微軟表示，其語音識別技術實現了一個新的行業里程碑，將錯誤率降低到5.1%，在廣泛認可的準確性測試中與多個人類轉錄器的錯誤率相匹配。

該公司的人工智能和研究小組今天晚上宣布的新結果超過了微軟去年公布的5.9%的前低點；以及今年早些時候IBM宣布的5.5%的錯誤率。

微軟研究小組的語音識別工作提供了用于產品的底層技術，包括其Cortanavirtual助理、演示文稿翻譯器和微軟認知服務。

在最新的測試中，微軟降低了其錯誤率，“對我們基于神經網絡的聲學和語言模型進行了一系列改進，”微軟技術研究員黃學東在解釋這一成就的帖子中說。

這是微軟為推進人工智能的最新技術并將這些新方法推向市場而做出的更廣泛努力的一部分。在CEO薩蒂亞·納德拉（Satya Nadella）的領導下，微軟去年組建了一個新的5000人人工智能和研究小組，作為公司內部的第四個工程部門，以及Office、Windows和云組。

微軟在人工智能和云領域與亞馬遜、蘋果、IBM、谷歌和其他主要技術參與者競爭。雷德蒙公司的新愿景聲明特別增加了對人工智能的參考，稱其戰略是為“智能云和注入人工智能的智能邊緣構建一流的平臺和生產力服務”。

下面是黃如何解釋他們為達到這一最新里程碑所做的事情。

我們引入了一個額外的CNN-BLSTM（卷積神經網絡結合雙向長時記憶）模型來改進聲學建模..此外，我們結合來自多個聲學模型的預測的方法現在在幀/Senone和單詞級別都這樣做了。

此外，我們還通過使用Adialog會話的整個歷史來預測下一步可能會發生什么，從而加強了識別器的語言模型，從而有效地允許模型適應會話的主題和局部上下文。

我們的團隊也從使用可用的最可伸縮的深度學習軟件Micros of tCognitiveToolkit2.1（CNT K）中獲益匪淺，用于探索模型體系結構和優化我們模型的超參數..此外，微軟在云計算基礎設施方面的投資，特別是Azure GPU，有助于提高我們訓練模型和測試新想法的有效性和速度。