人工智能中轉站：人機語音交互

吳豐恆

智能語音交互對人們生活的影響正在潛移默化地發生。

以前，人們還習慣於通過鍵盤和觸控屏操控智能設備，而三到五年內，科學家認為人們或許可以隨時給身邊智能設備、機器人下達指令，幫助訂餐、訂票，乃至端茶遞水。

過去，機器對語音識別度不高，對自然語言的語義更難以理解，阻礙了語音交互的應用。

但僅僅在一兩年內，隨降噪技術、方言識別、“雙工多輪交互”技術、機器學習技術的發展、對語音的準確識別，乃至對語義的準確理解，讓機器準確理解並執行人類指令成為可能。

“以語音和語言為入口的認知革命，將推動人工智能夢想成真。這是一條人工智能走認知計算的必由之路。”由科大訊飛研發的最新技術，實時文字同傳了科大訊飛董事長劉慶峰的演講。

“(原來)我問一次北京明天天氣，然后可以再問上海明天天氣。而現在我可以問北京明天天氣，然后直接問‘上海的呢?’，它馬上就知道上下文相關。”劉慶峰。

同時，在機器回答問題時，人類今后也可以隨時打斷，插入新的指令和話題。

方言、環境噪音，都可能影響語音識別準確度，而劉慶峰表示，最新的科技，結合了方言、降噪、“雙工多輪”等技術，2015年將語音識別準確度由40%已提升至90%。

讓機器執行人類語音指令，識別是首要前提，但接下來另一個重要課題是如何讓機器理解自然語言語義，而這也涉及更深層次“人工智能”。

過去60年中，人工智能掀起過兩波浪潮，從證明數學原理，到大規模神經網絡出現。直到2006年，機器“深度學習”正式提出，並被證明可用於大規模神經網絡的學習訓練，海量的數據給予機器學習資源，卷積神經網絡、遞歸神經網絡等機器學習技術，在語音交互方面逐步獲得應用。

“我們認為，人工智能發展有一條必由之路，就是以語音和語言為入口的認知智能的革命。這是我們今天所面臨的機會，也是我們已經找到的路徑。”劉慶峰。

隨語音識別技術發展，演講者現場發言時語音同步轉錄為文字實時顯示，已經可以保證高準確度。這項技術將可能應用於教育、文化娛樂等多個領域。例如，學生將可以實時獲得並保存教師講課的文字內容，而專門從事語音文字轉錄的速記行業將發生改變，秘書和文字工作者的工作分量可減輕。

不過，機器在合成、識別很多方面達到人工水平是感知智能的發展，最有挑戰性的是認知智能。

怎樣突破認知智能?劉慶峰認為，應當回到人類進化的原點，“各方面的證據匯在一起，語言使得我們能夠反饋周邊環境信息，才使得我們可以虛構概念，可以有理想、有主義，可以有組織。”

認知智能有三個核心能力：交互、知識管理、學習和推理方面。學習、推理能力的發展成功已經應用到電信、金融、教育等行業。

在電信行業，智能語音客服已經可以代替三大運營商30%的人工客服。

在教育行業，美國、日本和中國都推出了“機器高考”項目。其中美國的目標是讓計算機未來通過美國生物學大學入門考試，日本的目標是讓機器人2021年能夠考上東京大學，中國的人工智能計劃，也是讓類人答題機器人3到5年內能夠考上一本大學，這意味，在未來中國100個大學生中，機器要考入前20，其不僅需具備較強的記憶能力，還必須具備表達、推理、學習能力。

機器學習在教育行業的發展誕生了智能閱卷，而通過智能閱卷，可以分析出學生學習的薄弱環節，“有了這些技術，我們就可以給孩子有針對性的學習推薦，使個性化學習真的成為可能。”劉慶峰。

“人工智能一定是為人類服務的，是用來延展我們人類的能力的。隨萬物互聯時代的語音、語言交互，使得我們的智慧可以在后台進行碰撞比對，相互發獲得靈感，我們人類的群體智慧會上一個巨大台階。那個時候不是奇點臨近，不是人類末日的到來，而是人類一個全新時代的開始。”劉慶峰。