相信在人們的印象里，AI都是一個屬于“大多數(shù)”的技術(shù)門類,。

　　所謂大多數(shù),，第一意味著相關(guān)數(shù)據(jù)量大、便于累積,，適用于AI對海量數(shù)據(jù)極度依賴的特性；第二意味著應(yīng)用場景廣泛、便于變現(xiàn)回收成本,，適用于AI研發(fā)的高門檻投入。

　　目前我們身邊常常出現(xiàn)的人臉識別,、語音交互等等,，其實都符合以上這些特征。不過這并不意味著,，屬于“少數(shù)派”的AI是一片空白,。

　　在“全球無障礙宣傳日”這個特別的日子，我們不如把目光投向于那些能夠消弭“少數(shù)與多數(shù)”區(qū)別的技術(shù)發(fā)展,，例如服務(wù)于聽障人群的手語識別,，就是一個典型的例子。

　　你我不懂的手語,，

　　為什么AI也很難讀懂,？

　　手語是用手勢比量動作，根據(jù)手勢的變化模擬形象或者音節(jié)以構(gòu)成的一定意思或詞語，是聽障人群獨有的一種溝通方式,。但這種溝通方式雖然能讓聽障人士之間彼此溝通,，或讓理解手語的普通人與之溝通，但仍然不能滿足聽障人士與普羅大眾之間的交流需求,。

　　這便意味著在一些社會公共空間之中,，例如政務(wù)場景或服務(wù)業(yè)場景，聽障人士可能都會遇到一些不便,。

　　而AI,，恰好成為了一種解決方案。

　　我們在一些軟件中,，已經(jīng)開始應(yīng)用到了AI的手勢識別能力,，像是拍照時“比心”來觸發(fā)一些AR特效。將這種對于手勢的捕捉,，和手勢語義對應(yīng)起來,，不就能實現(xiàn)對于手語的翻譯和生成了嗎？

　　這一邏輯是正確的,，可從邏輯正確到應(yīng)用可行,，卻還隔著一段不短的路程。

　　首先,，手語的表達(dá)有一定的特殊性,，想進(jìn)行捕捉并不容易。

　　我們知道在“比劃手勢”這種行為上,，本來就不存在絕對的精準(zhǔn)度,，加之一些手語詞匯的表達(dá)非常接近，而且手語表達(dá)通常是以句子為單位,，詞與詞之前不會有明顯的間隙,。以往手勢識別中利用前置攝像頭捕捉的方式，基本是不可行的,。

　　于是很多科技和團隊給出的解決方案是加以外設(shè)，例如中科大和微軟推出了基于Kinect的手語翻譯系統(tǒng),，加州大學(xué)曾經(jīng)推出過的手語識別手套等等就是這樣,。可這些外設(shè)要么便攜程度低,，要么造價昂貴,，推廣起來有很大的困難。

　　同時,，手語表達(dá)同樣也有國別性和地域性,，在模型通用性上存在著困難。

　　手語中有“文法手語”和“自然手語”兩個概念，文法手語既是通用的普通話,，至于自然手語則如同方言一般,，在國別、地方甚至城市之間都有著不小的差異,。這也造成了手語數(shù)據(jù)收集,、標(biāo)注會是一項成本高、工作量大的事情,。

　　例如亞馬遜曾經(jīng)提出過,，對智能音箱Alex進(jìn)行改造可以使其翻譯出一些簡單的信號?？墒且驗槿狈Υ笠?guī)模的訓(xùn)練數(shù)據(jù)集,，目前這一功能只能識別出一些簡單的美國手語，停留在實驗室階段,。

　　手語破題沒有秘法：

　　騰訊優(yōu)圖的平權(quán)精神

　　雖然探索艱難,，但科技企業(yè)們還是不斷在手語AI上取得成果。

　　例如騰訊優(yōu)圖實驗室在今天推出聯(lián)合深圳市信息無障礙研究會發(fā)布的“優(yōu)圖AI手語翻譯機”,，就在手語AI的應(yīng)用上邁出了跨越性的一步,。

　　優(yōu)圖AI手語翻譯機的突破性意味存在于兩方面，一方面是手語AI本身技術(shù)的進(jìn)展,，另一方面是應(yīng)用場景的突破,。

　　在手語AI技術(shù)本身上，可以分為識別模型和數(shù)據(jù)集兩個解決路徑,。在數(shù)據(jù)集上,，優(yōu)圖通過和社會相關(guān)機構(gòu)以及聽障人士的接觸自建了手語識別數(shù)據(jù)集，目前這一數(shù)據(jù)集已經(jīng)實現(xiàn)了近千句日常表達(dá)和900個常用詞匯的覆蓋,，是當(dāng)前規(guī)模最大的中文手語識別數(shù)據(jù)集,。而且這一數(shù)據(jù)集針對手語表達(dá)的地方性差異，做出了表達(dá)習(xí)慣和速度上的多樣性拓展,。

　　至于識別模型上,，優(yōu)圖也提出了一些更新的算法搭建概念，例如通過2D卷積神經(jīng)網(wǎng)絡(luò)和3D卷積神經(jīng)網(wǎng)絡(luò)分別提取手勢中靜態(tài)和動態(tài)的信息,，經(jīng)由綜合處理來提升視頻識別效果,，徹底擺脫其他傳感器的桎梏。同時針對手語表達(dá)的整句化的現(xiàn)象,，優(yōu)圖在視頻幀的最后加入了詞級信息挖掘,，對特征提取器提出的信息進(jìn)行核驗，進(jìn)一步去確定手勢對詞語表達(dá)邊界,，除了提升識別精準(zhǔn)度以外,，還能提升對自然手語中地域表達(dá)的總結(jié)能力,。在此基礎(chǔ)上，優(yōu)圖還在算法模型中引入了上下文理解能力,，以便于面對更加復(fù)雜的手語識別翻譯需求,。

　　不過技術(shù)雖然得以提升，應(yīng)用場景端仍然會受到一些限制,。

　　由于高精度算法對于算力的要求較高,，目前優(yōu)圖AI手語翻譯機還需要依賴于高性能計算機的后臺運算；且因為通過圖像視頻進(jìn)行識別,，對于復(fù)雜場景的辨識度還不高,，因此優(yōu)圖AI手語翻譯機的應(yīng)用規(guī)劃，是應(yīng)用于探索在機場,、高鐵,、民政等公共服務(wù)場所之中，來彌補由于手語的低普及程度,，聽障人士在這些場所里遇到的交流障礙,，以技術(shù)協(xié)助共建一個信息無障礙的城市。

　　其實我們不難發(fā)現(xiàn),，優(yōu)圖實驗室的優(yōu)圖AI手語翻譯機雖然在手語翻譯準(zhǔn)確率上大大提高,，也為AI手語翻譯找到了可行的應(yīng)用方案，可如果將技術(shù)拆分來看就能發(fā)現(xiàn),，優(yōu)圖AI手語翻譯機技術(shù)突破原因,，并不是在某項基礎(chǔ)科學(xué)上突然取得了什么驚人的突破，而是在研發(fā)和數(shù)據(jù)累積上一貫長期的投入,，才能解脫于以往手語語料庫匱乏的困境,，在算法上不斷迭代。

　　換句話說,，騰訊在“少數(shù)派”的AI技術(shù)中投入了幾乎與“大多數(shù)”AI技術(shù)相匹配的精力與財力,。對于AI產(chǎn)業(yè)來說，這無疑是一種平權(quán)精神,。

　　從以人為本到科技向善：

　　我們?yōu)楹我獙夹g(shù)洋流的

　　引導(dǎo)更加主動,？

　　騰訊這種看似“逆勢而行”的做法，其實也是AI產(chǎn)業(yè)中一種隱隱冒出勢頭的洋流方向,。

　　幾天以前,，在福州的數(shù)字中國峰會上，馬化騰首次提到了“科技向善”這一概念,，提出“我們希望‘科技向善’成為未來騰訊愿景與使命的一部分。我們相信,，科技能夠造福人類,；人類應(yīng)該善用科技,，避免濫用，杜絕惡用,；科技應(yīng)該努力去解決自身發(fā)展帶來的社會問題,。”

　　無獨有偶,，李飛飛在回歸斯坦福后,，就著手創(chuàng)辦了HAI研究所（以人為本斯坦福人工智能研究所），并在今年開始擔(dān)任所長,。HAI的研究目標(biāo),，就是推動AI技術(shù)向造福人類的方向發(fā)展，預(yù)測AI對人類生活的切實影響,。

　　科技巨頭和學(xué)界旗幟都將目光投向了同一方向,，是因為人們已經(jīng)開始逐漸發(fā)現(xiàn)AI、5G,、產(chǎn)業(yè)數(shù)字化等等技術(shù)力量的勢頭之強,，已經(jīng)到了不得不對其加以引導(dǎo)甚至約束的地步。

　　如同上文所說,，科技企業(yè)在這一波技術(shù)發(fā)展的過程中,，起到了很大的促進(jìn)作用，而逐利自然是企業(yè)的本能和天性,，因此企業(yè)會率先投身于那些滿足大多數(shù)人,、應(yīng)用場景廣泛、研發(fā)成本相對低的技術(shù),。

　　這種行為本身無可厚非,，但AI等等新技術(shù)帶來的效率提升實在過于顯著，是否會會對那些暫時無法接入新技術(shù)的領(lǐng)域和群體進(jìn)行擠壓甚至邊緣化,，是很多人都在思考的一個問題,。

　　例如隨著英漢日法俄等等主流語種的機器翻譯能力不斷增強，那些語料庫不充足,、應(yīng)用人數(shù)更少的小語種是否會因為得不到技術(shù)賦能,，而被進(jìn)一步地邊緣化？

　　同樣的,，當(dāng)公共事務(wù)辦理越來越多的被語音交互,、圖像識別等等AI技術(shù)替代，聽障,、視障群體在獲取服務(wù)時會不會遇到更多麻煩,？

　　類似的情況其實已經(jīng)發(fā)生：2018年年底，聯(lián)合國發(fā)布了對英國政府?dāng)?shù)字化成果的報告,，結(jié)果是數(shù)據(jù)顯示在英格蘭,，自2010年以來無家可歸者增加了60%,，保障住房的等待名單上有120萬人，用來救濟窮人的食品銀行需求量增長了近四倍——因為很多貧困人群并不知道如何在互聯(lián)網(wǎng)上申請貧困補助,，甚至家里都沒辦法連接互聯(lián)網(wǎng),，最終只能在貧困中越陷越深。

　　很多時候,，即使是無惡意的技術(shù),，也可能會出現(xiàn)無法預(yù)測走向。我們對于科技向善的引導(dǎo),，或許應(yīng)該更主動一些,。

　　結(jié)束語

　　最后，我們不如來看看這樣一組數(shù)字：

　　據(jù)2017年北京聽力協(xié)會預(yù)估數(shù)據(jù),，我國聽障人群數(shù)量約達(dá)到7200萬,。在全球范圍內(nèi)，世界衛(wèi)生組織發(fā)布的最新數(shù)據(jù)顯示,，全世界有共計約4.66億人患有殘疾性聽力損失,。

　　——你看，這世界上所謂“大多數(shù)”和“少數(shù)派”本來就是一個相對性的概念,，并不存在黑白鮮明的區(qū)隔,。尤其對于AI這種善于模仿人類能力的技術(shù)來說，它的存在本可以推倒阻礙各個群體溝通交流的空氣壁,，而不是讓這種趨勢愈演愈烈,。我們關(guān)于利用技術(shù)搭建美好世界的目標(biāo)，既然可以不拋下任何一個人,，就不該拋下任何一個人,。