語(yǔ)音時(shí)代的到來(lái)與群體式憂慮
2012/04/06
Siri 的流行充分喚起了人們對(duì)于語(yǔ)音識(shí)別的想象。在與個(gè)人生活緊密結(jié)合前，語(yǔ)音識(shí)別是難以達(dá)到這么火爆的程度的，準(zhǔn)確率是最基本的一點(diǎn)，不過(guò)基于語(yǔ)義和情感交互才是語(yǔ)音識(shí)別的最為迷人的地方，當(dāng)然，移動(dòng)互聯(lián)網(wǎng)的興起也是這一流行趨勢(shì)的引爆點(diǎn)。前幾天，語(yǔ)音識(shí)別領(lǐng)先企業(yè)科大訊飛語(yǔ)音云發(fā)布， 同時(shí)隨著Nuance 公司 Dragon 系列產(chǎn)品的流行，越來(lái)越多的產(chǎn)品開(kāi)始支持語(yǔ)音控制，有理由相信，語(yǔ)音時(shí)代即將來(lái)臨。
語(yǔ)音識(shí)別時(shí)代的條件已經(jīng)具備
語(yǔ)音引擎
在語(yǔ)音識(shí)別方面，Nuance 是一家不可忽略的企業(yè)，作為 Siri 背后的技術(shù)支持，Nuance 擁有4000余項(xiàng)專(zhuān)利和專(zhuān)利申請(qǐng)，超過(guò)50億部手機(jī)和7000萬(wàn)的車(chē)輛使用其技術(shù)，三分之二的《財(cái)富》100強(qiáng)公司依賴(lài)其解決方案。
Wolframalpha 雖然不是語(yǔ)音識(shí)別技術(shù)，但在語(yǔ)義識(shí)別方面，他是毫無(wú)疑問(wèn)的先驅(qū)，同樣也是作為 Siri 背后的搜索引擎，它對(duì)語(yǔ)音識(shí)別的意義十分重大。
在語(yǔ)音識(shí)別方面的研究，科大訊飛，IBM，貝爾研究所的成果也令人矚目。
云計(jì)算能力
大量的機(jī)器學(xué)習(xí)才可能讓語(yǔ)音引擎不斷完善，云計(jì)算的超級(jí)計(jì)算能力讓這點(diǎn)成為可能，商業(yè)化云平臺(tái)的不斷成熟，使基于云計(jì)算的語(yǔ)音識(shí)別不再困難。
智能設(shè)備
在Android 和iOS的推動(dòng)下，移動(dòng)互聯(lián)網(wǎng)迎來(lái)了爆發(fā)性增長(zhǎng)，智能手機(jī)和平板電腦已經(jīng)十分普遍，與 PC 相比，手持設(shè)備因?yàn)橐讛y等優(yōu)勢(shì)，語(yǔ)音識(shí)別能得到更加生活化的應(yīng)用，而這也就是語(yǔ)音識(shí)別得以廣泛應(yīng)用的基礎(chǔ)。
高速網(wǎng)絡(luò)
語(yǔ)音識(shí)別，速度對(duì)于用戶(hù)體驗(yàn)毋庸置疑，高質(zhì)量的語(yǔ)音識(shí)別依賴(lài)于高速網(wǎng)絡(luò)，而這也將隨著3G和4G網(wǎng)絡(luò)的普及而被解決。
語(yǔ)音識(shí)別可能是巨變的開(kāi)端
對(duì) Google 等公司，Siri毫無(wú)疑問(wèn)是一個(gè)威脅，在語(yǔ)音時(shí)代之前，普通搜索引擎是互聯(lián)網(wǎng)的入口，但是在語(yǔ)音時(shí)代，人們已經(jīng)有了更加方便和人性化的工具。影響雖然不是替代，但它代表了一種更方便的工作、生活方式，而這也將催生行業(yè)的變革。
Sherry Turkle，這位 MIT 的社科教授稱(chēng)，人類(lèi)更加傾向于可以說(shuō)話的設(shè)備，好像這就是他們的知心伴侶。相對(duì)于打字，語(yǔ)音來(lái)的更加便捷與精確，這種區(qū)別上所導(dǎo)致的影響，可能就像 Paul Ricci (Xerox 前執(zhí)行官)所言，類(lèi)似80年代鼠標(biāo)和圖形化界面對(duì)于電腦的影響。說(shuō)話是人類(lèi)的天性，但打字與技巧和熟練度有關(guān)，在一句話就可以解決問(wèn)題的時(shí)代，為什么還需要辛苦的輸入。
不僅對(duì)于搜索，對(duì)于汽車(chē)導(dǎo)航，甚至是飛機(jī)訂票、呼叫中心等事宜都可以用語(yǔ)音識(shí)別技術(shù)來(lái)替代，Nuance 公司已經(jīng)成功推出了一款用于航空客服的語(yǔ)音交互系統(tǒng) Wally ，據(jù)紐約時(shí)報(bào)介紹，相當(dāng)?shù)挠脩?hù)辨認(rèn)不出他們是在同機(jī)器對(duì)話，掛電話時(shí)甚至友好的說(shuō)了謝謝。
語(yǔ)音控制，另一把科技雙刃劍
語(yǔ)音識(shí)別可能帶來(lái)顛覆性變革，但也會(huì)隨之帶來(lái)一些新的問(wèn)題，同社交網(wǎng)絡(luò)興起一樣，語(yǔ)音識(shí)別或許會(huì)產(chǎn)生一個(gè)問(wèn)題：隱私。
每一次的語(yǔ)音識(shí)別請(qǐng)求，我們的聲音都會(huì)被上傳到到服務(wù)器分析，為了讓語(yǔ)音識(shí)別系統(tǒng)更加準(zhǔn)確，系統(tǒng)也必須學(xué)習(xí)，材料就是這些我們上傳的語(yǔ)音。人聲音的特質(zhì)(聲紋)，就像是指紋一般獨(dú)一無(wú)二，指紋和聲音都是密碼方面常用且重要的憑據(jù)，如果自己的聲音數(shù)據(jù)被泄漏，信息安全得不到保障。在紐約時(shí)報(bào)對(duì) Nuance 的報(bào)道中，Nuance 稱(chēng)在美國(guó)，除了聯(lián)邦政府，他們擁有最大的聲音信息數(shù)據(jù)量。同時(shí)，語(yǔ)音合成技術(shù)的成熟，也使得語(yǔ)音詐騙有存在的可能性，試想一個(gè)電話打來(lái)，聽(tīng)聲音是自己的朋友，找自己借錢(qián)什么的，誰(shuí)又能區(qū)別真假呢？湯姆·克魯斯在《碟中諜3》中假扮霍夫曼時(shí)合成聲音的以假亂真或許就成為現(xiàn)實(shí)。而科大訊飛在其招股書(shū)中提到，其中英文語(yǔ)音合成技術(shù)的自然度能超過(guò)真人發(fā)音水平(4.0分)。
在語(yǔ)音識(shí)別應(yīng)用越來(lái)越廣泛的時(shí)候，還有一個(gè)大的問(wèn)題是不能忽視，那就是對(duì)機(jī)器的高度依賴(lài)對(duì)人的生理和心理所產(chǎn)生的改變，Pranav Mistry 在 TED 的演講《第六感技術(shù)的驚異潛力》中提出了一個(gè)觀點(diǎn)：科技的發(fā)展，不是要讓人類(lèi)越來(lái)越機(jī)器化，而是讓人變得越來(lái)越人性化。科技能改善生活，但也存在道德和文化上的難題。
比特網(wǎng)
相關(guān)閱讀: