首页 首页 物联网 查看内容

语音识别尚难称“交互” 智能家居将享商业化红利

木马童年 2018-12-7 00:45 153 0

核心提示:继马云年初在德国刷脸支付淘宝后,上周招商银行也推出刷脸ATM取款。相比于人脸识别、指纹识别等生物特征在金融领域大放异彩,语音识别则不温不火地渗透到人们的生活细节中。

继马云年初在德国刷脸支付淘宝后,上周招商银行也推出刷脸ATM取款。相比于人脸识别、指纹识别等生物特征在金融领域大放异彩,语音识别则不温不火地渗透到人们的生活细节中。10月初,科大讯飞发布客家话版本,这是其第14种地方方言;上周,出门问问则获得Google的C轮融资,这也是Google2010年退出中国后第一笔投资。

从语言学角度说,自然语言包括词法、语法、语义、语用四个阶段。目前语音识别从词法、语法的理解,逐步进入多种表达方式的语义阶段。如果说人脸识别让安全进入生物阶段,那么语音识别则让人工智能进入感官时代。真正学会主动思考的机器人时代似乎也不遥远了。

从“听得到”到“听得懂”

语音识别,用人类比喻就是先用耳朵(前端模块)听进去,然后通过大脑(识别系统)理解,然后再通过嘴巴(后端解码)表达出来。耳朵与嘴巴需要的是灵敏度,而大脑则需要不断训练学习。

关于前端,汉王科技常务副总裁徐冬坚告诉记者:“这部分难度主要在于算法,因为目前的语音样本主要来自于移动设备,都是非标准的、自然场景的。”一般情况需要信号处理与特征处理,前者去除环境噪音,后者则对某些特定语言进行标注,从而使语言成为机器能理解的“信号”。

标注之后就进入了识别系统,一套语音系统包括声学模型与语言模型。语言模型一般采用N-G ram模型,就是统计每个词前面的单词出现的概率;声学模型主要有深度网络与递进网络两种,微信、科大讯飞、出门问问都采用前者,和人脑类似,模型中的神经元获得标注后,对比已有的标注数据,通过不断反馈错误,使得每个神经元重新学习。

但出门问问CTO雷欣告诉记者,深度学习网络需要人工标准,“语音分析数据人工标注只需要听懂普通话就行,但对于语义分析的一些特定任务,要求语言学研究生以上级别,这导致其数据标注获取十分昂贵。”

大量数据的训练也是语音识别的门槛之一,像科大讯飞对一套语言系统训练至少需要2万小时及过百万词汇量,没有足够的样本量也无法让其理解语言与文字之间的内在关系,而云数据就在这里面发挥了作用。“以前的识别只能是在PC或嵌入式的设备上运行,现在通过云端来提供服务是识别技术发展的必然趋势。”徐冬坚表示,汉王向语音开发者开放API接口,而也是这些云平台的数据让语音识别变得不那么“高大上”。

同时,一套语言系统更多的学习还在于投入应用之后。这也能有效解决方言数据不足问题,比如说科大讯飞10月份刚上线客家话版本,但实际上客家话方言差异很大,目前只是以梅州为主音,在未来需要用户反馈去优化。

“目前微软人工智能机器人小冰上线一年多,一开始的训练数据来自必应的搜索大数据,而现在小冰已经实现了自我成长,超过50%的数据量来自于后期用户的反馈。”微软小冰负责人李笛告诉记者,“同时,小冰还具有情感计算的能力,可以通过用户的客观档案、重要时间节点以及行为习惯三方面进行采集,去理解每个用户的不同。”

说比听容易。如果“大脑”能够理解,解码便成了最容易的事。像小冰还听不懂粤语,但可以根据用户的定位和行为习惯表达粤语等方言俚语。根据不同场景,比如作为输入法的科大讯飞注重口语翻译文字,而出门问问的智能手表ticwatch则是将用户搜索内容通过发音字典“说”出来。

商业化前景

一个语音系统经过大量工程师、语言学家的训练推向市场,就要考虑商业化问题。“虽然语音不像人脸、指纹一样具有唯一性,可作为金融领域等的身份辨别功能,但语言的输入与交互更加自然”,雷欣如是表示。

目前,语音识别面向消费者的应用场景主要包括翻译文字、垂直搜索、定向推送,不同互联网公司根据其需求叠加不同服务。比如说在翻译文字上,搜索引擎谷歌、百度更注重网页翻译,阿里巴巴注重商品信息,而科大讯飞则偏重口语;而定向推送及垂直搜索主要是根据用户的上下文关联,推送更多生活服务,比如出门问问的可穿戴设备ticwatch。

“一个通用的语音识别引擎(常见的输入法)在识别某种特定领域(如垂直类生活服务搜索时),效果不会很好,这需要特定声音模型与语音模型的训练。”雷欣举例说,“比如‘帮我找一下附近的酒店,3星级以上,带WIFI,今晚入住,明天退房’,这需要理解用户核心需求找酒店以及其他关键信息。”

在长时间训练下,语音识别系统可以从理解语法到理解语义,应用于更多垂直行业领域———教育、车联网智能家居是多家语音平台提到的最主要的垂直应用领域。比如科大讯飞介入普通话考试以及汽车互联网服务等领域;而汉王则结合其OCR识别(手写与文字识别),来表达公式、图像等教育内容。

比如车联网,“语音可以实现盲操作,不会分散司机注意力,比起图像更适用于高速驾驶状态”,达晨创投南区TMT投资总经理程仁田告诉记者,但实现车联网的前提是硬件上要先有联网功能。

“人脸可以作为身份辨别,但语言却是人工智能的感官系统。”微软(亚洲)互联网工程院院长王永东告诉记者,“人工智能助理小娜属于有用的工具阶段,这也是目前语音识别最广泛的应用领域,而小冰希望通过情感学习成为‘可信任’的朋友。你可以发现现在的语言输入基本是命令式的,而不是真正的交互式。”

“如果它能取得用户信任,理解用户的喜好,它的商业价值就更明显,比如说电商推荐。”王永东说,目前小冰肯定不考虑商业化问题。“谁喜欢一个没多熟,还天天‘安利’的朋友啊!”

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

人脸识别 指纹识别 语音识别 科大讯飞 自然语言 人工智能
0
为您推荐
5G时代的到来,能推动万亿规模的物联网吗?

5G时代的到来,能推动万亿规模的物联网吗?

据预测,未来5年,差不多所有人们能看见的东西都将被纳入物联网。大到国防安全、智慧…...

智能社区带来的楼宇对讲系统变化

智能社区带来的楼宇对讲系统变化

如果说这几年的变化,我们可以看到城市化的快步,电子技术的更新速度变快,电子产品更…...

物联网领域已成为当下热门的新战场,物联网智能化的关键是什么?

物联网领域已成为当下热门的新战场,物联网

随着智能设备的普及以及硬件成本的下降,物联网(IoT)领域已成为当下热门的“新战场”…...

大数据智慧城市水务系统,为杭州加了5个西湖

大数据智慧城市水务系统,为杭州加了5个西

希望能将大数据、云计算、物联网等信息技术和手段应用到城市水务系统安全运行的检测与…...

要成为物联网的paas平台,需要哪些条件做为支撑?

要成为物联网的paas平台,需要哪些条件做为

物联网的平台企业具有天然的垄断性,平台型企业的数量是有限的,所以想成为物联网的平…...

物联网正处于成为现实的边缘,我们还要继续等吗?

物联网正处于成为现实的边缘,我们还要继续

云已经在眼前一亮,但它将采取一个杀手级的应用程序,以便在消费者和企业之间完全正常…...