谷歌語音識別Google Now

導語：彭博社今天撰文稱，谷歌正在語音識別領域展開野心勃勃的嘗試，希望通過技術手段實現(xiàn)超越人類的語音識別能力。

以下為文章全文：

與數(shù)字助理交流是一件有趣的事情，它給人的感覺就像固執(zhí)的孩童。如果你曾經對著Xbox或Siri大喊大叫，你或許已經失去希望。

但研究人員表示，語音識別和人工智能領域最近取得的突破，很快就能大幅提升這些電子產品的理解力，使之更好地與我們展開溝通。谷歌工程師約翰·沙爾克維克(Johan Schalkwyk)表示，這種全新的設備不僅能聽懂我們的意思，還能結合上下文和語調的細微差別理解深層含義。

沙爾克維克正在谷歌從事一項野心勃勃的研究項目，希望創(chuàng)造一套能夠利用該公司海量數(shù)據的語音系統(tǒng)。他表示，他們目前正在實驗室里測試的一個項目，使得電腦可以聽懂并“思考”人們的語言。

最近在語音識別和機器學習領域的各種發(fā)明，將給語音識別帶來巨大變化。Siri的一位主要發(fā)明人表示，工程師都在狂熱地開發(fā)語音識別技術，使之具備足夠的智能，與用戶展開真正的對話。“語音識別的所有領域都已經實現(xiàn)了很大進步。”Siri底層技術開發(fā)公司SRI International副總裁威廉·馬克(William Mark)說，“這種對話互動目前已經成為前沿技術。”

蒂姆·圖塔爾(Tim Tuttle)等待這一天已經很久了。他1997年獲得了麻省理工學院的博士學位，并任職于該校的人工智能實驗室。10年來，他先后在硅谷多家公司任職，最終于2010年創(chuàng)辦了自己的Except Labs公司。圖塔爾的公司去年開始設計一套系統(tǒng)，向移動應用中增加復雜的語音指令。例如，當用戶走進超市時，可以通過這項功能獲知他要買的掃帚位于哪條走廊。

“一年前，我們在做基準，我們當時認為這不可能實現(xiàn)。但一切都變了。我們的公司已經對語音加倍下注，主要是因為近期所看到的各種技術進步。”圖塔爾說，“與人類水平相當或高于人類水平的語音識別系統(tǒng)將實現(xiàn)商業(yè)化。”

但首先，還是先來回顧一下歷史：兩年半以前，谷歌和多倫多大學的研究人員發(fā)表了一篇頗有影響力的論文，內容是用“深度神經網絡”來指導計算機語音技術。幾個月后，微軟與IBM也合作發(fā)表了另外一篇論文，被谷歌工程師杰夫·迪恩(Jeff Dean)稱作“語音研究領域20年來的最大進步”。

這些研究使得一項數(shù)十年前誕生的數(shù)字神經網絡發(fā)明再度復活。這項技術1980年代就在大數(shù)據預測和分析領域實現(xiàn)了不俗的表現(xiàn)，但當時卻受到計算機速度的制約。神經網絡直到最近才變成可行的方案，這主要得益于計算機處理速度的加快，以及新型軟件模式的發(fā)展。

谷歌實驗室也開展了類似的研究。6個月前，該團隊從這種名為“前饋神經網絡”的古老方法入手，推動了神經網絡技術的復活。這項技術使得系統(tǒng)可以儲存更多信息，并處理更長、更復雜的序列。谷歌這項突破源自對底層代碼的簡化，可以在同一套系統(tǒng)中保留更多觀點和觀念，從而讓用戶更容易問出復雜的問題，獲得有意義的答案。“系統(tǒng)復雜性可能對長期發(fā)展構成傷害。”沙爾克維克說。

谷歌的系統(tǒng)目前使用上下文、物理位置和其他因素進行假設，以此判斷語音的真正含義——整個過程與人類大腦的思維模式相仿。谷歌的最新網絡技術可以提升這一過程的效率，從而處理比以往更大的數(shù)據量，回答更復雜的問題。

為了解釋語音識別技術在未來的工作方式，沙爾克維克提到了谷歌山景城總部幾公里之外的一間高級越南餐廳。這家名為Xanh Restaurant的餐廳對典型的語音識別構成了挑戰(zhàn)，因為Xanh這個名字(發(fā)音為“扎恩”)很難識別。“如果我能找到它在地圖上的位置，然后說，‘這是一家餐館，它位于加州。’那么范圍就會立刻縮小。”沙爾克維克說，“借助語義技術，我們便可大幅改善質量。”

這聽起來似乎很簡單，但對電腦來說，聽到一個單詞，然后把它放到句子上下文中去辨識，再與地理信息相結合，是十分困難而且耗費時間的。如今，谷歌語音搜索已經可以正確識別餐館。沙爾克維克表示，谷歌今后將可以處理其他一些同樣野心勃勃的問題。

沙爾克維克表示，在谷歌內部，語音識別技術已經實現(xiàn)了空前的進步。雖然谷歌的重大進步還要再等一兩年才能應用到用戶的手機中，但這個項目已經催生了很多可以應用于谷歌其他項目的技術。“開發(fā)登月項目的同時，還會同時設計出另外一百項有用的技術。”沙爾克維克說。

沙爾克維克表示，谷歌語音識別技術3年前只能認出3/4的口語單詞。但得益于創(chuàng)新速度的加快，谷歌手機應用現(xiàn)在可以正確識別12/13的單詞。據圖塔爾介紹，要不了多久，“我們就將生活在一個沒有鍵盤的世界里。”(鼎宏)

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。