黃學東在微軟挑戰語音技術-意昂体育

黃學東在微軟挑戰語音技術

2008-10-23 |

黃學東，湖南長沙人，１９８２年獲得湖南大學計算機科學學士學位，１９８４年獲得意昂体育平台計算機科學與工程碩士學位，１９８９年獲英國愛丁堡大學博士學位，ＩＥＥＥ會員。現任美國微軟公司ＳｐｅｅｃｈＰｌａｔｆｏｒｍｓＧｒｏｕｐ的總經理，主持下一代語音系統產品的研究和開發。

黃學東是在美華人的傑出代表之一。在愛丁堡大學的時候，黃學東只用不到兩年的時間就拿到了博士學位，創下了該校最快取得博士學位的紀錄；論文還贏得了ＩＥＥＥ傑出論文獎，目前包括黃學東在內的最新的語音技術研究仍然在應用該論文所取得的成果。在卡內基梅隆大學主持語音識別研究工作期間，他所領導的小組就多次在美國國防部主持的高科技評比中獲得最優秀的性能評價。１９９３年，黃學東加盟微軟研究院並受聘為高級研究員，主持和建立微軟公司語音技術的研究和開發工作，取得了累累碩果，目前他正率領１６０名微軟的研究和開發人員進行微軟公司下一代系統的研究和開發。

黃學東在微軟的經歷與另一名優秀華人李開復是分不開的。２０世紀８０年代，卡內基梅隆大學（ＣＭＵ）是語音技術研究的中心，吸引了全世界最優秀的學生。當時，李開復作為卡內基梅隆大學的研究生結識了當時在蘇格蘭愛丁堡大學攻讀碩士學位的黃學東，兩人一拍即合，並成為多年的好朋友。碩士畢業後，在李的邀請下，黃學東加盟到ＣＭＵ；１９８６年，黃學東作為訪問學者到ＣＭＵ正式工作。

１９８９年，李開復的ＣＭＵ小組開發了Ｓｐｈｉｎｘ系統，獲得了美國國防部的評估獎項，這是世界上第一個與說話者不相關的語音識別系統，該系統具有１０００個單詞的單詞量。黃學東也為Ｓｐｈｉｎｘ做出了貢獻，他和ＣＭＵ小組一起工作了６個月來為這個系統的運行做準備。１９９０年，李開復離開學術界到蘋果公司工作，從此一直到９０年代末，兩人沒有再次合作。

在此期間，黃學東繼續從事語音識別技術的研究，並超過李開復，領導開發了ＳｐｈｉｎｘＩＩ。該系統的單詞量在世界上首次達到了６００００個，並準備爭奪第二個美國國防部的評估大獎。在１９９２年，在國防部資助的語音項目中，ＳｐｈｉｎｘＩＩ不僅結果最精確並且糾錯能力最強。

黃學東他們的成功自然也就吸引了來自全世界的註意。ＩＢＭ和Ａｐｐｌｅ都極力希望黃能夠加盟。此時的微軟剛剛建立了自己的研發實驗室，非常希望黃和他的團隊能夠加盟。在前６個月內，黃拒絕了微軟的邀請，因為他意識到如果離開的話，ＣＭＵ的很多同事會非常失望。但是當他敏銳地觀察到應該把語音技術應用到世界上最流行的ＰＣ操作系統中時，他最終還是選擇了微軟。

１９９３年１月，黃正式加盟微軟，在ＯＳ產品組的移動商務組工作。微軟研究院前執行官ＮａｔｈａｎＭｙｈｒｖｏｌｄ最初試圖說服黃學東來微軟研究院工作，但是黃最終還是選擇了語音技術產品化的研究而不是繼續基礎研究工作。

然而，在來到微軟不到一個月，比爾·蓋茨就把黃的語音組從產品開發中心轉移到了微軟研究院。蓋茨當時認為ＰＣ的硬件還不足以支持語音識別，因此他給ＯＳ組的負責人發信把黃的語音組調到了微軟研究院。黃學東回憶說，“我當時有一點點失望”。

黃學東及時地認識到了微軟研究院這種重新布局的明智之處。他現在明白了他的語音組的算法在產品化之前需要進一步的完善。他說：“產品化的軟件對於算法的可實現性和魯棒性的要求其實很高，而我當時對此認識還非常淺顯，因此我才會認為語音技術已經非常完備”。

進入微軟研究院伊始，黃學東的小組就在ＳｐｈｉｎｘＩＩ的基礎上建立一套名為Ｗｈｉｓｐｅｒ的連續語音引擎，同時語音技術組（ＳＴＧ）還開發了語音應用程序接口（ＳＡＰＩ）來訪問這個新的語音引擎。黃學東說：“在不到６個月的時間裏，我們全組上下齊心協力，把代碼移植到了ＷｉｎｄｏｗｓＮＴ系統下，並壓縮成ＩＢＭ的腳本。到１９９３年７月，我們已經完全準備好展示我們的產品了”。

Ｗｈｉｓｐｅｒ的第一次展示是和來自ＤｒａｇｏｎＳｙｓｔｅｍｓ的軟件進行比較。具有諷刺意味的是，兩個軟件均來自卡內基梅隆大學裏的國防部資助的語音研究成果。結果Ｗｈｉｓｐｅｒ的性能遠遠好於Ｄｒａｇｏｎ的程序。黃學東說：“我們的國防部評估經驗在競爭中起到了決定性的作用”。

１９９４年，ＳＴＧ組已經發展壯大到２０人，他們和一個產品開發小組一起合作開發ＳＡＰＩ１．０和Ｗｈｉｐｓｅｒ，以便嵌入到Ｗｉｎｄｏｗｓ９５ＳＤＫ。語音識別器代碼的開發對保證研究者工作質量作出了最大貢獻。

ＳＴＧ研究人員繼續完善他們的語音技術，１９９７年１２月，黃學東向Ｇａｔｅｓ匯報了他們的進度，提出成立一個姐妹語音組以便做開發方面的工作，語音產品組於１９９８年５月成立。

１９９８年９月，微軟推出了ＳＡＰＩ４．０，緊接著在２００１年８月又推出了ＳＡＰＩ５．１。ＳＡＰＩ５．１使得開發人員非常容易的把語音加入到ＯｆｆｉｃｅＸＰ的應用程序中。

在完成ＳＰＧ之後，黃學東又在語音引擎方面做出了突破。黃估計，“語音系統的精確度一年可以提高１０％－１５％”。

１９９８年７月，黃學東說服李開復加盟微軟，時隔８年之後，黃和李再一次成為同事。但是這次李開復是受命著手成立微軟亞洲研究院，並於２００１年８月再次返回Ｒｅｄｍｏｎｄ，成為ＮＩＳＤ的副總裁。之後，李開復便於２００１年夏天邀請黃學東作為一個新成立的稱為．Ｎｅｔ語音產品組的經理，語音產品組則成為其中的一部分。在從事語音技術研究十年之後，黃學東最後又回到了產品開發的道路上。黃學東已經做好了準備去追尋這個夢想——把語音識別作為和計算機交互的最常用的工具。黃的語音組首先在微軟ＯｆｆｉｃｅＸＰ中完成了語音識別技術的開發，然後又為ＴａｂｌｅｔＰＣ開發了一個增強版本，後者的精確度是前者的兩倍。

雖然已經取得了巨大的成就，但是黃學東還是敏銳地意識到語音技術在工業中應用的空白。於是他的研究小組設計了ＳｐｅｅｃｈＳｅｒｖｅｒ。微軟一經推出Ｓｐｅｅｃｈ　Ｓｅｒｖｅｒ２００４，馬上獲得ＳｐｅｅｃｈＴｅｋ產品獎。

碩果累累的黃學東已經是三個孩子的父親，閑暇之時，他喜歡用中國的水墨畫陶冶性情，在東西文化的交匯中，黃學東紮紮實實努力做到最好。

《清華人》2004年第三期

百年清華

此文檔已刪除