当下，从小的创业公司到大型的科技公司，都在寻求在例如语音理解和图像识别等方面使用深度学习的可能性。微软选择在这个时候开源这一工具包。

　　广义上讲，深度学习是一种人工智能技术。 由开发者和研究者使用大量的数据，也就是所谓的训练数据集来教计算机系统从输入，比如图像或声音中识别模型。

　　比如，一个深度学习系统能被填入一个训练集，其中展示了所有水果和蔬菜的类型图片，然后，系统就能自己学会识别水果或蔬菜的突破。数据越多，系统就会越好，所以，每次它遇到一个新的，比如奇形怪状的茄子或者苹果，它就能修正算法，变得更加准确。

　　在使用微软认知工具包来训练声音声学模型的例子中，随着越多的数据进入模型中，其转化的准确率就越高。

　　这种类型的成就并不仅仅是研究上的里程碑。深度学习上的进步，其中部分是由于计算功耗上的进步，我们现在能够拥有一些消费级的产品，比如Skype翻译，它能识别语音并提供实时的声音翻译；比如Cotana数字助理，它能理解你的话，帮助你搜索机票和提醒日程等等。

　　更具灵活性、适应更复杂的工作

　　最初开发这个工具包时，Basoglu说他们考虑到许多开发者没法或不想写大量代码，因此，他们创建了一个自定义系统，让开发者可以轻松为深度学习配置自己的系统，不需要额外进行编码。 但是，随着系统越来越受欢迎，来自开发者的反馈显示他们想要将自己的Python或C ++代码与工具包的深度学习能力相结合。 还有来自研究人员的反馈说他们想用这个工具包来做增强学习研究。

　　增强学习是使用代理通过大量的实验和试错来学习做某件事情的正确方式——例如在房间中找路，或生成一个句子。这种研究可能最终达到系统可以自主做出复杂决策的真正的人工智能。新版本的工具包也为开发者增加了这个功能。

　　语音之外的应用

　　虽然微软认知工具包最初是为语音研究者开发的，它也可以有更广泛的用途。例如，Libherr公司在用它实行简单健康的生活方式。该公司在用户冰箱中装置摄像头，这些摄像头不只会拍摄图像，它们能够识别冰箱中的每一样食物并且能自动综合这些信息形成一个购物清单。

　　未来，这项技术将有助于引导健康的购物和餐饮计划。储藏室的各种东西也可以使用具有对象识别功能的摄像头来记录并监控。这能帮助消费者避免浪费食物，让生活更简单舒适。

　　Bing搜索团队也使用该工具包来发现搜索词中潜在或隐藏的关系，以提供更好的搜索结果。例如，用户搜索“怎样做苹果派？”时，他们其实是在搜寻“食谱”，虽然搜索词中完全没有“食谱”这个词。深度学习系统可以经由训练自动发现这种关系。没有深度学习系统的话，就需要工程师人工输入这样一条规则。

　　微软也将继续使用该认知工具包提升语音识别能力。微软语音服务的Yifan Gong（principal applied science manager）说，他们已经使用该工具包开发准确率更高的声学模型用于微软产品，包括Windows和Skype翻译器。Gong说他们的团队使用该工具包开发新的深度学习架构，包括使用长短期记忆人工神经网络（LSTM）技术，使语音识别的结果更准确。

　　这些改进将能够让微软的系统更好地理解用户试图说什么，即使用户是在聚会、高速公路或者开放式办公室这些嘈杂的环境中发出语音命令或与Cortana交谈。

　　对用户来说，j2直播，显然好处多多。Gong说：“语音识别的准确率更高的话，就不必总是重复说话。