多角度了解科大讯飞公司之一(语音识别)

以下各篇文章，主要是参考阅读了巨潮信息网上关于最近2年公司接待机构投资者的文字记录，以及参考阅读媒体采访公司高层领导的公开报道……

前言：语音识别与人工智能的发展路线图

（注：摘自于机器之心2015.9对胡郁的采访报道）

一、语音识别技术的历史

1）语音识别技术的起源和隐马尔可夫模型

自出现电子计算机后，最早的语音识别系统起源于贝尔实验室（编者注：贝尔实验室开发的Audrey，它能够识别10个英文数字，这是最早的机遇电子计算机的语音识别系统），之后从50年代到90年代，语音识别领域又出现了几个分支，包括IBM、卡耐基梅隆大学和剑桥大学，这几个机构和贝尔实验室拥有在语音识别领域的绝对统治权。语音识别领域被隐马尔可夫模型统治了很长时间。

隐马尔可夫模型

隐马尔可夫模型是用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。该模型最初是在20世纪60年代后半期Leonard

E. Baum和其它一些作者在一系列的统计学论文中描述的，最初的应用之一是开始于20世纪70年代中期的语音识别。

关于语音识别，前三十年一直有人在做理论论证的东西，毕业于卡耐基梅隆大学的James K.

Baker起先在IBM Continuous Speech Recognition Group做研究，后来创办了Dragon

Systems，他是世界上第一个把隐马尔可夫模型用于语音识别的人，而且还做到了可以用。后来他的公司不是很成功，但他是在语音识别发展史上享有声誉的人。

当时，MIT也有人做语音识别；贝尔实验室开发了语音识别的决策理论和训练算法等。贝尔实验室解散之后，剑桥大学接过语音识别的大旗成为核心，但都不好用，原因是没有大数据和涟漪效应。

2）大数据、涟漪效应和深度神经网络带来的语音识别爆发

任何技术都有蓄能阶段和爆发阶段，语音识别技术的爆发就是源于大数据、伴随互联网出现的涟漪效应和深度神经网络。涟漪效应，指互联网思维在提高核心技术表现中的作用。也有人称之为优化迭代，比如百度吴恩达将其称之为把研究层、产品和用户使用组合在一起形成一个闭环的迭代优化，这是互联网思维在核心技术优化和突破所发挥作用的一种表达。通过这种方式不仅可以获取数据，还能学习经验、认识以及怎么使用等，比如说调整哪些东西让用户体验更好。

语音识别是需要经验、数据和用户反馈共同作用来提升表现的，需要利用用户的反馈总结出一些特点，比如说用户在说话时会截断，这