技術(shù)領(lǐng)域的從業(yè)者花了數(shù)年時(shí)間開發(fā)語音識(shí)別軟體。目前，IBM稱其語音識(shí)別軟體的字詞錯(cuò)誤率僅為5.5％，低于之前的6.9％的記錄。這對(duì)于語音識(shí)別行業(yè)來說是重大的里程碑，可能最終會(huì)引領(lǐng)Siri和Alexa等語音助手的技術(shù)改進(jìn)。
微軟聲稱去年10月使用類似于聯(lián)想詞云的神經(jīng)語言模型達(dá)到5.9％的錯(cuò)詞率。當(dāng)時(shí)，該公司認(rèn)為這個(gè)數(shù)據(jù)能與人類錯(cuò)詞率相媲美。但I(xiàn)BM說這個(gè)數(shù)據(jù)并不值得慶祝。IBM主要研究科學(xué)家喬治·薩恩（George Saon）在本周發(fā)表的一篇博客中寫道：「我們是實(shí)現(xiàn)今天里程碑的重要貢獻(xiàn)者，然而我們確定人類實(shí)際錯(cuò)詞率比目前所有語音識(shí)別系統(tǒng)能達(dá)到的錯(cuò)詞率都低－僅為5.1％。」
IBM通過所謂的長短期內(nèi)存（Long Short-Term Memory），人工神經(jīng)網(wǎng)路、與三種強(qiáng)大的聲學(xué)模型相結(jié)合的WaveNet語言模型，開發(fā)出了錯(cuò)誤率僅為5.5％的語音識(shí)別系統(tǒng)。然后使用「SWITCHBOARD」語料庫對(duì)此語音識(shí)別系統(tǒng)進(jìn)行測(cè)量，該語料庫是幾十年來被用作語音識(shí)別軟體測(cè)量的標(biāo)準(zhǔn)。實(shí)現(xiàn)5.5%的詞錯(cuò)率是一個(gè)大突破，但實(shí)際上，測(cè)試標(biāo)準(zhǔn)并不總能體現(xiàn)真實(shí)數(shù)據(jù)的復(fù)雜性和多樣化，與此同時(shí)，人類實(shí)際詞錯(cuò)率的確定也表明我們還遠(yuǎn)沒有達(dá)到最終目標(biāo)。
哥倫比亞大學(xué)計(jì)算機(jī)科學(xué)系教授Julia Hirschberg說：「降低語音識(shí)別錯(cuò)詞率和衡量人類詞錯(cuò)率是一個(gè)持續(xù)性的挑戰(zhàn)。因?yàn)槿祟惖难哉Z，特別是在隨意交談的時(shí)候，是非常復(fù)雜的。同時(shí)，我們也很難為人類錯(cuò)詞率做標(biāo)準(zhǔn)界定，因?yàn)槊恳粋�(gè)不同的個(gè)體在理解他人語言上水平參差不齊�！�
相關(guān)信息補(bǔ)充：
IBM公司語音識(shí)別研究團(tuán)隊(duì)一直以「創(chuàng)造一種更具活力的電腦交互方式」作為重要使命之一。IBM于上世紀(jì)50年代末開始語音識(shí)別的技術(shù)研究。在1962年西雅圖世界博覽會(huì)上，由IBM研發(fā)出的「鞋盒」大放異彩，成為當(dāng)時(shí)世界上最先進(jìn)的語音識(shí)別機(jī)器，這臺(tái)機(jī)器能理解人類口述數(shù)字0~9以及簡單的運(yùn)算口令。但在之后的很長一段時(shí)間里，由于電腦技術(shù)和語音識(shí)別研究方法的限制，語音識(shí)別并沒有太大進(jìn)展。直到信息理論的強(qiáng)大統(tǒng)計(jì)演算法的出現(xiàn)，語音識(shí)別才重新踏上了進(jìn)步發(fā)展之路，能識(shí)別5000個(gè)英語單詞的語音識(shí)別系統(tǒng)面世。但還有一個(gè)問題擺在技術(shù)人員面前：這臺(tái)語音識(shí)別處理機(jī)大的出奇，無法實(shí)現(xiàn)應(yīng)用普及化。
時(shí)至今日，對(duì)于大眾最為熟悉的語音識(shí)別系統(tǒng)是Apple的Siri。藉助高速網(wǎng)路的發(fā)展，Apple利用高性能伺服器代替了手機(jī)來進(jìn)行有大量復(fù)雜運(yùn)算需求的語音識(shí)別工作。同時(shí)，搜索引擎和ios手機(jī)系統(tǒng)的結(jié)合，更使得Siri用戶體驗(yàn)性得到大幅度提升。在Siri大獲全勝后，Google等高科技企業(yè)也紛紛加入語音識(shí)別的開發(fā)洪流，而曾經(jīng)的「語音識(shí)別奠基人」IBM也在這個(gè)洪流中再度占據(jù)鰲頭。
時(shí)至今日，對(duì)于大眾最為熟悉的語音識(shí)別系統(tǒng)是Apple的Siri。藉助高速網(wǎng)路的發(fā)展，Apple利用高性能伺服器代替了手機(jī)來進(jìn)行有大量復(fù)雜運(yùn)算需求的語音識(shí)別工作。同時(shí)，搜索引擎和ios手機(jī)系統(tǒng)的結(jié)合，更使得Siri用戶體驗(yàn)性得到大幅度提升。在Siri大獲全勝后，Google等高科技企業(yè)也紛紛加入語音識(shí)別的開發(fā)洪流，而曾經(jīng)的「語音識(shí)別奠基人」IBM也在這個(gè)洪流中再度占據(jù)鰲頭。 技術(shù)領(lǐng)域的從業(yè)者花了數(shù)年時(shí)間開發(fā)語音識(shí)別軟體。目前，IBM稱其語音識(shí)別軟體的字詞錯(cuò)誤率僅為5.5％，低于之前的6.9％的記錄。這對(duì)于語音識(shí)別行業(yè)來說是重大的里程碑，可能最終會(huì)引領(lǐng)Siri和Alexa等語音助手的技術(shù)改進(jìn)。
微軟聲稱去年10月使用類似于聯(lián)想詞云的神經(jīng)語言模型達(dá)到5.9％的錯(cuò)詞率。當(dāng)時(shí)，該公司認(rèn)為這個(gè)數(shù)據(jù)能與人類錯(cuò)詞率相媲美。但I(xiàn)BM說這個(gè)數(shù)據(jù)并不值得慶祝。IBM主要研究科學(xué)家喬治·薩恩（George Saon）在本周發(fā)表的一篇博客中寫道：「我們是實(shí)現(xiàn)今天里程碑的重要貢獻(xiàn)者，然而我們確定人類實(shí)際錯(cuò)詞率比目前所有語音識(shí)別系統(tǒng)能達(dá)到的錯(cuò)詞率都低－僅為5.1％。」
IBM通過所謂的長短期內(nèi)存（Long Short-Term Memory），人工神經(jīng)網(wǎng)路、與三種強(qiáng)大的聲學(xué)模型相結(jié)合的WaveNet語言模型，開發(fā)出了錯(cuò)誤率僅為5.5％的語音識(shí)別系統(tǒng)。然后使用「SWITCHBOARD」語料庫對(duì)此語音識(shí)別系統(tǒng)進(jìn)行測(cè)量，該語料庫是幾十年來被用作語音識(shí)別軟體測(cè)量的標(biāo)準(zhǔn)。實(shí)現(xiàn)5.5%的詞錯(cuò)率是一個(gè)大突破，但實(shí)際上，測(cè)試標(biāo)準(zhǔn)并不總能體現(xiàn)真實(shí)數(shù)據(jù)的復(fù)雜性和多樣化，與此同時(shí)，人類實(shí)際詞錯(cuò)率的確定也表明我們還遠(yuǎn)沒有達(dá)到最終目標(biāo)。
哥倫比亞大學(xué)計(jì)算機(jī)科學(xué)系教授Julia Hirschberg說：「降低語音識(shí)別錯(cuò)詞率和衡量人類詞錯(cuò)率是一個(gè)持續(xù)性的挑戰(zhàn)。因?yàn)槿祟惖难哉Z，特別是在隨意交談的時(shí)候，是非常復(fù)雜的。同時(shí)，我們也很難為人類錯(cuò)詞率做標(biāo)準(zhǔn)界定，因?yàn)槊恳粋�(gè)不同的個(gè)體在理解他人語言上水平參差不齊�！�
相關(guān)信息補(bǔ)充：
IBM公司語音識(shí)別研究團(tuán)隊(duì)一直以「創(chuàng)造一種更具活力的電腦交互方式」作為重要使命之一。IBM于上世紀(jì)50年代末開始語音識(shí)別的技術(shù)研究。在1962年西雅圖世界博覽會(huì)上，由IBM研發(fā)出的「鞋盒」大放異彩，成為當(dāng)時(shí)世界上最先進(jìn)的語音識(shí)別機(jī)器，這臺(tái)機(jī)器能理解人類口述數(shù)字0~9以及簡單的運(yùn)算口令。但在之后的很長一段時(shí)間里，由于電腦技術(shù)和語音識(shí)別研究方法的限制，語音識(shí)別并沒有太大進(jìn)展。直到信息理論的強(qiáng)大統(tǒng)計(jì)演算法的出現(xiàn)，語音識(shí)別才重新踏上了進(jìn)步發(fā)展之路，能識(shí)別5000個(gè)英語單詞的語音識(shí)別系統(tǒng)面世。但還有一個(gè)問題擺在技術(shù)人員面前：這臺(tái)語音識(shí)別處理機(jī)大的出奇，無法實(shí)現(xiàn)應(yīng)用普及化。
IBM02
時(shí)至今日，對(duì)于大眾最為熟悉的語音識(shí)別系統(tǒng)是Apple的Siri。藉助高速網(wǎng)路的發(fā)展，Apple利用高性能伺服器代替了手機(jī)來進(jìn)行有大量復(fù)雜運(yùn)算需求的語音識(shí)別工作。同時(shí)，搜索引擎和ios手機(jī)系統(tǒng)的結(jié)合，更使得Siri用戶體驗(yàn)性得到大幅度提升。在Siri大獲全勝后，Google等高科技企業(yè)也紛紛加入語音識(shí)別的開發(fā)洪流，而曾經(jīng)的「語音識(shí)別奠基人」IBM也在這個(gè)洪流中再度占據(jù)鰲頭。
