794
技術社區[雲棲]
語音技術正在改變計算行業
英國科幻小說家 Arthur C. Clarke 曾經說過，任何足夠高級的技術都近乎魔術。迅速崛起的語音計算技術證明了他的觀點。使用該技術如同下咒語一樣：隻需要對著空氣說幾句話，附近的設備就可以滿足願望。
亞馬遜Echo是一台語音圓柱形計算機，我們可以將它放在桌麵上，唿叫“Alexa”就可以喚醒，它可以播放音樂，講笑話，回答旅行問題，控製智能家電；就在聖誕之前，4%的美國家庭已經擁有Echo。
在智能手機市場，語音助手迅速發展。每周蘋果Siri處理200億個命令，在美國來自Android手機的Google語音搜索已經占了20%的份額。用語音發郵件、寫信息已經相當可靠。既然能夠說，為什麼還要輸入文字呢？
這是一次巨大的轉變。語音有能力改變計算產業，它可以用更自然的方式互動。Windows、圖標、菜單、觸摸屏，與複雜的鍵盤相比它們無疑都是非常直觀的交互方式。
如果可以與計算機對話，就可以完全廢棄“用戶界麵”。手機不再隻是沒有線的電話，汽車不再隻是沒有馬的車廂，同樣的，沒有屏幕和鍵盤的計算機可以變得更實用，更強大，更流行。
語音不會完全取代其它輸入輸出方式，有時，輸入比說話更加方便。但在我們使用技術的過程中，語音的地位會越來越高。要完全發揮語音技術的潛力，還有一些障礙需要突破。
Alexa，什麼是深度學習？
計算機口述係統已經存在多年了，不過係統並不可靠，需要進行長時間訓練才能理解某個人的聲音。近年來，計算機不需要訓練就可以識別任何人的語音，這些突破全都歸功於“深度學習”，它是一種人工智能技術，利用深度學習技術，軟件可以用無數案例學習，這些案例一般來自網絡。
有了深度學習，在識別筆跡時計算機像人一樣精準，計算機翻譯係統正在快速進步，“文本-語音”係統不再那麼生硬，發出的聲音更加自然。總之，不論從哪方麵來看，計算機處理自然語言的能力越來越強。
有了深度學習，機器識別語音的能力提高，說話的方式不再那麼呆板，盡管如此，它仍然無法理解語言的意義。理解意義是最大的難題，如果語音計算想要流行起來，這一障礙必須克服。
計算機隻有理解環境，才能圍繞某一主題進行連貫的對話，現在的係統隻能對簡單的一次性命令做出回應。
大學、大企業和小企業的研究人員正在努力解決這一問題，它們開發可以完成精致對話、可以處理複雜任務的機器人，這些機器人可以檢索信息，為抵押貸款提供建議，還可以安排旅行計劃。
什麼時候魔法才能替代拚寫？
語音計算如何進化，消費者與監管機構也起到了重要的決定作用。雖然語音技術仍然處在原始階段，但是它已經帶來一些問題：當係統麵向個人時非常實用，它可以獲得大量數據，比如日曆、郵件、其它敏感信息。於是乎，隱私與安全問題接踵而來。
許多語音設備一直在監聽，隨時準備激活，問題因此變得更複雜。聯網麥克風裝進了每一個房間和每一台智能手機，這種現狀已經引起一些人擔憂。並非所有語音都被送到了雲端，當設備聽到觸發短語時（比如“Alexa”、 “OK,Google”、 “Hey Cortana”、 “Hey,Siri”）才會將用戶的語音傳輸到服務器，然後開始處理問題。如果設備開始存儲語音，我們根本不知道誰持有數據，存儲了哪些數據，何時存儲的。
警察曾經調查Arkansas（阿肯色州）凶殺案，案發經過可能被亞馬遜Echo監聽，警察要求亞馬遜開放語音數據，方便查看。亞馬遜拒絕了，它不知這樣做是否合法。
2016年也曾出現過相似的事情，當時蘋果拒絕幫助 FBI 破解槍殺案凶手的 iPhone。這兩件事告訴我們：應該建立規則，讓大家知道何時接入個人隱私數據、獲得什麼數據是合理的。
即使這些問題沒有解決，消費者還是會接受語音計算技術。在許多環境中，語音方便得多，自然得多。當我們在做其它事時，語音最能發揮作用。因為各種原因，有時用戶無法使用屏幕或者鍵盤，此時語音計算可以拓寬用途。
事實上，語音技術不隻對計算造成影響，還影響了語言本身。對於大多人來說，要想說一門不懂的外語比登天還難，計算機模擬翻譯工具可以解決問題。如果機器可以說話，小語種就可以存活下來。在人類與計算機互動的曆史長河中，觸摸屏是最近出現的一次變革，如果能向語音轉移，變革的力度會更大。
本文轉自d1net（轉載）
最後更新：2017-07-20 23:04:06