机器翻译，开奖，或是通过计算机视觉技术描述图像，只是做到了Perception（感知）。人工智能不仅仅要有感知，还要有认知（Cognition），这才到了高级阶段。除了认知还要有情感（Emotional Intelligence），这是更高级的，是“劳心者”了。我觉得人工智能最高级阶段是要“劳心”，不仅仅要感知，要有认知，还要“心知”。“知心”最难，人都不一定能达到这个水平。

现在人工智能最优秀的进步是在感知阶段，包括语音识别，视觉图像识别等等。目前机器翻译还是从A 到B 的转换，对语意的理解非常肤浅。认知现在还没有大的突破，“心知”就更没有戏了。

不知道这是不是太悲观，但我们还在感知和认知的过渡阶段。感知这个门槛基本上会进步非常快。今后两年，语音识别的水平基本上是没有问题。然后下一步大的任务是认知，自然语音的理解、语意的理解和知识的积累。别小看这个东西，如果能理解语言，人工智能会很强大，它可以读世界上所有的教科书、所有的文章。

现在没有一个机器人能把世界所有海量的知识，各个语言、各个国家、新闻、报纸、教科书所有东西都积累起来。当然，现在通过搜索引擎要查什么就可以查什么，但它并没有理解，只是把文字摘下来。有了什么都能理解的人工智能，它就像爱因斯坦一样聪明，上知天文、下知地理，从海洋到物理到数学，什么都知道。

　　但这个路途还相当遥远，即使要做好了，无非是IQ 很高了，可是离EQ 还很远。

后排左起：Wayne Xiong, Geoffrey Zweig, Frank Seide；前排左起：黄学东, Dong Yu, Mike Seltzer, Jasha Droppo，Andreas Stolcke；摄影：Dan DeLong

　　你可能还想看：

　　微软研究院AI头条期待你的评论与投稿。

　　微软小冰住进微软研究院AI头条微信啦！快去和她聊聊天吧。