谷歌语音识别能力将超过人类,方法是借助神经网络

2014-12-25 17:28:15来源: 彭博社

谷歌语音识别Google Now

    与数字助理交流是一件有趣的事情,它给人的感觉就像固执的孩童。如果你曾经对着Xbox或Siri大喊大叫,你或许已经失去希望。

    但研究人员表示,语音识别和人工智能领域最近取得的突破,很快就能大幅提升这些电子产品的理解力,使之更好地与我们展开沟通。谷歌工程师约翰·沙尔克维克(Johan Schalkwyk)表示,这种全新的设备不仅能听懂我们的意思,还能结合上下文和语调的细微差别理解深层含义。

    沙尔克维克正在谷歌从事一项野心勃勃的研究项目,希望创造一套能够利用该公司海量数据的语音系统。他表示,他们目前正在实验室里测试的一个项目,使得电脑可以听懂并“思考”人们的语言。

    最近在语音识别和机器学习领域的各种发明,将给语音识别带来巨大变化。Siri的一位主要发明人表示,工程师都在狂热地开发语音识别技术,使之具备足够的智能,与用户展开真正的对话。“语音识别的所有领域都已经实现了很大进步。”Siri底层技术开发公司SRI International副总裁威廉·马克(William Mark)说,“这种对话互动目前已经成为前沿技术。”

    蒂姆·图塔尔(Tim Tuttle)等待这一天已经很久了。他1997年获得了麻省理工学院的博士学位,并任职于该校的人工智能实验室。10年来,他先后在硅谷多家公司任职,最终于2010年创办了自己的Except Labs公司。图塔尔的公司去年开始设计一套系统,向移动应用中增加复杂的语音指令。例如,当用户走进超市时,可以通过这项功能获知他要买的扫帚位于哪条走廊。

    “一年前,我们在做基准,我们当时认为这不可能实现。但一切都变了。我们的公司已经对语音加倍下注,主要是因为近期所看到的各种技术进步。”图塔尔说,“与人类水平相当或高于人类水平的语音识别系统将实现商业化。”

    但首先,还是先来回顾一下历史:两年半以前,谷歌和多伦多大学的研究人员发表了一篇颇有影响力的论文,内容是用“深度神经网络”来指导计算机语音技术。几个月后,微软与IBM也合作发表了另外一篇论文,被谷歌工程师杰夫·迪恩(Jeff Dean)称作“语音研究领域20年来的最大进步”。

    这些研究使得一项数十年前诞生的数字神经网络发明再度复活。这项技术1980年代就在大数据预测和分析领域实现了不俗的表现,但当时却受到计算机速度的制约。神经网络直到最近才变成可行的方案,这主要得益于计算机处理速度的加快,以及新型软件模式的发展。

    谷歌实验室也开展了类似的研究。6个月前,该团队从这种名为“前馈神经网络”的古老方法入手,推动了神经网络技术的复活。这项技术使得系统可以储存更多信息,并处理更长、更复杂的序列。谷歌这项突破源自对底层代码的简化,可以在同一套系统中保留更多观点和观念,从而让用户更容易问出复杂的问题,获得有意义的答案。“系统复杂性可能对长期发展构成伤害。”沙尔克维克说。

    谷歌的系统目前使用上下文、物理位置和其他因素进行假设,以此判断语音的真正含义——整个过程与人类大脑的思维模式相仿。谷歌的最新网络技术可以提升这一过程的效率,从而处理比以往更大的数据量,回答更复杂的问题。

    为了解释语音识别技术在未来的工作方式,沙尔克维克提到了谷歌山景城总部几公里之外的一间高级越南餐厅。这家名为Xanh Restaurant的餐厅对典型的语音识别构成了挑战,因为Xanh这个名字(发音为“扎恩”)很难识别。“如果我能找到它在地图上的位置,然后说,‘这是一家餐馆,它位于加州。’那么范围就会立刻缩小。”沙尔克维克说,“借助语义技术,我们便可大幅改善质量。”

    这听起来似乎很简单,但对电脑来说,听到一个单词,然后把它放到句子上下文中去辨识,再与地理信息相结合,是十分困难而且耗费时间的。如今,谷歌语音搜索已经可以正确识别餐馆。沙尔克维克表示,谷歌今后将可以处理其他一些同样野心勃勃的问题。

    沙尔克维克表示,在谷歌内部,语音识别技术已经实现了空前的进步。虽然谷歌的重大进步还要再等一两年才能应用到用户的手机中,但这个项目已经催生了很多可以应用于谷歌其他项目的技术。“开发登月项目的同时,还会同时设计出另外一百项有用的技术。”沙尔克维克说。

    沙尔克维克表示,谷歌语音识别技术3年前只能认出3/4的口语单词。但得益于创新速度的加快,谷歌手机应用现在可以正确识别12/13的单词。据图塔尔介绍,要不了多久,“我们就将生活在一个没有键盘的世界里。”

关键字:语音识别

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/afdz/2014/1225/article_8007.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。
论坛活动 E手掌握
微信扫一扫加关注
论坛活动 E手掌握
芯片资讯 锐利解读
微信扫一扫加关注
芯片资讯 锐利解读
推荐阅读
全部
语音识别

小广播

独家专题更多

富士通铁电随机存储器FRAM主题展馆
富士通铁电随机存储器FRAM主题展馆
馆内包含了 纵览FRAM、独立FRAM存储器专区、FRAM内置LSI专区三大部分内容。 
走,跟Molex一起去看《中国电子消费品趋势》!
走,跟Molex一起去看《中国电子消费品趋势》!
 
带你走进LED王国——Microchip LED应用专题
带你走进LED王国——Microchip LED应用专题
 

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2016 EEWORLD.com.cn, Inc. All rights reserved