语音接口，解放人的双手 | 2016 年十大突破技术

编者按：近日，MIT 评出了“2016 年十大突破技术”，包括：免疫工程，精确编辑植物基因，语音接口，可回收火箭，知识分享型机器人，DNA应用商店，SolarCity 超级工厂，Slack 协作交流软件，特斯拉自动驾驶系统，空中取电。本文展开介绍的是“语音接口”这项技术。

中国领先的互联网公司掌握着强大的语音技术，带动了整个中国手机市场的发展。

突破点：结合了语音识别和自然语言理解能力，为世界最大的互联网市场创造有效的语音接口。

意义：通过打字与电脑互动非常耗时并且令人沮丧。

主要研究者：百度、Google、苹果、Nuance、Facebook

技术上市时间：当前

在北京三里屯逛一圈，我们能看到许多人手里拿着最新款的手机，如苹果、三星还有小米。再近距离观察，你会发现他们并不是在使用触摸屏，而是在发语音。

中国有 6.91 亿智能手机用户，现在还在不断增长。百度成了用户常用的搜索引擎。中国非常适合语音接口的发展，因为中国的汉字本来就不适合用触摸屏输入。因此百度对语音的开发将会让我们与机器的交流更方便。

百度的一位发言人称，语音技术将会十分发达，人们将不用思考就能使用它——最厉害的技术常常是隐形的。

几十年来，开发语音接口一直都是技术专家的梦想。而在最近几年，机器学习的进步让语音控制得到了很大的进展。

语音功能将不再局限于预先设定好的命令，即便在北京吵闹的街头你也可以使用语音功能。语音助手，比如苹果的Siri、微软的Cortana、Google Now等都与大部分智能手机绑定，而最近亚马逊的Alexa能让查找信息、听歌识曲、语音创建购物单等更为方便。这些系统也并非十全十美，它们有时会因误听和误判而闹出笑话。不过语音技术确实能让我们窥见一个美好的未来，因为语音技术能省去我们了解每个接口的麻烦。

百度在语音技术上取得了巨大的进步，它的语音识别准确度非常高。百度成立于2000年，它是中国的国民搜索引擎。70%的网民都用百度搜索，它类似于美国的谷歌，而谷歌在中国被屏蔽。现在百度拓展了自己的业务——在音乐、视频流、银行及保险业等领域都有所涉及。

提高手机接口的运行效率将对中国大有裨益。现在智能手机搜索网页、发送信息的速度相当缓慢并且令人沮丧。中国有数以千计的汉字，虽然中国现在有一款软件叫做“拼音”，它能把拉丁语转化为汉语，但依然有许多人，尤其是50岁以上的人不知道这款软件。中国人常用微信处理各项工作，比如吃饭结账。在中国，许多来自于偏远地区的人文化水平很低，所以互联网在那儿有很大的市场。

Ng认为语音将很快成为各种通讯设备相互交流的工具。机器人和家用电器都能靠语音启动。这家公司在北京总部有一个研究团队，在硅谷有一个实验室——他们致力于对语音识别的精准度做进一步提高。

麻省理工的一名高级研究科学家吉姆在过去几十年内一直研究语音技术。他认为语音控制的时机已经到来。

去年11月，百度宣布其硅谷实验室开发了一款强大的语音识别引擎“深度对话2代”。它由一个非常大的神经网络组成——在它的数据库里存有数百万条语音对话，并且它能把听到的对话与数据库进行比对。“深度对话2代”的语音识别精准度高的惊人。它在识别汉语方面有时候甚至比人更精准。

百度进步的速度非常惊人。汉语在语音上十分复杂，因为改变一个音调就会影响其含义的表达。“深度对话2代”另一个突出的特点是，虽然研究人员基本不会汉语、广东话或其他中国方言，但他们却研究出了这么一款能识别汉语的软件。此外，这个语音引擎也是一款全球语音系统，只要有足够多的语音对话它也能学习英语。

用户在百度引擎客户端使用最多的语音命令只是简单的查询而已，比如查询明天的天气或污染水平等。虽然系统在这方面通常很准确，但用户的问题同时也变得越来越复杂。去年，百度开发了自己的语音助手DuEr，它能帮助用户查询电影上映时间以及订餐。

百度面临的更大挑战是如何让人工智能系统识别更为复杂的语音。为了实现这个目标，百度的北京总部决定改善这款识别用户查询的系统，这涉及一款神经网络技术。此外，研究人员还雇用了一个团队对DuEr收到的查询进行分析并改正错误，以便提高系统的准确度。

Ng说，未来我们将通过语音与身边的机械设备交流，也许将来某天我们的后代会十分惊讶：当微波炉打开的时候，它竟然就坐在那儿一声不响。

翻译来自：虫洞翻翻  译者ID：鬼畜小浣熊