中國領(lǐng)先的互聯(lián)網(wǎng)公司強(qiáng)大的語音技術(shù)，使智能手機(jī)的使用變得更為容易。
三里屯是北京最繁華的地方，這里有很多游客、KTV、酒吧和奢侈品商店。漫步在三里屯，你會(huì)看到很多人在使用最新款的智能手機(jī)，包括蘋果、三星或小米。然而，仔細(xì)看，你可能會(huì)發(fā)現(xiàn)，他們當(dāng)中的一些人往往不使用手機(jī)上的觸摸屏，而是使用更高效、更直觀的工具 – 也就是他們的聲音。
在中國，智能手機(jī)用戶不斷增長，人數(shù)高達(dá)6億9100萬。其中越來越多的人開始不再經(jīng)常通過滑動(dòng)、輕擊、以及微型鍵盤的方式在百度上進(jìn)行搜索（百度是中國最受歡迎的搜索引擎）。中國是發(fā)展語音接口的理想市場，因?yàn)槭褂梦⑿陀|摸屏來進(jìn)行漢字輸入十分麻煩。不過，隨著百度在語音技術(shù)方面的不斷進(jìn)步，語音接口變得更為實(shí)用和有效，這使人們可以更為便利的與身邊的設(shè)備進(jìn)行互動(dòng)。
“我發(fā)現(xiàn)語音技術(shù)正在逐漸成為非常值得信賴的技術(shù)，你只需單純的、想都不用想的使用它?！卑俣仁紫茖W(xué)家吳恩達(dá)（Andrew Ng）如是說，同時(shí)，他還是斯坦福大學(xué)（Stanford University）的一名副教授。“最好的技術(shù)往往是看不見的，隨著語音識(shí)別變得更值得信賴，我希望它可以融入到我們的生活中?！?/p>
長期以來，語音接口一直是技術(shù)人員（科幻小說作家更不用提）的一個(gè)夢想。近年來，由于機(jī)器學(xué)習(xí)的迅猛進(jìn)步，語音控制變得更為實(shí)用。
語音識(shí)別不再僅僅局限于一小組預(yù)設(shè)的命令，它現(xiàn)在甚至可以在嘈雜的環(huán)境中使用，例如北京的街道。聲控虛擬助手為信息搜索帶來一種簡單的方法，即通過你的聲音來查找信息、播放歌曲、建立購物清單，例如蘋果的Siri、微軟的Cortana、在大多數(shù)智能手機(jī)上捆綁的谷歌軟件、亞馬遜的Alexa。這些系統(tǒng)并非完美無缺，它們有時(shí)會(huì)誤聽和誤解命令，會(huì)產(chǎn)生滑稽的結(jié)果，但是它們的性能正在穩(wěn)步提高，這讓我們看到了一個(gè)美妙的未來，那就是我們可以無需花費(fèi)很多精力來學(xué)習(xí)每個(gè)新設(shè)備的新型接口。
百度正在不斷取得驕人的進(jìn)步，尤其是在語音識(shí)別的準(zhǔn)確性方面，它擁有進(jìn)一步發(fā)展語音接口的能力。成立于2000年的百度，是中國對谷歌公司（已被中國政府屏蔽）的正面挑戰(zhàn)，它在中國的搜索引擎市場中占據(jù)主導(dǎo)地位，市場份額達(dá)70%。同時(shí)，百度公司已經(jīng)衍生出了多種其他服務(wù)，涉及到音樂、電影流媒體、銀行、保險(xiǎn)等各個(gè)領(lǐng)域。
在中國，一個(gè)更高效的移動(dòng)接口將為人們帶來巨大幫助，那就是智能手機(jī)。相比于臺(tái)式機(jī)或筆記本電腦，智能手機(jī)更為常見，但是在瀏覽網(wǎng)頁、發(fā)送信息以及完成其他任務(wù)時(shí)，智能手機(jī)較慢的反應(yīng)速度卻是令人感到痛苦和沮喪的。
中國有成千上萬的漢字，雖然人們可以通過拼音系統(tǒng)按照發(fā)音利用拉丁字母生成漢字，但是很多人（特別是年齡在50歲以上的人）不了解該系統(tǒng)。同時(shí)，中國人普遍使用一些類似于微信的通訊應(yīng)用軟件來完成各種各樣的工作，例如在餐館支付餐費(fèi)。但是，中國有許多貧困地區(qū)，識(shí)字水平仍然很低，互聯(lián)網(wǎng)在這些地區(qū)有著更大的可以產(chǎn)生較大的社會(huì)和經(jīng)濟(jì)效應(yīng)的機(jī)會(huì)。
“這是挑戰(zhàn)，也是機(jī)遇，” 吳恩達(dá)如是說，他因?yàn)樵谒固垢４髮W(xué)的人工智能和機(jī)器人技術(shù)方面的貢獻(xiàn)，被評選為為2008年度麻省理工科技評論35位35歲以下的創(chuàng)新者（TR35）之一?！皩τ诤芏嗔?xí)慣于使用臺(tái)式電腦的人來說，與其讓他們學(xué)習(xí)手機(jī)的新功能，不如從一開始就讓他們學(xué)習(xí)移動(dòng)設(shè)備的最佳適用方法。”
吳恩達(dá)認(rèn)為，可能很快就可以在各種設(shè)備上通過使用語音來相互交流。例如，如果僅僅通過語音便能夠向機(jī)器人或家用電器發(fā)送命令，那么你就可以更輕松地進(jìn)行操作。該公司在北京總部和硅谷的工廠設(shè)有研究小組，致力于不斷提高語音識(shí)別的準(zhǔn)確性，使計(jì)算機(jī)更好地分析語句的含義。
火爆的智能手機(jī)市場
中國火爆的移動(dòng)互聯(lián)網(wǎng)市場不斷推動(dòng)著語音技術(shù)的創(chuàng)新。
移動(dòng)互聯(lián)網(wǎng)用戶（以百萬計(jì)）
移動(dòng)設(shè)備上的互聯(lián)網(wǎng)用戶的比例
在過去幾十年里，麻省理工學(xué)院的一位高級研究員-- 吉姆·格拉斯（Jim Glass）一直致力于語音技術(shù)的研究，他認(rèn)為這可能是發(fā)展語音控制的最好時(shí)機(jī)?！罢Z音已經(jīng)成為了我們社會(huì)發(fā)展的一個(gè)轉(zhuǎn)折點(diǎn)，”他說。“根據(jù)我的經(jīng)驗(yàn)來看，當(dāng)人們可以與設(shè)備交談，而不是通過遠(yuǎn)程控制來實(shí)現(xiàn)任務(wù)命令時(shí)，他們會(huì)非常愿意這樣做?！?/p>
去年十一月是百度語音技術(shù)發(fā)展過程中的一個(gè)重要里程碑，它宣布其硅谷實(shí)驗(yàn)室已經(jīng)開發(fā)出了一個(gè)強(qiáng)大的新型語音識(shí)別引擎，被稱為深度語音識(shí)別系統(tǒng)（Deep Speech 2）。它包含了一個(gè)非常大的、 “深”的神經(jīng)網(wǎng)絡(luò)，它學(xué)習(xí)了單詞和短語的關(guān)聯(lián)聲音，引入了數(shù)以百萬計(jì)的轉(zhuǎn)錄語音。Deep Speech 2在口語識(shí)別的準(zhǔn)確度方面十分驚人。事實(shí)上，研究人員發(fā)現(xiàn)，有時(shí)它在識(shí)別漢語語音片段方面，要比人為識(shí)別更加準(zhǔn)確。
百度的進(jìn)步令人感到驚喜，因?yàn)槠胀ㄔ捲诎l(fā)音方面十分復(fù)雜，并且音調(diào)不同，詞和詞意就不同。Deep Speech 2另一個(gè)引人注目的原因是，在加利福尼亞實(shí)驗(yàn)室研究這項(xiàng)技術(shù)的人員中，幾乎沒有人講普通話、粵語、或其他任何中國方言。該引擎基本上是一個(gè)通用的語音系統(tǒng)，如果輸入足夠多的示例，它同樣可以進(jìn)行英語的語音識(shí)別。
目前，百度搜索引擎聽到的大部分聲音命令都是比較簡單的查詢 -- 例如，關(guān)于明天的天氣或污染程度。對于這些問題的語音識(shí)別，該系統(tǒng)通常是非常準(zhǔn)確的。然而，越來越多的用戶開始問更加復(fù)雜的問題。面對這些情況，該公司在去年推出了自己的語音助手，作為其主要的移動(dòng)應(yīng)用程序的一部分，被稱為度秘（DuEr）。度秘可以幫助用戶查詢電影放映時(shí)間、或者是幫助用戶在一家餐廳訂位。
百度的最大挑戰(zhàn)是使其人工智能系統(tǒng)，更為智能地理解和回應(yīng)更加復(fù)雜的口語短語。最終，百度希望度秘可以進(jìn)行有意義的來回對話，將變化的信息加入到討論內(nèi)容中。為了實(shí)現(xiàn)這個(gè)目標(biāo)，百度北京公司的一個(gè)研究小組正在努力提升口譯用戶進(jìn)行查詢所使用的系統(tǒng)。包括使用百度已應(yīng)用于語音識(shí)別的神經(jīng)網(wǎng)絡(luò)技術(shù)，但也需要其他的技巧。百度已經(jīng)聘請了一個(gè)團(tuán)隊(duì)來分析發(fā)送至度秘的查詢內(nèi)容，并糾正相關(guān)錯(cuò)誤，從而不斷提升該系統(tǒng)，使其越來越好用。
“未來，我希望我們能夠與所有的設(shè)備交談，讓它們了解我們在說什么，” 吳恩達(dá)說。“我希望有一天，下一代人會(huì)感到困惑，為何我們在2016年對微波爐打招呼時(shí)，它會(huì)無禮地坐在那里，對你說的話毫無反應(yīng)。”
聯(lián)系客服
