隨著重出江湖的“阿爾法圍棋”近日橫掃多位中日韓頂尖棋手，有人評(píng)價(jià)說(shuō)，人腦斗不過(guò)機(jī)器的時(shí)代已經(jīng)來(lái)臨。不過(guò)，在語(yǔ)言理解方面，目前機(jī)器還遠(yuǎn)遠(yuǎn)斗不過(guò)人腦，但這種情況正在迅速發(fā)生改變。

語(yǔ)音識(shí)別技術(shù)突飛猛進(jìn)或成人工智能下一個(gè)風(fēng)口

“嘿，Kuri!想一起玩嗎？”“嘿，Kuri!能講個(gè)故事嗎？”只要聽到叫自己的名字，身高半米、看上去胖嘟嘟的機(jī)器人Kuri就會(huì)睜開眼睛跑到你跟前，像小狗一般可愛。正在美國(guó)拉斯維加斯舉行的消費(fèi)電子展上，這款黑白色的呆萌家用機(jī)器人讓媒體爭(zhēng)相報(bào)道。

“Kuri是一款社交機(jī)器人，您可以把它當(dāng)成家庭的一個(gè)成員，”研發(fā)這款機(jī)器人的初創(chuàng)企業(yè)梅菲爾德機(jī)器人公司首席執(zhí)行官邁克爾·畢比說(shuō)。除了可以用手機(jī)應(yīng)用程序控制外，還能通過(guò)簡(jiǎn)單的語(yǔ)言命令指揮它完成一些任務(wù)，比如在家里自動(dòng)巡邏、把小狗趕下沙發(fā)、與小孩一起玩耍、講故事、放音樂等等。

語(yǔ)音識(shí)別突飛猛進(jìn)，達(dá)到了人耳的程度

據(jù)預(yù)測(cè)，到2020年，美國(guó)每10戶家庭中就有一戶將擁有家用機(jī)器人。這些機(jī)器人不僅能干家務(wù)，更重要的是還能與人簡(jiǎn)單交流，替人們排憂解悶。

隨著重出江湖的“阿爾法圍棋”近日橫掃多位中日韓頂尖棋手，有人評(píng)價(jià)說(shuō)，人腦斗不過(guò)機(jī)器的時(shí)代已經(jīng)來(lái)臨。不過(guò)，在語(yǔ)言理解方面，目前機(jī)器還遠(yuǎn)遠(yuǎn)斗不過(guò)人腦，但這種情況正在迅速發(fā)生改變。

“電腦的下一個(gè)接口是語(yǔ)音，”展會(huì)主辦方美國(guó)消費(fèi)技術(shù)協(xié)會(huì)首席經(jīng)濟(jì)學(xué)家肖恩·杜布拉瓦茨在記者會(huì)上斷言。他列出未來(lái)5大技術(shù)發(fā)展趨勢(shì)，語(yǔ)音交互排在第一位。

現(xiàn)在的智能手機(jī)和個(gè)人電腦依靠圖形用戶界面來(lái)實(shí)現(xiàn)人機(jī)交互。它最早可追溯到1981年施樂公司的“施樂之星”操作系統(tǒng)。3年后，蘋果公司“偷師”的Macintosh成為首個(gè)在商用領(lǐng)域取得成功的圖形用戶界面?zhèn)€人電腦。從命令行發(fā)展到圖形界面是人機(jī)交互方式的重大革命，助推了個(gè)人電腦迅速普及。

自那以后，隨著個(gè)人設(shè)備運(yùn)算能力日益增強(qiáng)，各種應(yīng)用程序越來(lái)越多，圖形用戶界面也變得更復(fù)雜。與此同時(shí)，從2010年逐漸興起的可穿戴式設(shè)備以及其他一些非傳統(tǒng)設(shè)備，開始嘗試把最重要的運(yùn)算功能通過(guò)無(wú)線連接交給手機(jī)或其他中樞設(shè)備。

許多人認(rèn)為，圖形用戶界面已經(jīng)接近極限。接下來(lái)，誰(shuí)能把人類從紛繁復(fù)雜的窗口、工具欄以及菜單選項(xiàng)中解放出來(lái)，腦電波、眼神還是語(yǔ)音？10年前這三種方式?jīng)]有一個(gè)靠譜，今天語(yǔ)音似乎成了首選項(xiàng)。

語(yǔ)音識(shí)別研究已經(jīng)有好幾十年，但進(jìn)展一直不盡如人意。微軟早在1994年就成立了研究團(tuán)隊(duì)，但2006年研究人員在投資者面前演示時(shí)，電腦竟然把“mom”（媽媽）聽成了“aunt”（阿姨）?！霸缙诎姹镜恼Z(yǔ)音識(shí)別技術(shù)太糟糕了，”杜布拉瓦茨說(shuō)。據(jù)他介紹，到2013年，哪怕口音再標(biāo)準(zhǔn)、背景噪音再小，語(yǔ)音識(shí)別的單詞錯(cuò)誤率依然高達(dá)25%,即電腦每聽4個(gè)詞就會(huì)錯(cuò)一個(gè)。

得益于深度學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，近3年來(lái)語(yǔ)音識(shí)別突飛猛進(jìn)，單詞錯(cuò)誤率降到5%左右，達(dá)到了人耳的程度?！拔覀?cè)谶^(guò)去30個(gè)月所取得的語(yǔ)音識(shí)別進(jìn)展比過(guò)去30年還要多，”杜布拉瓦茨說(shuō)，“這就是為什么我認(rèn)為語(yǔ)音技術(shù)會(huì)出現(xiàn)爆發(fā)式增長(zhǎng)?！?/p>

“動(dòng)動(dòng)嘴皮子”，就可以關(guān)燈、鎖門，甚至叫車

蘋果手機(jī)推出了語(yǔ)音助手Siri,微軟、谷歌和亞馬遜也相繼推出類似的語(yǔ)音助手。值得一提的是，約兩年前亞馬遜第一個(gè)把其語(yǔ)音助手“亞歷克薩”嵌入到“回聲”智能音箱中，作為智能家居的中樞控制音箱，讓人們多了一個(gè)“家庭事務(wù)助理”。有了“回聲”，人們“動(dòng)動(dòng)嘴皮子”就可以查信用卡賬單、關(guān)燈、鎖門，甚至叫車。

此后，谷歌推出了家用智能硬件“谷歌家庭”，三星和聯(lián)想等也準(zhǔn)備推出類似產(chǎn)品……一場(chǎng)由語(yǔ)音交互驅(qū)動(dòng)的智能家居競(jìng)賽正在進(jìn)行之中。汽車廠商也開始加入進(jìn)來(lái)，福特在展會(huì)上宣布跟亞馬遜合作，在車上安裝“亞歷克薩”，將來(lái)可由語(yǔ)音控制車內(nèi)播放音樂、閱讀新聞，快到家時(shí)打開車庫(kù)門和家中的照明、空調(diào)等。

杜布拉瓦茨說(shuō)，到目前為止，全球估計(jì)已售出約500萬(wàn)個(gè)語(yǔ)音助手，今年可能還會(huì)售出500萬(wàn)個(gè)。

在中文語(yǔ)音識(shí)別方面，科大訊飛是佼佼者。在此次美國(guó)展會(huì)上，長(zhǎng)虹就展出了基于科大訊飛技術(shù)的語(yǔ)音控制電視和空調(diào)，并介紹說(shuō)，2012年長(zhǎng)虹就推出了語(yǔ)音控制電視，目前已經(jīng)升級(jí)到第三代，除了普通話，還能聽懂四川話、粵語(yǔ)等幾種方言。在演示中，長(zhǎng)虹工作人員通過(guò)語(yǔ)音遙控器或安裝了相關(guān)軟件的手機(jī)，說(shuō)出“長(zhǎng)虹小白，我想看某某電視劇第幾集”，電視就直接開始播放相關(guān)劇集，并可以指揮快進(jìn)、后退或直接跳到某個(gè)時(shí)間點(diǎn)開始播放。

中興通訊高級(jí)副總裁程立新在展會(huì)新品發(fā)布會(huì)上說(shuō)，中興把語(yǔ)音交互視為未來(lái)手機(jī)發(fā)展的一個(gè)重要方向?！拔覀円矤款^成立了一個(gè)智慧語(yǔ)音聯(lián)盟，以打造一個(gè)好的生態(tài)圈。我們認(rèn)為未來(lái)智能手機(jī)的接口會(huì)有很多的、大的發(fā)展，語(yǔ)音的發(fā)展有可能會(huì)真正解放人類的雙手，”他說(shuō)。

語(yǔ)音識(shí)別還要克服很多障礙，比如理解嘈雜背景下的語(yǔ)言指令、自動(dòng)糾錯(cuò)、理解同一詞語(yǔ)在不同情境下的語(yǔ)義等。但杜布拉瓦茨認(rèn)為，未來(lái)是樂觀的。

“顯然，語(yǔ)音（識(shí)別）跨過(guò)了拐點(diǎn)，正從理論走向現(xiàn)實(shí)，”他說(shuō)，“人們開始考慮，如果它（語(yǔ)音識(shí)別）能表現(xiàn)得再好一點(diǎn)點(diǎn)的話，我們?cè)撛鯓邮褂盟??！?/p>

更多資訊請(qǐng)關(guān)注機(jī)器視覺頻道