是不是做了院长，就可以不做项目了？我给自己的答案是：不行。其实原因非常简单——人手不够。
当时，研究院确立的研究方向之一是“音字技术组”，也就是教电脑听话、讲话。这个恰好是我的博士论文的内容，但是我早就脱离了这个领域，而且已经多年没有写程序。但在研究院，我是唯一懂这方面技术的人，我只有勉为其难地卷起袖子，和我招到的几位副研究员一起工作。
邸烁和陈正是清华的高材生，尽管不是学语音的，但是1999年他们进入希格玛大厦的时候，选择了语音识别小组。每天，我拿着语音的教科书，从最基础的知识开始教他们。读完基础的课本后，他们开始练习在这个新的领域编程，然后，我再把我的论文拿出来，一章一章地讲给他们听。这两个年轻人都聪明过人，可以阅读世界水平的学术论文。另外，他们可以利用微软的“资源共享”制度，从美国研究院语音负责人那里拿来全套的语音软件。有了这些技术和源代码，这就像攀登100层的高楼，两人一开始就站在了50层。他们俩进步神速，两年后，都成了项目负责人，如今在不同的公司取得了骄人的成绩。
在他们俩之后，我们组又来了个年轻人——高剑峰。高虽然也是名校（上海交通大学）的博士，但是他的专业是机械设计，方向是“工业造型”。因此，他经历过一段颇为迷茫的时期。
那一年，我去上海交大招聘，正好遇到了高剑峰，就问他在研究些什么？他兴致勃勃地说了他的研究。我当头泼了他一盆冷水，说，“这个东西在美国早过时了，你还研究什么，还不如到微软来换个有用的题目呢。”没想到，他真的来了，闯过了应聘的重重关卡，加入了语音识别小组。
不过，他马上感觉到了强大的压力，邸烁和陈正不断取得突破，而他连门道都没摸清楚，有时候遇到一个问题，他还没有弄明白是怎么回事，人家已经解决了。
看到高剑峰非常苦恼，我开玩笑地对他说，“你是不是混进来的啊？”他抬头看我，表情很窘迫。我笑了笑，对他说，“你不是计算机专业毕业的，但是我觉得你还是有潜力的，如果有不懂的问题，我觉得你可以去请教一下组里的同事，毕竟我们是一个团队，也欢迎你随时来找我。”
高剑峰点了点头，就去找邸烁和陈正了。这两个小伙子一点都不吝啬，把自己知道的东西都告诉了高剑锋，一些问题经他们点拨，就轻松化解了。
在不断的学习中，高剑峰的信心被慢慢地树立了起来。他觉得，作研究就像一场长跑比赛，遇到了高手，被人家甩得很远，不能着急，不能乱了方寸，该怎么跑还是怎么跑。他后来总是告诉新来的研究员不要在意中途的快慢，最后胜出的人，才是真正的胜者。
高剑峰就这么跟了几年，先学着跑，再自己跑，渐渐地不再感觉累。到了第四年，他已经是“项目带头人”，换句话说，他也是一个“领跑者”了。现在，他已经转到微软美国，在那里做资深研究员。
语音识别不是仅仅把每个字分别识别出来，而是像人一样，要运用到语言的知识。中文有一个特殊的问题，就是分词。一个笑话就是“杭州市长春药店”，人们看到这个店名的时候，自然而然地知道是“杭州市/长春/药店”。但是仅仅向前推一个字，电脑很可能会识别成为“杭州/市长/春药店”。
如何做到正确的识别呢？我告诉陈正：“国内的语音识别往往是先分词，然后识别。这是彻底的错误，因为第一次分词总可能出错，一定要同时分词和识别，经过所有的排列与组合，挑选出最好的结合。”
然后，我发现我们的语言模型语料远远不够。语言模型的功能是经过大量的统计，来判断在下一个位置最可能出现哪些字，比如说，看到“尊敬的李”时，我们可能预测下面会是“先生”、“老师”、“女士”等词，各有不同的概率。我对他说，“在中国做语音搜索统计，只联系到前面的一个词，但是中文的语言特点是歧义特别多。仅仅依靠向前推一个词，电脑并不能作出正确的判断，至少要向前推两个词。”我们请黄昌宁教授去开始一个语料采购的计划，训练出这样推两个词的语言模型。
另外，中文和英文很大的一个差别就是中文有四声的识别。这方面团队很快地做了一个四声识别器，和整体的识别系统结合起来。就像分词一样，一定不能先把四声识别出来，而要考虑所有的可能性，再作出总体最优的选择。
在他们三人以及后来加入的几位副研究员的努力下，很快，一个中文语音识别系统就做出来了。
此后，陈正和我发现这个系统不但可以做语音识别，也可以做拼音转换。我们尝试了一下，果然转换率比当时任何系统都要高很多。除此之外，我们还发现可以用统计模型做出一种奇妙的功效——自动纠正人为造成的拼写错误，也就是说，如果你打入：“zunjingdelixansheng”，这个系统可以发现你少打了一个“i”，而自动转换成“尊敬的李先生”。后来，这个项目，由陈正做内核的技术，王坚做用户界面，成为了一个高质量的输入法。
在短短的一年内，这个五人团队就做出了多项傲人的成果：中文的四声识别、最精确的输入法、中文的听写机，还有多用途的统计语言模型。这些项目都符合了我们“有用”的目标，也用我们的“兵团”模式迅速获得了成果。
与此同时，研究院里其他小组，都在为有用的梦想而全力打拼。
