1
MyScript副总裁Gary Baum。图片来自MyScript。
MyScript是一家位于法国的手写字迹识别与电子墨水技术公司，公司产品包括名为“MyScript Calculator”的手写计算器APP，以及能够识别文字、图形图表、数学公式、音乐符号等内容的产品，应用包括企业管理、儿童教育、汽车应用、音乐创作等领域。MyScript的营销副总裁Gary Baum介绍了字迹识别将如何改善机器学习，以及，人类的学习。作为一种输入方式，手写字迹识别教会机器适应用户，机器又多了一项会进化的技能。用户要只要写几行字，就可以让系统对人的体验进行回应。Gary是一位有20年产品管理经验的科技行业老兵。在MyScript，他推动技术应用，扩展电子墨水技术的商业化，在电子书写生态系统中培养策略合作。他本科的学习专业是电子工程，硕士专业是计算机架构与高级控制理论，在CPU和系统设计方面有六项专利。
图：MyScript手写计算器。图片来源网易。
不久以前，如果你说机器会“学习”或者“懂得”，可能很多人都会嗤之以鼻。但是，神经网络和人工智能技术正在集合这些技能，让计算机完成更加复杂、类似人类的功能。例如谷歌的DeepMind就在使用非常高级的神经网络，推动未来的机器学习。
虽然机器可以做到阅读新闻、回答我们的问题，它们的知识通常是受到文章长度和计算能力的限制。新开发的算法能让系统从经验和线上数据中学习，让机器对话题和语言有更深刻的理解。研究员验证了这个理论，将几百几千条《每日邮报》和CNN的新闻输入系统，让系统来精确检测缺失的文字，或者预测一个头条。神经网络正确回答了超过一半的查询，搞不定的只有语法结构比较复杂的文章。
除了识别文字，神经网络可以自动识别几何角度等数学符号和音乐乐谱中的各种符号，在各行业中有广泛应用的潜力。
无数研究员都认可深度神经网络在应用中的益处，从声学模型到语音识别、甚至最近的人脸识别。带有新型训练方法的深度神经网络甚至据称比旧的高斯混合模型在声学表征上更加出色。其他最近的应用使用这项科技，通过检测输入方式来预测人类情感。
神经网络继续拓展机器学习的领域。虽然《我，机器人》等卖座电影已经让大众对人工智能感到紧张，但是这些技术实际上在简化我们的生活。从基于用户的旅行历史来建议下一个旅行目的地，到为用户规划减肥方案，神经网络让机器学习变得前所未有的好用。
对于神经网络来说，输入方法的不同会带来天差地别。自然输入法最好地反映了用户的需求和习惯，通过给用户提供自然输入法，工程师和研究员可以减少机器适应用户的时间，而不是等用户去适应机器。虽然输入法越来越有机化，一个设备用户体验的实力和最终成功，与输入方法相关，需要更加自然、符合直觉的形式，例如手写字迹识别。手写字在传统社会里使用了几个世纪，但是直到不久之前，手写字才被现代计算设备以电子墨水的形式接受。行业内，电子墨水的辨析一直是一个重大挑战，虽然这不能阻止神经网络技术前进的脚步。
多伦多大学的计算机研究员正在教会一个神经网络系统如何用手写字，他们已经遇到越来越多对手写识别技术的需求。类似地，一位前Spotify工程师收集了互联网上五万个字体，来训练一个神经网络学会创造自己的文字和字体。在MyScript，神经网络系统在成为热门话题之前，从公司创立开始便一直是技术的核心。MyScript实验室的团队在开发、定制和适应科技方面非常资深，可以建造手写识别系统用于各种应用，从文字、数学、图像到音乐。团队的知识体系覆盖了各种神经网络架构，包括知觉、深度架构、卷积神经和链型网络等等。
MyScript的手写文字识别。图像来自MyScript。
MyScript的图表识别技术应用于企业管理层的日常商业运作。图片来源：MyScript。
MyScript用于音乐创作。图片来源：MyScript。
这些自然的、更符合直觉的创新，不仅提升了设备的使用便捷度，还帮助应用推广落地，例如汽车领域内，手写识别只有在这几年才成为可能。汽车是一个很好的例子，因为根据美国汽车协会（AAA）在2015年的一项调查，在车内手写字比其他输入法都更加安全。有了手写字，你可以专注在路面上，司机只需要最小化的认知干扰，就可以在汽车行进中输入数据——对司机来说这是大大的好处。作为一种输入法，手写识别让机器可以适应用户的自然书写输入。可穿戴设备是另一个例子，一层又一层的附加性能让设备可以进行更加高效的信息处理，尤其是当你不想用语音对你的设备说话的时候。
也许最吸引人的手写字使用情景是作笔记。现在，用高品质手写笔在数字设备上书写已经越来越普遍。许多语言——覆盖了地球上95％的人口——都可以通过神经网络准确转化为数字形式。更了不起的是图表、图形和数学公式的识别，可以将更多的书写笔记转化为数字形式。这种应用已经在学生和公司管理层中都广泛使用。
以前，会识别手写字的机器很多都出现在科幻小说里。神经网络技术和人工智能技术的出现将极大改变这一切。通过吸收信息、从细节和高强度训练中学习，神经网络继续为机器带来新的技能。同样，随着手写等直觉性输入法应用越来越广泛，神经网络的价值也会越来越高。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
