央广网科技12月22日消息 12月21日，环球网Global Tech智能起源世界大会在京召开。阿里云iDST技术总监初敏在大会期间接受媒体群访时表示，阿里云基本用两年的时间就做到别人十几年二十年积累的水平，并且目前肯定在TOP10水平里面。“这个行业非要说谁是第一，并没有意义，而是谁能把真正的场景做出来。”初敏说。

　　初敏在现场示了阿里云的语音实时转化技术，她表示，这种语音的转写，最开始在公司内部年会上做，后来到云栖大会上做，未来，她更关心的是能否帮助合作伙伴在任何一个场景下都能完成，真正的使用起来。

　　初敏坦言，像这种语音实时识别转化，如果从算法上讲，是做了一个双向神经网络结构，是一个序列的结构，所谓双向，从左往右看的同时还从右往左看，复杂度高，学术上有人做，没有在工业界上用，认为实时性不够好。

　　“但我们也做了，比如反向看，意味着我得讲到那儿才能反向看到，这就有延迟。”初敏表示，阿里云最近做了一些新的技术，计算速度至少快了三倍，意味着在一台都要到了退役服务年龄的服务器上也能跑起来，并发度很高。“这些都是我们(阿里云)的强项。”

　　这种语音识别转化在某些专业行业领域还需要进一步的机器训练。“如果讲演的人是医疗领域，我估计肯定不行，我们今天没有用医疗语音训练它，不是做不到，而是没有训练而已。”初敏如是说。

　　谈到未来的挑战，初敏表示，数据是最大的挑战，今天所有的人工智能其实多是从数据中学习，从数据中学习人看不出明显的规律，不能用语言描述起来，但是它是存在着一种隐性的影射关系，深度学习最大的能力就是把这个关系影射好，但是如果数据是偏的，就会完全被数据误导了。

　　当被媒体问及是否考虑将这种语音识别技术推出消费级产品时，初敏称：最初做并不面向to C，但近期也有考虑到做一个应用，一款专门面向记者的产品。“但不能期望太高，语音转换与录音条件和设备相关，还有设备的压缩率码率等因素，条件可控的情况下可以转换得很好；但如果手机放中间录音两人开始聊，识别难度会大一些。”初敏表示。