语音识别技术的最新进展

       7月11日，我在短文“现代人工智能走在仿生学的大道上”中提出关于现代人工智能的仿生学研究方向，是一句大实话。为什么？

大家知道，在上世纪60-70年代，加拿大神经生理学专家David Hubel(1926-2013)以实验为基础，搞清楚了人类大脑视觉系统对外界刺激信号的反应机制，揭示了大脑神经皮层的多层次结构，奠定了现代人工智能的仿生学基础。

在计算机科学发展历史中，语音识别（SR）是个难题，科学家绞尽脑汁，几乎什么方法都用了，还是不见成效。人的听觉神经系统是不是具有多层次结构特征？如果听觉系统的神经元对外界刺激信号的反应顺序有先后，那么，使用人工神经网络进行“仿真”是一条可行的道路。

废话少说。2011年秋季，在意大利佛罗伦萨召开的国际语音识别大会（Interspeech）上，微软发表了对语音识别深度神经网络建模的重大改进：协同发音（Coarticulation）建模，减低语音识别错误率，当场演示了”同声传译“，效果极佳。

2014年，微软推出了语音助手”小娜“（Cortana），并且将其捆绑到Win10操作系统之中。2015年7月29日，中国广大计算机用户即可直接体验微软的语音识别新技术了。

至此，机器有了耳朵（ear）也有了眼睛(eye)，人类不再孤独。实际上，机器什么”智慧“也没有，只是人类的一种驯服工具而已。

    注：2011年世界语音识别大会（InterSpeech），会议文集刊有近2,000篇论文，足见其规模之大，影响甚远。

袁萌7月12日