近兩年，互聯(lián)網(wǎng)巨頭BAT的人工智能戰(zhàn)略格外受人關(guān)注，百度全面押注AI以來，在2017年的下半年，百度股價三個月上漲了40%。除了BAT這三家之外，搜狗、網(wǎng)易等二梯隊互聯(lián)網(wǎng)大公司的AI戰(zhàn)略也已經(jīng)逐步清晰。
9月6日下午，網(wǎng)易有道在北京舉辦“2018網(wǎng)易有道AI開放日暨智能翻譯硬件二代發(fā)布會”，向媒開發(fā)者、合作伙伴、媒體記者介紹了網(wǎng)易有道AI戰(zhàn)略和AI核心能力、有道智云在教育/辦公/智能硬件三大行業(yè)解決方案，同時還發(fā)布AI硬件新產(chǎn)品：有道翻譯王2.0 Pro。
有道AI戰(zhàn)略
2011年，網(wǎng)易開始布局AI，由浙江大學(xué)計算機(jī)博士李曉燕牽頭，在內(nèi)部儲備相關(guān)技術(shù)和團(tuán)隊，為游戲、郵箱、音樂、云服務(wù)和電商等業(yè)務(wù)提供AI支持。不過，當(dāng)時的AI還沒有因深度學(xué)習(xí)而突飛猛進(jìn)，AI還無法上升到集團(tuán)戰(zhàn)略層面。
節(jié)點性的事件發(fā)生在2017年。網(wǎng)易AI團(tuán)隊升級為人工智能事業(yè)部，開始真正為集團(tuán)其他業(yè)務(wù)賦能。網(wǎng)易也劃分出AI戰(zhàn)略的三條線：AI平臺、基于計算機(jī)視覺的網(wǎng)易AR、語音識別和NLP方向上的語音交互業(yè)務(wù)。
網(wǎng)易AR在網(wǎng)易AI戰(zhàn)略中占據(jù)很重要的地位，與網(wǎng)易游戲、電商的發(fā)展緊密聯(lián)系；以翻譯為核心的網(wǎng)易有道在語音識別、NLP方向則有天然的基因。
網(wǎng)易有道近年來在教育領(lǐng)域發(fā)展很好，AI技術(shù)的加持也進(jìn)一步加快其步伐。網(wǎng)易有道是目前國內(nèi)用戶量最大的互聯(lián)網(wǎng)教育品牌之一，服務(wù)中國互聯(lián)網(wǎng)8億用戶, 有道詞典用戶在2018年初剛剛突破7億大關(guān)。旗下?lián)碛邪ňW(wǎng)易有道詞典、有道精品課、有道翻譯官、有道云筆記等大眾教育的工具類和在線學(xué)習(xí)類產(chǎn)品。
2018年4月17日，網(wǎng)易有道宣布完成首次戰(zhàn)略融資，此輪融資由慕華投資領(lǐng)投，君聯(lián)資本參投，投后估值達(dá)11億美元，躋身中國互聯(lián)網(wǎng)獨角獸俱樂部。至此，網(wǎng)易已經(jīng)擁有三家獨立融資的品牌：網(wǎng)易云音樂、網(wǎng)易味央、網(wǎng)易有道。網(wǎng)易有道CEO周楓告訴雷鋒網(wǎng)，由于網(wǎng)易占據(jù)網(wǎng)易有道超過50%的股票，網(wǎng)易有道依然是網(wǎng)易旗下子公司。
網(wǎng)易有道作為獨立子公司，網(wǎng)易的AI布局與有道還是有很大區(qū)別。有道的核心AI能力有：神經(jīng)網(wǎng)絡(luò)翻譯、OCR識別、語音識別和語音合成，都是由有道團(tuán)隊獨立研發(fā)。周楓告訴雷鋒網(wǎng)：有道現(xiàn)在業(yè)務(wù)端定位就是A和教育兩個關(guān)鍵戰(zhàn)略，教育目前在有道的營收中已經(jīng)占到超過一半的份額，其次是廣告。有道的規(guī)模不是最大的，因此在業(yè)務(wù)上得有明確定位，結(jié)合自己的能力、資產(chǎn)和行業(yè)趨勢，AI和教育是最適合有道的，且這兩個方面也有所交叉,AI對教育能有極大提升。
此外有道做AI還有幾大特點。第一個特點是，同時注重C端和B端，C端就是網(wǎng)易有道的詞典、翻譯、課程等產(chǎn)品，B端則是通過有道智云輸出；第二個特點就是，同樣重視云端和終端AI能力的發(fā)展，除了智云之外，有道也開發(fā)出了很多離線的終端AI能力，例如AR實景翻譯完全依靠端側(cè)；第三個特點，有道重視實際的場景和領(lǐng)域，例如現(xiàn)在大力發(fā)展的政企、教育、辦公等三個場景。
有道翻譯王2.0 Pro
我們先來看看這次發(fā)布會上的全新硬件——有道翻譯王 2.0 Pro，這款翻譯機(jī)集成了有到啊的多項AI能力。
我們先回顧一下網(wǎng)易有道翻譯技術(shù)發(fā)展歷史：
2007年12月網(wǎng)易上線有道詞典PC版，將詞典軟件帶入互聯(lián)網(wǎng)時代；2008年8月推出自主研發(fā)的機(jī)器翻譯引擎有道翻譯，采用SMT統(tǒng)計翻譯技術(shù)；2009年1月，網(wǎng)易上線有道詞典手機(jī)版；2012年11月，推出有道翻譯官；2013年的3月，有道詞典用戶突破3億；2015年4月，有道詞典用戶量破了5億，年底破7億；2016年3月，推出有道詞典海外版本U—Dictionary；2017年4月，有道神經(jīng)網(wǎng)絡(luò)翻譯YNMT上線，使得過去一年網(wǎng)易在翻譯技術(shù)上的進(jìn)步，超過了過去十年的總和；2017年的10月，推出了有道的第一款智能硬件產(chǎn)品——有道翻譯蛋，正式進(jìn)入硬件領(lǐng)域。據(jù)介紹，翻譯蛋目前銷售量已經(jīng)超過10萬。
據(jù)雷鋒網(wǎng)了解，2017年底，智能翻譯機(jī)成為繼智能音箱之后的又一大AI硬件行業(yè)熱點，科大訊飛、搜狗、網(wǎng)易都發(fā)布了自己的翻譯機(jī)產(chǎn)品，有幾點原因：首先，神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)使得機(jī)器翻譯水平大幅度提升，能夠更好地解決線下對話問題，而過去由于手機(jī)硬件限制，我們無法在移動設(shè)備上運行深度學(xué)習(xí)模型，翻譯機(jī)成為外出剛需，此外，語音合成技術(shù)也促進(jìn)了實時語音翻譯，更加實用。
2017年10月，網(wǎng)易推出有道翻譯蛋，帶觸屏、支持27種語言在線翻譯，不支持離線翻譯，價格638元。今天，有道發(fā)布翻譯智能硬件“有道翻譯王 2.0 Pro”， 網(wǎng)易有道副總裁劉韌磊介紹到，翻譯王可以支持中英日韓四國語言離線翻譯；43種語言在線互譯；7種語言離線拍照翻譯；21種語言在線拍照翻譯；全文收錄《牛津高階英漢雙節(jié)詞典（第7版)》;搭載語音助手。售價1688元。
與上一代有道翻譯蛋相比，重大更新亮點在于引入自研離線翻譯技術(shù)、拍照翻譯功能，也能支持更多的語言。
在雷鋒網(wǎng)看來，離線翻譯確實是翻譯王的一大特點。由于翻譯機(jī)使用頻率最高的場景應(yīng)該是出境游，而出境的網(wǎng)絡(luò)流量費用高昂，很多地方網(wǎng)絡(luò)信號差，離線翻譯成為一大剛需。但是離線翻譯技術(shù)對硬件和軟件要求都很高，目前，眾多翻譯機(jī)中，只有科大訊飛的曉譯翻譯機(jī)、搜狗翻譯寶以及網(wǎng)易網(wǎng)易王三款硬件能支持離線翻譯。
拍照翻譯是第二大特點，需要基于計算機(jī)視覺的OCR識別技術(shù)，還需要較大的屏幕來顯示圖像，目前科大訊飛、搜狗、網(wǎng)易三家也都在做。據(jù)媒體測評，訊飛翻譯機(jī)2.0的屏幕小拍不全，容納信息有限，需要進(jìn)行多次翻頁等繁瑣的操作，搜狗翻譯寶3.1寸高清屏幕體驗更好，網(wǎng)易翻譯寶此次也采用了3寸的高清屏。
“翻譯王”還有一個特點是加入了語音助手，以“你好，有道”喚醒，支持語音指令（可進(jìn)行音量、屏幕亮度調(diào)節(jié)），語音交互問答；可詢問古詩（500首中小學(xué)生常用古詩詞、2萬首唐詩宋詞古詩集）、百科（數(shù)百萬百科詞條）、翻譯結(jié)果、天氣（可查詢當(dāng)天和未來2天的天氣）、匯率（可查詢實時匯率，交易時以銀行柜臺成交價為準(zhǔn)）、計算結(jié)果。
據(jù)介紹，翻譯王的語音助手的語音識別、語音合成、對話系統(tǒng)都是有道自研。在在智能音箱、智能家居大火的現(xiàn)在，把語音助手放進(jìn)翻譯機(jī)可以算是其最初的嘗試，或許有道還會有更多的布局。
有道核心AI能力
網(wǎng)易有道首席科學(xué)家段亦濤分享了有道AI核心能力。
有道AI技術(shù)的圍繞著語言這一條主線展開，解決各個場景下的語言處理問題。第一個技術(shù)，神經(jīng)網(wǎng)絡(luò)翻譯。在機(jī)器翻譯這個領(lǐng)域，有道已經(jīng)耕耘十年，經(jīng)歷了從SMT統(tǒng)計翻譯模型到神經(jīng)網(wǎng)絡(luò)翻譯模型的迭代，目前有道的神經(jīng)網(wǎng)絡(luò)翻譯模型支持7種語音的中文互譯，還支持英文與印尼、阿拉伯語等語言的互譯。據(jù)陳，有道詞典海外版U-Dictionary已經(jīng)超越其他競爭對手，在印度市場排行第一。
在英譯中和中譯英的對比評測中，有道神經(jīng)網(wǎng)絡(luò)翻譯的BLEU值（國際通用的衡量翻譯質(zhì)量的指標(biāo)）超過了其他兩款國外翻譯引擎。（在這里網(wǎng)易并沒指明這兩家翻譯引擎據(jù)雷鋒網(wǎng)了解，谷歌和微軟都比網(wǎng)易更推出神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)）。
第二個技術(shù)，基于OCR的圖像翻譯方案。OCR技術(shù)是指在照片里面來找到文字區(qū)域，同時把文字識別出來，這個技術(shù)可以和翻譯技術(shù)一起來用，也可以作為一個獨立的技術(shù)用在其他場合，比如文檔的電子化。
整個鏈條除了OCR還有別的技術(shù)，在文字識別后，還需要對圖像中的文字進(jìn)行組行、組段，乃至于組篇章，從語義、語言的角度組織起來，然后再傳送到翻譯引擎里進(jìn)行翻譯。最后，還會根據(jù)原圖的排版，對翻譯結(jié)果進(jìn)行排版和渲染。
OCR識別技術(shù)的難點在于一些復(fù)雜的場景，例如圖像角度傾斜、手寫識別、混合多語種等，目前有道OCR技術(shù)能處理19種語言。
第三個技術(shù)是語音識別、語言合成和對話系統(tǒng)。翻譯王就用到了這些語音技術(shù)，能夠進(jìn)行漢語、英語、日語、漢語、葡萄牙等五種語言的語音識別和合成。有道也做了一些特色的項目，例如用機(jī)器學(xué)習(xí)用戶上傳的錄音，只需十分鐘的錄音文件，就能合成相似的音色；以及離線語音功能。
段亦濤告訴雷鋒網(wǎng)，網(wǎng)易語音團(tuán)隊成立才一年多，去年推出有道智云時還沒有語音能力。有道成立語音團(tuán)隊，自己做語音的原因是因為，，雖然現(xiàn)在市面上可以買到語音技術(shù)，但是卻買不到離線語音技術(shù)，教育、翻譯這樣的終端產(chǎn)品需要離線技術(shù)，“沒有離線技術(shù)是會被別人卡脖子的”，因此有道就投入了語音這塊。
在2017年，科大訊飛已經(jīng)靠著語音成為市值逼近千億的巨頭，BAT也都已經(jīng)布局語音技術(shù)多年，有道這個時候進(jìn)入顯然有些晚。但是在周楓看來，有道做AI能夠立刻找到大的場景作為驗證過程，比純做toB的公司迭代周期和最后出來的產(chǎn)品的第一版第二版產(chǎn)品的品質(zhì)要好很多，總體上有道是比較垂直的業(yè)務(wù)形態(tài)。
目前，神經(jīng)網(wǎng)絡(luò)翻譯、OCR、語音技術(shù)等都已經(jīng)通過有道智云開放給合作伙伴，在有道智云上線一年后，機(jī)器翻譯服務(wù)了超過700億字符的請求，我們OCR服務(wù)的120億的次數(shù)請求，開發(fā)者數(shù)量達(dá)到4萬。
有道智云三大解決方案
網(wǎng)易高級副總裁、網(wǎng)易有道CEO周楓在開場致辭中指出，新十年的紅利將是人工智能技術(shù)，金融科技和物聯(lián)網(wǎng)（IoT）。談及有道的AI布局，周楓認(rèn)為智能硬件是互聯(lián)網(wǎng)面向消費新場景的設(shè)備延伸，有道智云則是面向合作伙伴的整合優(yōu)化服務(wù)，強(qiáng)化這兩部分能夠使有道AI產(chǎn)品矩陣的布局和擴(kuò)充更為穩(wěn)健。
有道AI技術(shù)總監(jiān)林輝介紹了有道智云面向手機(jī)和智能硬件的解決方案。首先是機(jī)器翻譯，有道智云提供拍照翻譯、原圖翻譯、AR翻譯三種功能。在智能交互方面，有道云提供語音助手和有道魔鏡（智能識別物體）。
此外，以上功能也能離線處理。為了實現(xiàn)這個效果，有道做了，模型定點化、模型量化、在CPU方面做了指令級別的優(yōu)化、自研的離線運算庫、與芯片廠商合作優(yōu)化，做到了識別50個字只需要50毫秒，如果字?jǐn)?shù)比較多的話，每增加50個字只要增加15毫秒。
這些能力都以高級API的形式存在于有道智云上，開發(fā)者可以只花幾分鐘時間就將這些能力集成到自己的應(yīng)用中。目前，已經(jīng)有多家手機(jī)廠商與有道智云合作，使用了這些解決方案，包括OPPO，華為、小米、三星、360等。
接下來，有道AI技術(shù)總監(jiān)黃瑾分享了有道智云在辦公場景下的解決方案。首先是文檔翻譯，通過OCR技術(shù)，有道能識別文檔結(jié)構(gòu)、圖片、表格、公式，10頁4000詞的英文論文PDF，1分鐘內(nèi)就能完成翻譯。第二個是文檔數(shù)字化，有道提供了一鍵導(dǎo)入圖片、自動識別、文本審校、語義理解、文檔終校等支持，實現(xiàn)中文標(biāo)準(zhǔn)印刷體99.9%識別率。
黃瑾介紹到，很多政府、企業(yè)都有將文檔轉(zhuǎn)化為電子版的需求，但是挑戰(zhàn)是必須百分之百地正確，能識別特殊符號、表格等，不能出錯。這一點，有道做了很多細(xì)化的工作來滿足需求。
最后，有道AI技術(shù)總監(jiān)林會杰分享了有道智云在教育上的解決方案。在教育場景，有道提出了三套解決方案：面向數(shù)字化內(nèi)容的解決方案、面向教育過程的網(wǎng)絡(luò)化解決方案，以及教育方法的智能化解決方案。
在數(shù)字化內(nèi)容方面，有道OCR技術(shù)可以幫助紙質(zhì)教育材料實現(xiàn)數(shù)字化，比如將試題收入電子庫；在教育過程方面，有道推出了智能答題板、作業(yè)批改系統(tǒng)、AR拍照自動判題；在教育方法智能化方面，有道提出了英語語音跟讀、口語評分、知識圖譜等方案。以上方案也都可以通過有道智云接入。
AI+教育是近兩年的一大風(fēng)口，雷鋒網(wǎng)也盤點了入局教育領(lǐng)域的大公司和創(chuàng)業(yè)公司。面對AI+教育領(lǐng)域的激烈競爭，周楓談到：“在大型互聯(lián)網(wǎng)公司中，網(wǎng)易很早就開始做教育。百度也做了很多年，但是他們做的是平臺，網(wǎng)易是在認(rèn)真扣內(nèi)容。做教育多年，我們感受到，做教育和做平臺、做電商不一樣，我們需要去讓學(xué)生獲得更好的智慧教育。
很多公司看中了教育這塊大蛋糕，認(rèn)為家長很樂意為了教育掏錢，所以都涌進(jìn)來。但是由于市場競爭是在是太激烈，教育產(chǎn)品的獲客成本會特別高，也就不那么賺錢了，網(wǎng)易有道的一個優(yōu)勢是，我們的流量和客戶就在那里，就可以省掉營銷費用?！?/p>
有道以自己在教育、翻譯上的積累切入AI，雖然來得晚，但是他們的發(fā)展卻很快速。但是雷鋒網(wǎng)也注意到，有道目前的AI產(chǎn)品，少有原創(chuàng)，翻譯機(jī)、AI口語測評、AI批改試卷等都是行業(yè)內(nèi)已經(jīng)有的模式，網(wǎng)易如何在這些產(chǎn)品上破局呢？
關(guān)于這一點，周楓談到，“回到我們4月份說的一句話，我們希望做教育領(lǐng)域最懂AI的公司，同樣也是希望做AI公司里最懂教育的公司。所以看的是綜合能力，不管是從相關(guān)的團(tuán)隊的規(guī)模上、投入上，以及說做相關(guān)技術(shù)的時間和數(shù)據(jù)積累等等方面，綜合來看，我們還是比較有信心的。具體到某一個上面的話，有些事情可能我們做的會晚一些，但是總體上是長跑，所以我們還是挺有信心，說每一個領(lǐng)域都能做很好。
比如說搜題，搜題用到的是OCR技術(shù)，傳統(tǒng)的文字識別部分是比較拼湊型的，他做的是找類似項而不是真的把里面東西認(rèn)出來，那我們現(xiàn)在發(fā)現(xiàn)，我們鉆研之后能夠?qū)嶋H做真正意義的識別，這里面一個典型例子就是公式，我們發(fā)現(xiàn)國內(nèi)幾乎沒有廠商做公式識別，后來找到評估之后發(fā)現(xiàn)根本不能用，后來我們自己解決了公式識別的問題?！?/p>
段亦濤也談到，“語音識別是一個例子，我們語音識別起步比較晚，但是我們很快就追上來。像剛才那幾個例子，包括作文批改，這里面很多東西真的要說透的話，它依賴于很多自然語音處理的積累，比如我們做作文批改項目時候，我們大量應(yīng)用到我們翻譯技術(shù)，這里面有翻譯模型在里面。我們會在了解清楚問題本質(zhì)后，把這些問題拆解成我們現(xiàn)有技術(shù)可以解決的方式。很多事情還是看積累是不是足夠深厚，是不是對這個問題有比較好的理解?！?/p>
小結(jié)
去年7月，網(wǎng)易有道第一次召開AI開發(fā)日活動，上線了“有道智云”平臺，發(fā)布了OCR和神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)。當(dāng)時，網(wǎng)易有道副總裁金磊向雷鋒網(wǎng)介紹，有道技術(shù)接口每天被請求1.5億次，其中有1億次來自于第三方，而非有道自己的產(chǎn)品。基于這樣的契機(jī)，有道正式上線了面向企業(yè)的“有道智云”平臺，將機(jī)器翻譯和 OCR 技術(shù)全部集成在平臺上，供給第三方廠商使用。
今年的AI開放日活動，有道智云新增了語音識別、語音合成、對話系統(tǒng)等AI能力；有道智云提出了智能硬件、辦公、教育三大場景解決方案；有道還發(fā)布了新一代翻譯機(jī)——有道翻譯王2.0 Pro。
同時，在今年的發(fā)布會我們還了解到，有道將以AI和教育作為兩大關(guān)鍵戰(zhàn)略，在以AI能力賦能自己的C端產(chǎn)品的同時，也通過有道智云將AI技術(shù)能力開放給合作伙伴。
