關(guān)于人工智能語音的三次技術(shù)躍進(jìn)詳細(xì)分析

人工智能的誕生沒有統(tǒng)一說法。

有部分學(xué)者以1950年“人工智能之父”馬文·明斯基建造世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)為起點(diǎn)，到現(xiàn)在，大致經(jīng)歷三段演化和推進(jìn)。

讓我們一起回顧整個(gè)過程，來看一下人工智能語音的三次技術(shù)躍進(jìn)。

現(xiàn)在，人工智能語音技術(shù)在數(shù)碼、電子、工業(yè)制造領(lǐng)域被廣泛應(yīng)用并且成為全民熱議的話題，可是在發(fā)展之初它還有很多稚嫩的地方。

關(guān)于人工智能時(shí)代的討論有很多，但在消費(fèi)層面上，真正大范圍進(jìn)入用戶試用階段的人工智能語音應(yīng)用大概在2010年之后。這個(gè)階段的人工智能語音技術(shù)形成了以語音交互為主的感知狀態(tài)，我們暫且稱之為第一階段。

這時(shí)的人工智能語音應(yīng)用通過算法的演變和大量數(shù)據(jù)的輸入，在技術(shù)層面實(shí)現(xiàn)自然語音識(shí)別和語義理解，針對(duì)對(duì)話內(nèi)容進(jìn)行數(shù)據(jù)匹配，然后調(diào)取相關(guān)話題，從而實(shí)現(xiàn)簡(jiǎn)單內(nèi)容的單向一問一答。

第一階段在自我學(xué)習(xí)、邏輯推理方面有很大欠缺，不能針對(duì)同一對(duì)話內(nèi)容展開深入交互，橫向拓展和縱向發(fā)展都不能滿足用戶需求。

例如你問今天天氣如何？他調(diào)取今天的天氣數(shù)據(jù)。

接著你問明天的天氣如何？他調(diào)取明天的天氣預(yù)報(bào)。

今天天氣和明天天氣只是各自獨(dú)立的對(duì)答，不能連接貫通，形成邏輯。

關(guān)于人工智能語音技術(shù)的研究，國(guó)外企業(yè)投入較早，且發(fā)展也比較全面。

像Nuance，曾經(jīng)在語音識(shí)別方面功績(jī)卓著，到現(xiàn)在為止仍然是全球最大的語音技術(shù)公司，專利數(shù)量和市場(chǎng)份額都遙遙領(lǐng)先。之后包括亞馬遜、蘋果和谷歌，都在深度挖掘智能語音，推出自己的語音助手。

據(jù)不完全統(tǒng)計(jì)，目前全球?qū)I(yè)做人工智能語音的公司有上千家之多，后起之秀越來越多，涉及的領(lǐng)域越來越廣。

如總部位于奧地利維也納的Cortical.io，主要提供新型自然語言理解(NLU)解決方案。

由艾倫人工智能研究所和亞馬遜Alexa基金等機(jī)構(gòu)資助KITT.AI公司，開發(fā)可定制熱詞檢測(cè)器(hotworddetector)和對(duì)話引擎ChatFlow。舊金山的MindMeld公司可提供對(duì)話式人工智能平臺(tái)等等。

早在2000年，比爾 · 蓋茨就提出“未來10年是語音的時(shí)代”。

我們目前所說的智能語音，學(xué)術(shù)界稱為“自然語言處理”(來自百度)。業(yè)內(nèi)人士認(rèn)為，智能語音技術(shù)將會(huì)成為人類主流的人機(jī)交互方式之一，計(jì)算機(jī)技術(shù)與人工智能領(lǐng)域的發(fā)展為智能語音交互發(fā)展帶來了希望。

人工智能語音交互的更深層階段——對(duì)話，即有問有答，包含上下文邏輯。

舉個(gè)例子或許更好理解，如果一門課程上一年沒開設(shè)，對(duì)于“這門課程去年有多少同學(xué)沒通過”這樣的問題，機(jī)器是回答“都沒通過”還是“去年沒開這門課”？同時(shí)機(jī)器還需要提前存儲(chǔ)“去年沒開這門課”的信息，想想我們從小時(shí)候啥也不懂到現(xiàn)在懂得的知識(shí)和信息，這是難以想象的數(shù)據(jù)量。

再比如說“我想聽周杰倫的歌”，機(jī)器只會(huì)將周杰倫的歌顯示出來，并不能直接播放。就是說假如你要做一件事情，需要給機(jī)器一個(gè)明確的指令，否則，會(huì)讓人很煩躁，因?yàn)槟阋恢闭f下去。

當(dāng)然，“對(duì)話”層面，仍然停留在“人機(jī)對(duì)話”階段，機(jī)器仍然停留在被動(dòng)接受人類輸入大量數(shù)據(jù)階段，相比“問答”層面，只不過信息流、數(shù)據(jù)存儲(chǔ)量更大，機(jī)器仍然不能更深層次理解人的意思，無法實(shí)現(xiàn)自學(xué)習(xí)、自成長(zhǎng)，與機(jī)器的語音交流還不能像人一樣自然。

人工智能進(jìn)入第三階段，最大的進(jìn)展就是交互的進(jìn)展。不僅僅有問有答，不僅僅包含上下文邏輯了，人工智能硬件能夠更多地融合各種環(huán)境信息，作出不同決策或推薦。也就說，在交互的過程中，機(jī)器有了更多的主動(dòng)性，能夠?yàn)槿颂峁└?、更好的幫助，讓人們的生活更便捷，更安全，更有趣?/p>

有兩個(gè)比較典型的應(yīng)用場(chǎng)景，一個(gè)是智能汽車，一個(gè)是智能家居。

2010年，谷歌秘密研究的無人汽車項(xiàng)目被《***》記者曝光，當(dāng)時(shí)引起了不小的震動(dòng)。無人汽車即無人駕駛汽車，也叫智能汽車，主要是通過車載傳感系統(tǒng)感知道路環(huán)境，并依靠車內(nèi)的人工智能系統(tǒng)自動(dòng)規(guī)劃行車路線，到達(dá)預(yù)定目的地。

谷歌無人駕駛汽車在開放道路上行駛時(shí)，會(huì)對(duì)來往車輛、行人，路面環(huán)境信息進(jìn)行識(shí)別與分析，為系統(tǒng)的決策判斷提供依據(jù)。系統(tǒng)經(jīng)過長(zhǎng)期的“學(xué)習(xí)”后，人工智能具備的策略神經(jīng)元將變得更加熟練高效，并形成類似于人的“感覺”，能及時(shí)處理駕駛過程中的突發(fā)情況。

2016年1月，美國(guó)國(guó)家公路安全交通管理局(NHTSA)在其網(wǎng)站上發(fā)布了***，表示根據(jù)聯(lián)邦政府現(xiàn)行法律規(guī)定，谷歌的無人駕駛汽車采用的人工智能系統(tǒng)可以被視為“司機(jī)”。這被視為是人工智能發(fā)展里程碑的事件，也標(biāo)志著“智能”可以像“人工”一樣感知、判斷、推理并做出決策，可以實(shí)現(xiàn)主動(dòng)控制，也能更好地人機(jī)交互與協(xié)同。

在智能家居領(lǐng)域，人工智能的發(fā)展方向同樣是人機(jī)交互、操作簡(jiǎn)單、通過大數(shù)據(jù)能夠進(jìn)行自主判斷決策。

長(zhǎng)虹前不久推出了人工智能電視新品Q5K，主打語義理解和模糊搜片。不需要絕對(duì)明確的指令，人工智能電視能識(shí)別和理解用戶的語義。比如當(dāng)用戶說“太暗了”時(shí)，電視能理解那是什么意思并知道該怎么做，而不是非得等用戶說出“調(diào)高亮度”。

再比如，最近熱播的一部電視劇《那年花開月正圓》，名字太長(zhǎng)很多人記不住，但只要你說“我想看花開月圓”，長(zhǎng)虹人工智能電視也能找到這部片。如果連這幾個(gè)字都記不住，說“我想看陳曉的電視劇”，它也會(huì)根據(jù)熱播影視數(shù)據(jù)推薦出這部片來。甚至于說到“我想看陳妍希老公的電視劇”，這臺(tái)電視也能理解，你所說的八成就是這部由陳曉主演、最近熱播的《那年花開月正圓》，并為你播放出來。

這就相當(dāng)于機(jī)器真正有了“大腦”，從而可以感知，交互，理解和決策。因此，也就能夠更好地為人類服務(wù)了。