1
MyScript副總裁Gary Baum。圖片來自MyScript。
MyScript是一家位于法國的手寫字跡識別與電子墨水技術公司，公司產品包括名為“MyScript Calculator”的手寫計算器APP，以及能夠識別文字、圖形圖表、數學公式、音樂符號等內容的產品，應用包括企業管理、兒童教育、汽車應用、音樂創作等領域。MyScript的營銷副總裁Gary Baum介紹了字跡識別將如何改善機器學習，以及，人類的學習。作為一種輸入方式，手寫字跡識別教會機器適應用戶，機器又多了一項會進化的技能。用戶要只要寫幾行字，就可以讓系統對人的體驗進行回應。Gary是一位有20年產品管理經驗的科技行業老兵。在MyScript，他推動技術應用，擴展電子墨水技術的商業化，在電子書寫生態系統中培養策略合作。他本科的學習專業是電子工程，碩士專業是計算機架構與高級控制理論，在CPU和系統設計方面有六項專利。
圖：MyScript手寫計算器。圖片來源網易。
不久以前，如果你說機器會“學習”或者“懂得”，可能很多人都會嗤之以鼻。但是，神經網絡和人工智能技術正在集合這些技能，讓計算機完成更加復雜、類似人類的功能。例如谷歌的DeepMind就在使用非常高級的神經網絡，推動未來的機器學習。
雖然機器可以做到閱讀新聞、回答我們的問題，它們的知識通常是受到文章長度和計算能力的限制。新開發的算法能讓系統從經驗和線上數據中學習，讓機器對話題和語言有更深刻的理解。研究員驗證了這個理論，將幾百幾千條《每日郵報》和CNN的新聞輸入系統，讓系統來精確檢測缺失的文字，或者預測一個頭條。神經網絡正確回答了超過一半的查詢，搞不定的只有語法結構比較復雜的文章。
除了識別文字，神經網絡可以自動識別幾何角度等數學符號和音樂樂譜中的各種符號，在各行業中有廣泛應用的潛力。
無數研究員都認可深度神經網絡在應用中的益處，從聲學模型到語音識別、甚至最近的人臉識別。帶有新型訓練方法的深度神經網絡甚至據稱比舊的高斯混合模型在聲學表征上更加出色。其他最近的應用使用這項科技，通過檢測輸入方式來預測人類情感。
神經網絡繼續拓展機器學習的領域。雖然《我，機器人》等賣座電影已經讓大眾對人工智能感到緊張，但是這些技術實際上在簡化我們的生活。從基于用戶的旅行歷史來建議下一個旅行目的地，到為用戶規劃減肥方案，神經網絡讓機器學習變得前所未有的好用。
對于神經網絡來說，輸入方法的不同會帶來天差地別。自然輸入法最好地反映了用戶的需求和習慣，通過給用戶提供自然輸入法，工程師和研究員可以減少機器適應用戶的時間，而不是等用戶去適應機器。雖然輸入法越來越有機化，一個設備用戶體驗的實力和最終成功，與輸入方法相關，需要更加自然、符合直覺的形式，例如手寫字跡識別。手寫字在傳統社會里使用了幾個世紀，但是直到不久之前，手寫字才被現代計算設備以電子墨水的形式接受。行業內，電子墨水的辨析一直是一個重大挑戰，雖然這不能阻止神經網絡技術前進的腳步。
多倫多大學的計算機研究員正在教會一個神經網絡系統如何用手寫字，他們已經遇到越來越多對手寫識別技術的需求。類似地，一位前Spotify工程師收集了互聯網上五萬個字體，來訓練一個神經網絡學會創造自己的文字和字體。在MyScript，神經網絡系統在成為熱門話題之前，從公司創立開始便一直是技術的核心。MyScript實驗室的團隊在開發、定制和適應科技方面非常資深，可以建造手寫識別系統用于各種應用，從文字、數學、圖像到音樂。團隊的知識體系覆蓋了各種神經網絡架構，包括知覺、深度架構、卷積神經和鏈型網絡等等。
MyScript的手寫文字識別。圖像來自MyScript。
MyScript的圖表識別技術應用于企業管理層的日常商業運作。圖片來源：MyScript。
MyScript用于音樂創作。圖片來源：MyScript。
這些自然的、更符合直覺的創新，不僅提升了設備的使用便捷度，還幫助應用推廣落地，例如汽車領域內，手寫識別只有在這幾年才成為可能。汽車是一個很好的例子，因為根據美國汽車協會（AAA）在2015年的一項調查，在車內手寫字比其他輸入法都更加安全。有了手寫字，你可以專注在路面上，司機只需要最小化的認知干擾，就可以在汽車行進中輸入數據——對司機來說這是大大的好處。作為一種輸入法，手寫識別讓機器可以適應用戶的自然書寫輸入。可穿戴設備是另一個例子，一層又一層的附加性能讓設備可以進行更加高效的信息處理，尤其是當你不想用語音對你的設備說話的時候。
也許最吸引人的手寫字使用情景是作筆記。現在，用高品質手寫筆在數字設備上書寫已經越來越普遍。許多語言——覆蓋了地球上95％的人口——都可以通過神經網絡準確轉化為數字形式。更了不起的是圖表、圖形和數學公式的識別，可以將更多的書寫筆記轉化為數字形式。這種應用已經在學生和公司管理層中都廣泛使用。
以前，會識別手寫字的機器很多都出現在科幻小說里。神經網絡技術和人工智能技術的出現將極大改變這一切。通過吸收信息、從細節和高強度訓練中學習，神經網絡繼續為機器帶來新的技能。同樣，隨著手寫等直覺性輸入法應用越來越廣泛，神經網絡的價值也會越來越高。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
