第三章

弗雷德里克·贾里尼克 —— 统计语音识别之父

一个从布拉格走来的"跨界移民"

1932年11月18日 弗雷德里克·贾里尼克出生于捷克斯洛伐克克拉德诺（Kladno） 1949年 16岁时随家人移民美国 1956年 获得麻省理工学院电子工程学士学位 1958年 在麻省理工学院获得电子工程硕士学位 1962年 在麻省理工学院获得电子工程博士学位 1964年 加入康奈尔大学任教 1972年 加入IBM沃森研究中心，从事语音识别研究 1993年 加入约翰·霍普金斯大学，领导语言与语音处理中心 1997年 获得IEEE信号处理学会奖 2010年9月14日 在佛罗里达州科勒尔盖布尔斯去世，享年78岁

📋 弗雷德里克·贾里尼克 (Frederick Jelinek)

出生 1932年11月18日，捷克斯洛伐克克拉德诺（Kladno） 逝世 2010年9月14日，佛罗里达州科勒尔盖布尔斯 国籍 美国（原捷克斯洛伐克） 领域 计算机科学、语音识别、自然语言处理 "每解雇一名语言学家，语音识别系统的性能就会提升。" **来源：**贾里尼克的生平信息来源于IEEE历史文献、约翰·霍普金斯大学官方纪念页面、以及《自然》杂志讣告。

童年：在战火中颠沛流离

1932年11月18日，弗雷德里克·贾里尼克出生在捷克斯洛伐克小镇克拉德诺（Kladno）。

🌍 战争的阴影

贾里尼克的童年并不平静。他出生时，捷克斯洛伐克还是一个独立的国家。但仅仅几年后，1938年的《慕尼黑协定》将这个国家推入了灾难的深渊。 1939年3月，纳粹德国占领了捷克斯洛伐克。犹太家庭开始遭受迫害。 二战期间，贾里尼克的父亲——一位医生——被关入泰雷津集中营，并最终在那里去世。全家人在战火中苦苦挣扎，但贾里尼克幸运地活了下来。 1949年，16岁的贾里尼克随家人移民美国——这成为他人生的转折点。 在战火中长大的少年，不会说英语，带着东欧口音，最终却成为了改变人类语言处理方式的关键人物。 **关于战时经历：**贾里尼克在二战中的经历相对少被详细记录。根据他后来的回忆，移民美国是他人生中最重要的选择之一。他在自传中写道："美国给了我第二次生命。"

MIT岁月：从工程师到研究者

移民美国后，贾里尼克展现出了惊人的学术天赋。

🎓 22岁的博士

1956年，24岁的贾里尼克从麻省理工学院（MIT）获得了电子工程学士学位——这已经够快了，但更惊人的还在后面。 4年后的1958年，他获得了MIT的电子工程硕士学位；又过了4年，1962年，30岁的他终于获得了MIT的电子工程博士学位。 在MIT期间，他师从著名的电子工程学家罗伯特·福塞特（Robert Fano），研究方向是信息论。 信息论——这个由克劳德·香农在几年前刚刚建立的学科——将成为贾里尼克一生最重要的思想武器。

🔬 从通信到语音：一个意外的转向

博士毕业后，贾里尼克最初的研究方向仍然是电子工程和通信理论。他在IBM的一份临时工作，最终改变了他的人生轨迹。 1960年代中期，他开始接触语音识别问题。 当时的语音识别研究主流方法，是让语言学家设计复杂的规则系统——告诉计算机"什么是词"、"什么是音"、"什么语法是对的"等等。 但贾里尼克是搞信息论的。他看到了一个不同的角度：语言，能不能被当作一种信道来编码和解码？ 这个看似简单的想法，最终颠覆了整个语音识别领域。

"语言不是一套规则，语言是一种信息。" —— 弗雷德里克·贾里尼克

IBM时期：用统计方法颠覆语音识别

1972年，贾里尼克加入了IBM的沃森研究中心（Watson Research Center），在这里，他开始真正改变语音识别领域。

💡 一个革命性的想法

当时的语音识别系统主要依赖"规则"：语言学家编写语法规则、词典、发音规则，系统根据这些规则来识别语音。 但贾里尼克提出了一个完全不同的思路：统计。 他的核心观点是： • 不需要告诉计算机"什么是对的" • 只需要给计算机大量的例子（语音数据和对应的文本） • 让计算机自己"学习"语言规律 这听起来很简单，但背后的数学支撑——贝叶斯定理、隐马尔可夫模型——需要深厚的理论基础。 而贾里尼克，恰恰两者兼备。

🧠 什么是隐马尔可夫模型（HMM）？

隐马尔可夫模型是贾里尼克革命的核心工具。简单来说： • 语音可以看作是一个"隐藏状态"（我们要说的词）通过某种概率分布产生的"观测"（声波） • 给定观测序列，我们可以计算各种可能的状态序列的概率 • 选择概率最大的状态序列，就是识别结果 举例：当你听到"你好"这两个字时，语音信号是一串连续的声波。HMM的工作是：给定这串声波，找出最可能对应的词序列——"你好"。

📊 "每解雇一名语言学家，系统性能就提升一点"

贾里尼克有一句名言，后来在学术界广为流传： "每解雇一名语言学家，语音识别系统的性能就会提升。" 这句话后来被演绎成更夸张的版本："每解雇一名语言学家，语音识别率就提升1%。" 当然，这句话更多是调侃。贾里尼克的真正意思是：数据比规则更重要。当你的数据量足够大时，数据驱动的方法会超过人工设计的规则。 这在今天已经是理所当然的观点——但在1980年代，这简直是离经叛道。 **关于贾里尼克的名言：**这句话的确切来源存在一些争议，有多个版本。但它确实准确反映了贾里尼克的学术观点：数据驱动的方法优于规则驱动的方法。

约翰·霍普金斯大学：建立语音研究的圣地

1993年，贾里尼克离开了IBM，加入约翰·霍普金斯大学（Johns Hopkins University），领导该校的语言与语音处理中心（Center for Language and Speech Processing，简称CLSP）。

🏛️ 一个传奇的地方

CLSP很快成为了全球语音和语言处理研究的圣地。 在接下来的20多年里，该中心培养了一大批杰出的研究者，他们后来分布在全球各大高校和科技公司。 贾里尼克的一个著名做法是：每年夏天举办暑期学校，邀请全球最优秀学生和研究者来JHU学习交流。 这些暑期学校培养了几代语音和NLP研究者，影响深远。

🎓 约翰斯·霍普金斯大学语言与语音处理中心（JHU CLSP）的遗产

约翰·霍普金斯的CLSP在1984-2010年间培养了大量语音识别和NLP领域的领军人物，包括： • 约叔华·本吉奥（Yoshua Bengio）—— 深度学习先驱 • 迈克尔·乔丹（Michael Jordan）—— 机器学习泰斗 这些研究者后来在深度学习和机器学习领域做出了重要贡献，而且他们的学术成长深受CLSP学术氛围的影响。

学术贡献：不仅仅是语音识别

🌐 自然语言处理的统计革命

贾里尼克的影响远不止语音识别。他的统计方法论直接影响了整个自然语言处理（NLP）领域。 在他之前，NLP主流是符号主义——用规则处理语言。在他之后，统计方法逐渐成为主流。 今天的NLP，包括机器翻译、情感分析、问答系统等，最基础的方法仍然是统计方法——当然，现在更多是结合了深度学习的统计方法。 可以说，贾里尼克是现代NLP的奠基人之一。

📚 他的学生，他的遗产

贾里尼克不仅自己做研究，更善于培养人才。 他的学生和合作者遍布全球，很多人后来都成为了领域内的领军人物。 2010年贾里尼克去世后，ACL（国际计算语言学协会）专门发表悼文，称他是"计算语言学领域最有影响力的人物之一"。

晚年：与帕金森症抗争

💪 最后的岁月

2000年，贾里尼克被诊断出患有帕金森症。 这种疾病会逐渐剥夺患者的运动能力，对于一个热爱学术、热爱教学的人来说，这是一个残酷的命运。 但贾里尼克没有放弃。他继续在JHU工作，继续指导学生，继续参与学术讨论。 2010年9月14日，弗雷德里克·贾里尼克在佛罗里达州科勒尔盖布尔斯因心脏病发作去世，享年78岁。他生前一直与帕金森症抗争。 他的名字被铭刻在语音识别和NLP的历史上——作为一个改变了一个领域的跨界移民，作为一个用数学和统计方法重新定义语言处理的思想者。

"他的工作彻底改变了我们处理和理解语言的方式。" —— 约翰·霍普金斯大学官方悼词

🤔 一个值得思考的问题

贾里尼克的统计方法革命揭示了一个重要的科学哲学问题： 我们应该用"规则"还是用"数据"来理解世界？ 在语言学领域，规则派和统计派的争论持续了几十年。最终，数据驱动的方法占据了上风——但这是否意味着规则不重要？ 在深度学习时代，我们看到了另一种趋势：用更大的数据、更深的网络来"学习"规则。这是否是向某种意义上的"规则派"的回归？ 这个问题，或许永远没有标准答案。但正是这种争论，推动着科学不断前进。

🎭 一个真实的贾里尼克

在学术界的传说中，贾里尼克有几个特点被人们津津乐道： • 他对数学极其严格——任何不严谨的推导都逃不过他的眼睛 • 他说话直率——不喜欢含糊其辞，对错误的容忍度很低 • 他热爱教学——即使在晚年病痛困扰时，他仍然坚持给学生们讲课 • 他有一种特殊的魅力——能把复杂的问题讲得清晰明了 他不是那种高高在上的学术权威，而是一个真正热爱研究、热爱学生的学者。 **关于贾里尼克的教学风格：**多位曾与贾里尼克共事的研究者回忆，他在学术讨论中非常直接，如果你的想法有漏洞，他会直接指出来。但这种直接是出于对学术的热爱，而不是个人攻击。

影响与传承

🏆 贾里尼克获奖与荣誉

• IEEE信号处理学会奖（1997） • ACL终身成就奖（2009）—— 这是计算语言学领域的最高荣誉之一 • IEEE会士、美国国家工程院院士 • 此外，他还是《计算机Speech与语言》期刊的创始主编

🌍 对后续研究者的影响

今天，当你对着Siri说话、对着Google Translate翻译、用语音输入发消息时，这些应用背后都有贾里尼克的贡献。 他开创的统计方法不仅没有过时，反而在深度学习时代得到了新的生命力——现代的语音识别系统仍然使用他发明的核心框架，只是加入了深度神经网络。 用一句话总结：弗雷德里克·贾里尼克是一个用数学改变了人类与机器对话方式的人。

"每解雇一名语言学家，语音识别系统的性能就会提升。" —— 弗雷德里克·贾里尼克

💭 苏格拉底式反问

关于规则与数据： 贾里尼克的统计方法革命说明，当数据量足够大时，数据驱动的方法会超过人工设计的规则。这让我们思考：在你的领域中，是规则更重要还是数据更重要？或者两者如何结合？ 关于跨界与创新： 贾里尼克原本是搞信息论的，但他把信息论的方法用到了语言处理上，最终颠覆了整个领域。伟大的创新是否往往发生在学科交叉地带？你如何将不同领域的知识结合起来？ 关于勇气与坚持： 在所有人都用规则方法的时候，贾里尼克敢于提出统计方法——这是一种冒险，也是创新。你是否有勇气在你自己的领域中挑战主流方法？ 关于传承与影响： 贾里尼克培养了一大批优秀的学生，他们后来在各自领域做出了重要贡献。好的导师对学生的影响可以持续几代人。你遇到过这样的导师吗？

📚 知识回顾

本章知识点

✅ 隐马尔可夫模型（HMM）：贾里尼克用于语音识别的核心统计工具，将语音看作概率过程 ✅ 统计语音识别：用数据驱动代替规则设计，让机器从大量语音数据中学习语言规律 ✅ 数据驱动 vs 规则驱动：贾里尼克的革命性观点——数据比规则更重要 ✅ 约翰·霍普金斯大学CLSP：贾里尼克创建的语音与语言处理中心，培养了Yoshua Bengio、Michael Jordan等领军人物 ✅ 自然语言处理的统计革命：贾里尼克的方法影响了整个NLP领域，也为现代NLP奠定了基础 ✅ ACL终身成就奖：2009年授予贾里尼克的计算语言学最高荣誉 — 第三章完 —