人工智能中转站：人机语音交互

智能语音交互对人们生活的影响正在潜移默化地发生。以前，人们还习惯于通过键盘和触控屏操控智能设备，而三到五年内，科学家认为人们或许可以随时给身边智能设备、机器人下达指令，帮助订餐、订票，乃至端茶递水。

　　过去，机器对语音识别度不高，对自然语言的语义更难以理解，阻碍了语音交互的应用。

　　但仅仅在一两年内，随着降噪技术、方言识别、“双工多轮交互”技术、机器学习技术的发展、对语音的准确识别，乃至对语义的准确理解，让机器准确理解并执行人类指令成为可能。

　　“以语音和语言为入口的认知革命，将推动人工智能梦想成真。这是一条人工智能走认知计算的必由之路。”由科大讯飞研发的最新技术，实时文字同传了科大讯飞董事长刘庆峰的演讲。

　“（原来）我问一次北京明天天气，然后可以再问上海明天天气。而现在我可以问北京明天天气，然后直接问‘上海的呢？’，它马上就知道上下文相关。”刘庆峰说。

　　同时，在机器回答问题时，人类今后也可以随时打断，插入新的指令和话题。

　　方言、环境噪音，都可能影响语音识别准确度，而刘庆峰表示，最新的科技，结合了方言、降噪、“双工多轮”等技术，2015年将语音识别准确度由40%已提升至90%。

　　让机器执行人类语音指令，识别是首要前提，但接下来另一个重要课题是如何让机器理解自然语言语义，而这也涉及更深层次“人工智能”。

　　过去60年中，人工智能掀起过两波浪潮，从证明数学原理，到大规模神经网络出现。直到2006年，机器“深度学习”正式提出，并被证明可用于大规模神经网络的学习训练，海量的数据给予机器学习资源，卷积神经网络、递归神经网络等机器学习技术，在语音交互方面逐步获得应用。

   “我们认为，人工智能发展有一条必由之路，就是以语音和语言为入口的认知智能的革命。这是我们今天所面临的机会，也是我们已经找到的路径。”刘庆峰说。

　　随着语音识别技术发展，演讲者现场发言时语音同步转录为文字实时显示，已经可以保证高准确度。这项技术将可能应用于教育、文化娱乐等多个领域。例如，学生将可以实时获得并保存教师讲课的文字内容，而专门从事语音文字转录的速记行业将发生改变，秘书和文字工作者的工作分量可减轻。

　　不过，机器在合成、识别很多方面达到人工水平是感知智能的发展，最有挑战性的是认知智能。

　　怎样突破认知智能？刘庆峰认为，应当回到人类进化的原点，“各方面的证据汇在一起，语言使得我们能够反馈周边环境信息，才使得我们可以虚构概念，可以有理想、有主义，可以有组织。”

　　认知智能有三个核心能力：交互、知识管理、学习和推理方面。学习、推理能力的发展成功已经应用到电信、金融、教育等行业。

　　在电信行业，智能语音客服已经可以代替三大运营商30%的人工客服。

　　在教育行业，美国、日本和中国都推出了“机器高考”项目。其中美国的目标是让计算机未来通过美国生物学大学入门考试，日本的目标是让机器人2021年能够考上东京大学，中国的人工智能计划，也是让类人答题机器人3到5年内能够考上一本大学，这意味着，在未来中国100个大学生中，机器要考入前20，其不仅需具备较强的记忆能力，还必须具备表达、推理、学习能力。

　　机器学习在教育行业的发展诞生了智能阅卷，而通过智能阅卷，可以分析出学生学习的薄弱环节，“有了这些技术，我们就可以给孩子有针对性的学习推荐，使个性化学习真的成为可能。”刘庆峰说。

　　“人工智能一定是为人类服务的，是用来延展我们人类的能力的。随着万物互联时代的语音、语言交互，使得我们的智慧可以在后台进行碰撞比对，相互启发获得灵感，我们人类的群体智慧会上一个巨大台阶。那个时候不是奇点临近，不是人类末日的到来，而是人类一个全新时代的开始。”刘庆峰说。