語音辨識技術的最新進展

標籤：

       7月11日，我在短文“現代人工智慧走在仿生學的大道上”中提出關於現代人工智慧的仿生學研究方向，是一句大實話。為什嗎？

大家知道，在上世紀60-70年代，加拿大神經生理學專家David Hubel(1926-2013)以實驗為基礎，搞清楚了人類大腦視覺系統對外界刺激訊號的反應機制，揭示了大腦神經皮層的多階層，奠定了現代人工智慧的仿生學基礎。

在電腦科學發展曆史中，語音辨識（SR）是個難題，科學家絞盡腦汁，幾乎什麼方法都用了，還是不見成效。人的聽覺神經系統是不是具有多階層特徵？如果聽覺系統的神經元對外界刺激訊號的反應順序有先後，那麼，使用人工神經網路進行“模擬”是一條可行的道路。

廢話少說。2011年秋季，在意大利佛羅倫薩召開的國際語音辨識大會（Interspeech）上，微軟發表了對語音辨識深度神經網路建模的重大改進：協同發音（Coarticulation）建模，減低語音辨識錯誤率，當場示範了”同聲傳譯“，效果極佳。

2014年，微軟推出了語音助手”小娜“（Cortana），並且將其捆綁到Win10作業系統之中。2015年7月29日，中國廣大電腦使用者即可直接體驗微軟的語音辨識新技術了。

至此，機器有了耳朵（ear）也有了眼睛(eye)，人類不再孤獨。實際上，機器什麼”智慧“也沒有，只是人類的一種馴服工具而已。

    註：2011年世界語音辨識大會（InterSpeech），會議文集刊有近2,000篇論文，足見其規模之大，影響甚遠。

袁萌7月12日

著作權聲明：本文為博主原創文章，未經博主允許不得轉載。

語音辨識技術的最新進展