今天，又介绍一位新同事！

微信邦

继“新同事”张潼博士加入腾讯任职腾讯 AI Lab 主任之后，今天，又一枚 AI 大牛加入了腾讯。

5月2日，腾讯正式宣布任命语音识别领域顶级专家俞栋博士为 AI Lab（人工智能实验室）副主任。

同时，腾讯成立美国西雅图 AI 实验室。俞栋博士将负责西雅图 AI 实验室的运营及管理，推动腾讯在语音识别及自然语言理解等 AI 领域的基础研究。

今天，又介绍一位新同事！

俞栋博士

在国际语音识别研究界，俞栋是一个无法忽视的名字：

关于俞栋

加入腾讯前，俞栋担任美国微软研究院语音和对话组（Speech and Dialog Group）首席研究员，并兼任浙江大学兼职教授、中科大客座教授及上海交通大学客座研究员。

俞栋博士与 George Dahl 博士、邓力博士等共同研发的上下文相关深层神经网络-隐马尔科夫模型（CD-DNN-HMM）是深度学习技术在大词汇量语音识别任务上的首次成功应用，他的突破性工作，曾在 2013年和2016年两次获得IEEE信号处理协会（IEEE SPS）最佳论文奖，引起了大词汇量语音识别研究方向的转变，极大地推动了语音识别技术的发展。

腾讯 AI Lab 于2016年4月成立，总部位于深圳。作为腾讯公司级 AI 实验室，AI Lab 专注于基础研究和应用探索的结合，致力于提升 AI 决策、理解及创造能力，并为腾讯各个产品及业务提供 AI 技术支持。

腾讯 AI Lab 由机器学习和大数据领域专家张潼博士领导，现有50多位世界知名院校的 AI 科学家（90%为博士）与200多位应用工程师。

在腾讯 AI Lab 的研究体系中，美国西雅图 AI 实验室将承担一些语音识别和自然语言处理（NLP）的基础和前沿研究工作，并试图解决这些领域更困难的问题。

对于俞栋博士的加盟，腾讯 AI Lab 主任张潼博士表示：

“俞栋博士是语音识别与深度学习领域的专家。我们很高兴能邀请到俞博士加入腾讯 AI Lab，相信他的到来将极大提升腾讯AI的技术实力。

我们希望腾讯 AI Lab 不仅是一个实验室，还是一个连接器，通过将全球的优秀人才连接在一起，不断推动 AI 的基础研究及在更多场景的应用落地，让 AI 无处不在。”

作为语音识别技术方向的顶级专家，俞栋的加入意味着腾讯 AI Lab 在人工智能上的布局将进一步向基础研究方向延伸。

下面，我们就一些你们一定会关心（八卦）的问题问了俞栋博士：

Q：为什么选择加入腾讯？

A：我主要的研究方向是语音识别，而语音识别的研究需要满足几点要求；

1、足够大的数据来源；

2、足够强的运算能力；

3、必须有应用场景去落地，形成反馈机制，持续优化。

这些腾讯都能很好地满足。

另外，我个人偏好于学术研究，去攻克一些比较难的问题。这一点腾讯很支持。

Q：腾讯的优势主要是社交应用场景上的优势？

A：语音识别可以做的有很多，我们可以在很多方面进行探索。在腾讯，社交网络当然是比较成熟的应用场景，另外，浏览器、搜索等很多产品都是很好的出口。

Q：AI Lab 西雅图团队的工作内容是怎样的？

A：西雅图团队主要偏向做基础研究，解决一些研究难题。定位更类似实验室性质。在真实的应用场景里，提升语音的识别和语意理解的能力。

Q：为什么会把实验室设在西雅图？

A：国际上有众多知名公司都在西雅图有研究中心，比如微软总部在西雅图，已经在人工智能领域投入研究几十年了。后来有亚马逊和 Facebook 在西雅图设立研究中心，形成了一种很好的研究生态。

此外，相比于硅谷，西雅图运营成本更低，但人才、科技范围都在快速发展。目前西雅图的流入人口是非常大的。

Q：国外的大公司像微软、Google 一般都有比较成熟的研究院，但国内的大公司似乎研究院发展都不太顺利。你怎么看这个事儿？

A：国外大公司有做研究院的传统，历史也比较长，有学术研究的氛围，也比较有耐心，这些大公司倾向于大力招揽不管学术界还是工业界比较有研究能力的大牛，给他们足够的资源和自由度，根据他们的想法来做一些事情。

总体来讲，如果要在技术研究上取得突破，确实需要有一定的耐心和相对长期稳定的投入。西雅图实验室这边基本上秉持这样的理念，我们希望这个实验室从长远看能够攻克一些关键的技术难题。

Q：国内的AI技术水平跟美国差距有多大？如何弥补这个差距？

A：如果从原创性研究来讲，差距还是蛮大的，最近几年 AI 的进展，原创的成果很少是国内产生的，基本上是国外产生的。

需要中国的科技公司意识到基础研究的重要性，及公司拿出足够耐心来支持这样的基础研究，而且是长期性的研究，差距才会慢慢地缩小。

Q：为什么人工智能突然这么受关注？

A：80年代末就有一阵关于神经网络研究的热潮，其实在学术界关于人工智能的研究一直都在进行。最近几年的热潮主要是工业界推动的，但当中的算法主要还是80年代末90年代初提出的。

不同的是，现在的计算资源和数据量比当年要丰富得多。计算力强就能训练足够大的网络；数据多则能够提高网络训练效果。

这次浪潮是由工业界的成果引导的，我们在语音识别上的成功很快被 IBM 研究院和 Google 所验证，并推动了工业界对深度学习技术的更多研究。工业界发现这些研究成果确实对他们的产品有帮助，所以就花了很多的资源促使学术界加入。学术界才又有了很多新的想法和模型出来的。

Q：平时会爱什么方面的书？

A：最近看得较多的是管理方面的书，早期比较喜欢看武侠小说。

Q：最喜欢的武侠小说作家是？

A：金庸。