據國外媒體報道稱(chēng)，谷歌高級研究員杰夫-迪恩(JeffDean)當地時(shí)間周三在于加州圣克拉拉召開(kāi)的人工智能前沿峰會(huì )(AI Frontiers Conference)上表示，谷歌自2012年以來(lái)已經(jīng)將語(yǔ)音識別的錯誤率降低了30%以上，這對于如今AI當道的科技領(lǐng)域來(lái)說(shuō)可謂意義非凡。
在這兒，迪恩所說(shuō)的語(yǔ)音識別錯誤率是指“谷歌將一個(gè)詞語(yǔ)從語(yǔ)音轉錄成為文字時(shí)的錯誤率”。迪恩表示，谷歌自2012年以來(lái)已經(jīng)成功將這一錯誤率降低了30%以上。與此同時(shí)，一名谷歌發(fā)言人也同科技媒體VentureBeat證實(shí)了這一數據的準確性。
迪恩表示，這一語(yǔ)音識別錯誤率的下降得益于神經(jīng)網(wǎng)絡(luò )的應用。目前，包括谷歌和其他企業(yè)均在深度學(xué)習中使用了這一神經(jīng)網(wǎng)絡(luò )技術(shù)，研究人員通過(guò)使用大量數據對神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練。比如通過(guò)大量的語(yǔ)音片段練習，然后讓他們基于已經(jīng)獲悉的內容對新數據作出推斷。
消息稱(chēng)，谷歌最早在2012年，也就是Android“果凍豆”系統發(fā)布的時(shí)候首次將神經(jīng)網(wǎng)絡(luò )技術(shù)應用于語(yǔ)音識別領(lǐng)域。具體來(lái)說(shuō)就是，當用戶(hù)向Android“果凍豆”系統的語(yǔ)音識別軟件說(shuō)話(huà)時(shí)，聲音頻譜會(huì )被分解并發(fā)送到谷歌全球服務(wù)器“大軍”中的八臺電腦，隨后由負責開(kāi)發(fā)這個(gè)項目的谷歌研究科學(xué)家文森特-凡毫克(VincentVanhoucke)及其團隊開(kāi)發(fā)的“神經(jīng)網(wǎng)絡(luò )”模型進(jìn)行處理。
凡毫克在當時(shí)就表示，與此前版本的Android系統相比，“果凍豆”語(yǔ)音識別系統的誤差率要低25%左右，而這能讓用戶(hù)更加愿意使用語(yǔ)音命令。
在此之后，盡管這一技術(shù)的發(fā)展影響著(zhù)越來(lái)越多的谷歌產(chǎn)品，但該公司卻鮮有公開(kāi)討論自己在語(yǔ)音識別技術(shù)上取得的進(jìn)展。2015年，谷歌CEO桑德加-皮查伊(SundarPichai)曾表示“谷歌語(yǔ)音識別的錯誤率約為8%”。
蘋(píng)果Siri團隊資深總監、前微軟語(yǔ)音識別項目高管亞歷克斯-阿賽洛(Alex Acero)在去年8月接受Backchannel主編史蒂芬-列維(StevenLevy)采訪(fǎng)時(shí)透露，Siri在所有語(yǔ)言中的錯誤率降低了兩倍，甚至在許多情況下超過(guò)了兩倍。此外，微軟也在去年9月份表示，旗下語(yǔ)音識別技術(shù)的出錯率已經(jīng)降至6.3%，打破了IBM超級電腦沃森之前保持6.9%的出錯率紀錄。
事實(shí)上，為了能在這場(chǎng)技術(shù)革命中處于領(lǐng)先位置，包括亞馬遜、蘋(píng)果、谷歌和IBM在內的科技企業(yè)都已經(jīng)開(kāi)始面向消費者提供語(yǔ)音識別技術(shù)。比如，蘋(píng)果不久前在Siri中添加了第三方整合功能，允許它與第三方應用通訊，這意味著(zhù)用戶(hù)將可以利用Siri服務(wù)直接呼叫Uber專(zhuān)車(chē)。
然而，如果要想成為消費者最主要的計算平臺，語(yǔ)音助手仍需迎來(lái)進(jìn)一步改進(jìn)。凱鵬華盈分析師、被巴倫雜志冠以“互聯(lián)網(wǎng)女王”稱(chēng)號的瑪麗-米克爾(Mary Meeker)就表示，語(yǔ)音識別的準確率必須達到99%左右才有可能成為最有效的計算輸入形式。
