工程哲学：拉吉·雷迪——为最底层十亿人而生的技术

要点速览

• 打造一种无需识字的界面。 雷迪毕生致力于教机器听懂人类的语音——先是最早的连续语音系统，随后是 Hearsay 与 Harpy——因为语音是唯一一种对使用者毫无要求的界面。说话不需要识字、不需要打字，也不需要拥有键盘。对世界上约25亿不识字的人而言，语音绝非锦上添花，而是通往人类全部知识的唯一门户。¹⁹
• 他凭借让人工智能真正落地、规模化而获得图灵奖。 1994年，雷迪与爱德华·费根鲍姆共同荣获 ACM A.M. 图灵奖，理由是”开创了大规模人工智能系统的设计与构建，证明了人工智能技术的实用价值与潜在商业影响”。他是 首位获此殊荣的亚裔。¹²
• 黑板模型是他低调而普适的贡献。 Hearsay-II 让多个独立的知识源——声学、音位、词汇、句法——在一块共享的工作区，即所谓 “黑板” 上协同合作。这一架构远远超出了语音的范畴，演化成一种将众多证据来源融合为单一答案的通用模式——而这正是现代人工智能技术栈至今仍在做的事。³⁴
• 从一个没有电灯的村庄，到师从麦卡锡的首位人工智能博士。 1937年生于安得拉邦的卡图尔（Katoor），是家中第一个完成学业的人。雷迪从金迪走到新南威尔士，再到 1966年在斯坦福师从约翰·麦卡锡取得博士学位，随后在卡内基梅隆建起了这一领域中最具雄心的系统——并把它们重新对准了像他从小一同长大的那些人。⁵⁶⁹

核心原则

“凡是用头脑能做的事，借助计算机都能做得更快、更好、更省……我们可以把多出来的生产力，投向社会需求最迫切的领域。” —— 拉吉·雷迪⁹

大多数先进技术是自上而下渗透的。它为那些早已负担得起的人而造——识字的人、联网的人、有设备和流量套餐的人——而其他所有人要等上数年才能用上削减版本，甚至根本等不到。雷迪把这个目标颠倒了过来。他坚信，最先进的人工智能恰恰应当瞄准那些被其余计算技术抛在身后的人：不识字的人、农村的贫困者，也就是发展经济学家口中的”最底层十亿人”。这不是给成品硬塞上去的慈善，而是排在最前面、首先成立的设计约束。⁹

这一原则有着精确的工程后果，也是贯穿他所有作品的那根主线：界面绝不能要求使用者拥有任何他尚不具备的东西。 键盘要求识字，还要求懂拉丁字母。触摸屏要求拥有设备，还要求能看懂图标去导航。而语音什么都不要求。 每一个会说话的人，出生那一刻就已经把这套完整界面装在了身上，用的还是自己的母语。所以，若想把人类的知识送到一个从未学会读书的人手边，办法不是教他识字——而是教机器去听。这正是为什么一个心系世上最贫困者的人，会花上几十年去钻研连续语音识别这个极其艰深的技术难题。两者本是同一桩事业。¹⁹

正是这一点，让雷迪在人工智能的巨匠中显得与众不同。这一领域的声望总是流向能力——更大的模型、更难的基准、超越人类的对弈。雷迪追逐能力的劲头不输任何人，他构建的系统雄心勃勃，足以问鼎图灵奖。但他从不把有多强大与为谁而造割裂开来。语音是伟大的平等器；大规模人工智能系统，是为金字塔底层的人而建。技术必须抵达那些被遗落的人——而保证这一点的办法，就是让被遗落的人成为规格本身。

背景

达巴拉·拉贾戈帕尔·雷迪于 1937年6月13日 生于 卡图尔（Katoor）——一个位于今印度安得拉邦的村庄。 他是 家中第一个上大学的人——从某种实在的意义上说，也是第一个走出村庄方圆的人。⁵⁶ 几十年后，当被问及那段成长经历时，他拒绝用”贫困”来框定它：“天空清澈无比，所有的星星我都看得见。有人问我，’天哪，你当年那么穷吗？’可我从来没觉得自己缺了什么。”⁹ 这句话对理解他的工程之路至关重要，因为这位为最底层十亿人做设计的人，并不是在为一个抽象概念做设计。他设计的对象正是他出身的那群人，而他从不认为他们缺少别的什么——他们缺的只是机会。

走出去的路，是经由工程铺就的。他于1958年在 金迪工程学院（马德拉斯大学）取得学士学位，1960年又在悉尼的 新南威尔士大学 取得硕士学位，期间曾在澳大利亚为 IBM 工作，随后才跨越太平洋。⁵⁶ 在 斯坦福，他于1964年取得硕士学位，又在 1966年师从约翰·麦卡锡取得计算机科学博士学位——麦卡锡正是十年前提出”人工智能”一词的人。雷迪被广泛认为是麦卡锡门下第一位取得人工智能博士学位的人，这把他置于了这一领域名副其实的源头。⁵⁶

他先是留在斯坦福任教（1966—1969年），随后做出了决定其余生的抉择：1969年加入卡内基梅隆大学，此后便一直留在那里。⁶ 在卡内基梅隆，他构建了奠定其声名的语音系统，于 1979年创立机器人研究所（全美第一个机器人系），出任计算机科学学院院长（1991—1999年），并成为莫扎·宾特·纳赛尔讲席计算机科学与机器人学教授。⁵⁶⁷ 斯坦福给了他这一领域最纯正的师承。卡内基梅隆则给了他自由，去构建庞大、繁杂、真实的系统——也去把一份图灵奖级别的声望，押在一个当时人工智能界无人愿意为之构建的群体身上。

工作

语音识别：Hearsay、黑板模型与 Harpy

从最难的部分讲起，因为正是在这里，原则化为了数学。人类语音是一道连绵不断的声音洪流，词与词之间并没有干净的间隔——你以为自己在词与词间听到的那些停顿，大多是大脑替你补上的错觉。更糟的是，同一段声学信号可以被切分成不同的词。最经典的例子是 “recognize speech”（识别语音）与 “wreck a nice beach”（毁掉一片美丽的海滩） 听起来几乎一模一样。单凭原始音频，两种读法得分大致相当；机器是真的分不清你究竟想说哪一个。下面这个小部件，能让您亲耳听到这种歧义如何坍缩为唯一的答案。

雷迪的洞见，是他和学生们在20世纪70年代于卡内基梅隆、在 DARPA 语音理解研究计划下逐步发展出来的：没有任何单一的知识源能够消解那种歧义，但若干个相互协作的知识源却能做到。 声学告诉你眼下出现了哪些声音。音位模型把声音映射到候选音素。词典约束哪些音素序列才是真实的词。语法约束哪些词序才构成合理的句子。每一个单独来看都不可靠；合在一起，却能把答案锁定。问题在于：如何让独立而不可靠的来源彼此协作。

他的答案是 黑板模型，并在 Hearsay-II 中得以实现。设想一群专家围坐在一块共享的黑板旁。每个人都盯着自己懂的那部分东西——一个音素、一个词、一个短语——一旦能有所贡献，就把一条带着置信度评分的假设写到板上。其他专家读取板上的内容，在所见之上继续推演，再写下自己的假设。没有谁是总指挥；没有固定的流水线强迫他们按部就班。正确的解读，是从众多片面的、概率性的贡献在一块共同工作区上的协作中涌现出来的。那篇发表论文的副标题说得分毫不差：整合知识以消解不确定性。³⁴ 早于它的 Hearsay-I，是史上第一个能够进行连续语音识别的系统；而 Hearsay-II 则为这一能力赋予了经久不衰的架构。¹³

与 Hearsay 并行的是 Harpy（布鲁斯·洛厄雷与雷迪，约1976年），它押下了相反的赌注，却同样影响深远。Harpy 没有让独立来源各自往共享黑板上写假设，而是把全部知识——词汇、语法、发音——编译进一张庞大无比的网络，囊括系统可能听到的每一句话，然后用 束搜索（beam search） 在这张网络中搜索：每一步只保留最有希望的少数几条路径，把其余的剪掉，这样即便搜索空间浩瀚无垠，搜索本身也始终可控。⁸ Harpy 能处理 1,011个词的词汇表，是第一个在近乎实时的条件下、以低于百分之十的错误率理解连续语音的系统。⁸ Hearsay 的黑板给了人工智能一种组合知识源的办法；Harpy 的束搜索则给了它一种在这片组合空间中高效搜索的办法。这两种思想至今仍是承重墙——证据的协作与对可能性的有纪律剪枝，就垫在 如今每一部手机上的语音识别 之下。

卡内基梅隆机器人研究所

1979年，雷迪创立了卡内基梅隆机器人研究所，并出任首任所长——这是全美第一个大学机器人系。⁵⁶⁷ 人们很容易把这看作另起的一章，一次从语音到机器的转向。但更恰当的读法，是把它看作同一种本能的延展。语音识别，是机器在深度不确定下感知并解读一道繁杂、连续、来自真实世界的信号的问题。机器人学，则是同一个问题，再加上物理世界的其余部分：视觉、运动、操作，无一不充满噪声，无一不暧昧含混，全都需要把许多不完美的信息来源融合成一个决策。

黑板式的本能——让许多协作的知识源共同消解不确定性——正是一个自主机器人理解周遭环境所需要的。雷迪选择建起一所机构而非仅仅一间实验室，做成了单个研究者做不到的事：他创造了一个场所，让感知、学习与行动的整合，得以由数百人持续追求几十年。机器人研究所成了这一领域最重要的中心之一，而它本身就是驱动其语音工作的那同一信念的结构化表达——真正有趣的问题是整体系统层面的问题，在那里，众多部件必须协同合作，去应对一个并非预先贴好标签就送上门来的世界。

1994年图灵奖与大规模人工智能系统

1994年，雷迪与爱德华·费根鲍姆共同荣获 ACM A.M. 图灵奖——计算领域的最高荣誉——其授奖词值得细读：“开创了大规模人工智能系统的设计与构建，证明了人工智能技术的实用价值与潜在商业影响。”¹² 雷迪是 首位获得图灵奖的亚裔。⁵

且细细体味这授奖词所褒奖的东西。不是一条定理。不是某一个算法。而是大规模系统的设计与构建，以及对它们实用价值的证明。费根鲍姆证明了人工智能能够在真实领域中捕捉并运用专家知识；雷迪则证明了人工智能能够感知并理解连续语音这个真实而繁杂的人类世界。两人合力，把人工智能从实验室的演示推向了能运转的系统——证明了这些思想能够规模化地建成，并且会在学术圈之外产生影响。¹² 那种对建成、规模化、供真实使用的强调，正是雷迪整个职业生涯的总基调。他从不满足于一个只活在论文里的结果。要点永远在于一个真有人能用得上的系统——而这，当然也正是那股把他推向最一无所有者的同一种冲动。

为最底层十亿人服务的技术：百万图书计划、RGUKT 与数字鸿沟

到这里，这一原则才完全显露出来。在凭借构建大规模人工智能系统赢得这一领域的最高荣誉之后，雷迪把后半生用来把那份能力对准了科技行业惯常遗忘的人。他在 1999至2001年间共同主持美国总统信息技术顾问委员会（PITAC），从政府内部塑造国家研究的优先方向。⁵ 但他最具代表性的项目，是为发展中世界而建的。

雷迪自2001年起在卡内基梅隆主持的 通用数字图书馆 / 百万图书计划，立志扫描一百万册书并在网上免费提供，并刻意聚焦多语种与服务不足的人群——把人类的知识数字化，送给那些从未拥有过图书馆的人。到2007年12月，它已扫描超过150万册书，涵盖约20种语言，并与印度、中国、埃及的伙伴合作。¹⁰ 拉吉夫·甘地知识技术大学（RGUKT） 由雷迪一手促成，并出任创校校长，其设立的目的明确写着 “满足印度低收入、有天赋的农村青年的教育需求”——正是像卡图尔那个侥幸走出去的男孩一样的学生。⁵⁶ 他还是 海得拉巴国际信息技术学院（IIIT） 的创始主席，并于2001年荣获印度最高平民荣誉之一的 莲花装勋章（Padma Bhushan）。⁵

把这一切串起来的逻辑，正是他反复回到的那一句：“对于世界上25亿不识字的人，[雷迪]力图运用他的语音识别技术，帮助他们通过互联网获取人类的知识。”¹ 他曾明确主张，要把人工智能对准发展中世界最棘手的问题——贫困、医疗、教育——而不是把这些当成商业产品的事后补充。¹¹ 语音工作与发展工作，并非两段职业生涯。教机器听懂人说的话，其全部意义，从来就是这件事——一个不识字、住在没有电灯的村庄里的人，用自己的语言向机器提一个问题，然后得到答案。语音之所以是伟大的平等器，正因为它是每一个人生来就已经懂得如何使用的界面。

方法

雷迪的方法与其说是一句口号，不如说是一组始终如一的承诺。横向通读他的语音工作、研究所与发展项目，会发现同样的动作一再出现。

把用户的约束当作系统的规格。 雷迪一生中最深层的设计决断——几十年如一日地追逐语音识别——直接源于关于目标用户的一个事实：他们可能不识字。界面必须毫无要求，于是机器就得包揽一切。这条普适的教益是：找出你最不被服务的用户所面对的最硬约束，让它来驱动架构，而不是为轻松的用户设计、再去给其余的人打补丁。这就是从金字塔底层往上看的 最低限度值得之作。⁹

当没有任何单一来源可靠时，就让许多来源协作。 黑板模型是一种方法，而不只是一件成品：别再苦苦寻找那个能消解不确定性的唯一神谕，转而让独立、易错的证据来源往一块共享工作区上写，任其收敛。Hearsay 就是这样听懂语音的；现代系统就是这样融合信号的；坦白说，人与人之间良好的 审议，也是这样运作的。³⁴

构建系统，而非演示。 图灵奖的授奖词褒奖的是规模化的构建。雷迪的标准从来不是”它在论文里能不能跑通”，而是”它是不是一个真有人能用的系统”。一个无法建成、无法部署的结果，在他看来就是不完整的——这是把 证据门槛 施加于整个系统，而非单条主张之上。²

把最先进的能力，对准最不被服务的人。 正是这一步，让其余的一切不止于令人惊叹。这种自律在于拒绝那个默认的梯度——技术总往已被服务的人那边流——转而刻意把前沿对准最底层十亿人。没有一个值得的目标，能力不过是噱头；这是 Steve 测试 在追问这份工作是否配得上存在，而答案就在于它为谁而造。⁹

拒绝”贫困”的框架。 “我从来没觉得自己缺了什么。”雷迪为服务不足的人做设计，却不曾居高临下——他把他们当作缺少机会、而非缺少能力的人。这份尊重本身就是一条设计原则：用他们自己的语言，造一件以平等待之的工具，而不是你自以为他们才招架得住的那个简化版本。⁹

影响链

谁塑造了他

约翰·麦卡锡。 雷迪师从这位为该领域命名的人，在斯坦福、在它的草创年代取得博士学位——在人工智能尚未确定自己究竟是什么之前，就已置身其中。这把他的整个世界观安放在了源头之上：他是从发明这门学问的人那里，学会把它当作一件要去构建的东西。（直接影响）

他出身的那个村庄。 卡图尔并非背景陪衬。若没有它，一位图灵奖得主把整个职业生涯花在最底层十亿人身上的决定，就根本无从理解。那个家中第一个完成学业的男孩，从未停止为他离开的那群人做设计——这正是为什么他最技术化的工作与最人道的工作，本是同一桩工作。（成形影响）

DARPA 语音理解计划。 20世纪70年代那场有资金、有竞争、以截止日期为驱动的攻坚，给了雷迪和他的学生们压力与资源，把 Hearsay 和 Harpy 建成真正的系统，而非草图——这正是锤炼出黑板模型与束搜索语音识别的试炼场。（直接影响）

他塑造了谁

现代语音识别。 雷迪和学生们在卡内基梅隆构建的连续语音系统，确立了一系列思想——协作的知识源、概率评分、在巨大假设空间中的高效搜索——它们以演化后的形态，运行在今天每一个语音助手与听写系统之下。这项工作直接汇入了 作为平台特性的无障碍。

无处不在的黑板架构。 让独立的知识源在一块共享工作区上协作以消解不确定性，这一模式远远超出了语音的范畴，成为一种通用的人工智能设计模式，被用在任何需要把许多片面信号融合成单一答案的地方。

一代研究者与一批机构。 通过卡内基梅隆机器人研究所、计算机科学学院、RGUKT 和 IIIT 海得拉巴，雷迪塑造的不只是思想，还有产出这些思想的场所与人——在美国，也在印度——这本身就是一种影响，在数十年间不断复利累积。

贯穿始终的那条线

雷迪正是本系列那条关于技术为谁而造的主线，与人工智能深层机理的交汇之处。格蕾丝·霍珀 让计算机说人类能读懂的语言，坚持编程应当迁就人，而不是人去迁就机器；雷迪则是她的镜像——他让计算机听，好让那些不会读、不会打字的人也能被听懂。蒂姆·伯纳斯-李 建起了一张面向每一个人的网，信奉获取知识不应取决于特权；雷迪则把这种普适性又向下推了一步，推向连网络本身仍在排斥的人——那些不识字的人。而当 李飞飞 坚持以人为中心的人工智能时，雷迪正是这一信条的早期明证：从第一条约束起，就围绕着最一无所有的那个人来设计的人工智能。霍珀说，让机器说人话；伯纳斯-李说，让它抵达每一个人；雷迪说，让它去听那些从未被抵达的人——并把他所能构建的最先进系统，对准最底层十亿人。（系列桥梁）

我从中学到的

我从雷迪身上记住的一课是：你为谁而造，是一个工程决策，而且它理应排在最前。 人们很容易把用户当成一个到最后才去调的参数——先把强大的东西做出来，再考虑无障碍，然后或许再做本地化。雷迪反着来。他抓住目标用户面对的那个最硬的约束——他们不识字——让这一个事实去裁定他整个职业生涯中最深层的技术承诺。界面必须毫无要求，于是他花了几十年教机器去听。这重排了我思考自己工作的方式：不是问”这个系统能做什么，谁能用它”，而是问”这是为谁而造的，而那一点又迫使这个系统必须成为什么”。规格起始于金字塔的底层，而非顶端。

第二课更安静，讲的是有归宿的雄心。雷迪追逐能力的劲头不输任何一位图灵奖得主——大规模系统、亲手创立的机构、几十年的前沿研究。但他从不让有多强大脱离为谁服务而漂浮无依。他所能构建的最先进之物，被刻意对准了行业其余部分所遗忘的人。这正是我想借鉴的那种自律：拒绝那个让技术朝上流向早已舒适者的默认梯度。把前沿的东西造出来，然后把它对准下方。这是 质量是唯一的变量，只是附上了一份良知——问题不只是”它出色吗？”，而是”它对最需要它的人而言出色吗？”雷迪用一整个职业生涯证明了，这两者可以是同一个问题。

常见问题

拉吉·雷迪的工程哲学是什么？

最先进的技术，应当对准被其余计算技术抛在身后的人；而保证这一点的办法，是让最不被服务的用户成为设计规格。对雷迪来说，这意味着语音：因为世界上约25亿不识字的人不会读、不会打字，唯一对他们毫无要求的界面就是人的嗓音。于是他把职业生涯花在了连续语音识别这个极其艰深的技术难题上，恰恰是因为他心系最贫困的人——工程与使命本是同一桩事业。¹⁹

拉吉·雷迪为何获得图灵奖？

1994年，雷迪与爱德华·费根鲍姆共同荣获 ACM A.M. 图灵奖，理由是”开创了大规模人工智能系统的设计与构建，证明了人工智能技术的实用价值与潜在商业影响”。¹² 这一奖项褒奖的是规模化地构建真实系统，而非某一条定理——雷迪因语音理解获奖，费根鲍姆因专家系统获奖。雷迪是首位获此奖项的亚裔。⁵

人工智能中的黑板模型是什么？

黑板模型在雷迪的 Hearsay-II 语音系统中得以实现，是一种架构：多个独立的”知识源”——声学、音位、词汇、句法——通过把各自带有置信度评分的假设写到一块名为黑板的共享工作区上，从而协同合作。³⁴ 没有任何单一来源可靠到足以消解语音中的歧义，但合在一起，它们便会收敛到最合理的解读上。这一模式被证明具有普适性：它成了整个人工智能领域里，把许多片面、不确定的证据来源融合成单一答案的一种标准做法。

Hearsay 与 Harpy 是什么？

它们是雷迪和学生们在20世纪70年代 DARPA 语音理解计划下，于卡内基梅隆构建的开创性连续语音系统。Hearsay-I 是第一个能够进行连续语音识别的系统；Hearsay-II 则为这一能力赋予了经久不衰的黑板架构——让多个知识源协同合作。¹³ Harpy（洛厄雷与雷迪，约1976年）把全部语言学知识编译进一张庞大的网络，并用 束搜索 在其中搜索——每一步只保留最有希望的路径——处理了一个1,011个词的词汇表，成为第一个在近乎实时的条件下、以低于百分之十的错误率理解连续语音的系统。⁸

参考资料