上世紀(jì)九十年代，羅杰·凱在一家名為ILA的小型計算機語言學(xué)公司工作。那時候，美國麻省理工學(xué)院語言學(xué)教授諾姆·喬姆斯基的“普遍語法”理論吸引了一批追隨者，他試圖將所有人類語言借用同一個模型進行演繹。一開始，羅杰和他的同事也試著如此去設(shè)計語言模型，但他們很快發(fā)現(xiàn)，真實的語言常常違背這個模型，有太多反例讓這一理論顯得充滿任意性。
一種語言障礙亟須彌合的想法隨即映射進他們腦中，這同樣是許多科技業(yè)巨頭想要打開的一扇大門。谷歌從2009年開始就一直在采錄語音信箱的信息；微軟則將類似技術(shù)置入Windows Vista操作系統(tǒng)；蘋果的智能語音控制程序Siri則讓這種技術(shù)更趨商業(yè)。
附近有什么好吃的？我應(yīng)該在哪搭乘公共交通？今晚的電影是幾點的？語音助手幫忙實現(xiàn)日程管理及查詢，并回答常識問題，令人著迷。而消費電子產(chǎn)品、汽車甚至自動呼叫中心“傾聽”使用者的指令，已經(jīng)有數(shù)年時間。
一種能夠翻譯各種語言的“巴別魚”技術(shù)可能在不久的將來成為現(xiàn)實，廣闊的產(chǎn)業(yè)應(yīng)用空間漸漸打開。
《圣經(jīng)》里有一個著名的故事：人類想上天堂，造巴別塔。上帝為阻止人類登天，迫使人類說不同的語言。由于溝通不暢，巴別塔最終半途而廢。
有趣的是，英國作家道格拉斯·亞當(dāng)斯在其廣為流傳的科幻小說《銀河系漫游指南》中，提及一種能聽懂外星人語言的小魚，名字就叫“巴別魚”（Babelfish）。
今天，智能語音技術(shù)的發(fā)展令“巴別魚”的出現(xiàn)變得不再科幻。
“由于大量可供實時語音翻譯信息資源的存在，"巴別魚"系統(tǒng)正在走進現(xiàn)實。”人工智能專家、南安普頓大學(xué)教授奈杰爾·沙德博爾特稱，未來市場出現(xiàn)類似藍牙耳機的實時翻譯工具，是“非常自然的事情”。
遠不止于人與人之間，人類和汽車、電視或者廚房電器“說話”，也可能變得毫無障礙。智能語音技術(shù)正在改變我們發(fā)現(xiàn)信息的方法，相反的，它們也找到了進入其他終端的途徑。
難怪英國媒體最近認定：科技業(yè)下一件大事，就是智能語音翻譯。
⊙記者 王宙潔 ○編輯 龔維松
語音識別日趨精準(zhǔn)
現(xiàn)在，羅杰·凱已經(jīng)創(chuàng)辦了行業(yè)研究機構(gòu)——Endpoint技術(shù)協(xié)會，但他仍然記得最初那段對機器語言的探索時光。
在近日的一篇專欄文章中，羅杰·凱回憶道：“喬姆斯基教授的理論依舊是我們中很多人的指路明燈。我們試著去實現(xiàn)語言模型，但僅僅發(fā)現(xiàn)這只是一個工具而已，諸多反例讓我們明白，要做的可不僅僅是模型。”
羅杰在ILA工作時的好友戴夫·巴戈特認為，更高級的語言特征無法在模型里被描述，“音系學(xué)很容易理解，詞法學(xué)沒那么容易，句法就更難一點，要理解語意，這幾乎沒成功過。”
事實上，對于語言識別的探索很早便已經(jīng)開始。上世紀(jì)五十年代，貝爾實驗室組裝了一套原始系統(tǒng)，可以識別電話里報出的數(shù)字。盡管此后進展算不上太快，但隨著計算技術(shù)的不斷強化，如今的系統(tǒng)已經(jīng)可以處理各種口音、方言和怪異的聲調(diào)。
最近幾年，這種探索在科技業(yè)熱度高升。蘋果推出的語音助手Siri讓iPhone 4S風(fēng)靡的同時，也使得聲音識別技術(shù)為更多普通人所認知并關(guān)注。
近日，蘋果公司又宣布推出車載iOS系統(tǒng)CarPlay，通過汽車與智能手機連接，再配合方向盤上的Siri按鈕，可實現(xiàn)電話、地圖、音樂或查看信息等功能。
而首批搭載CarPlay系統(tǒng)的汽車，包括法拉利、奔馳和沃爾沃等汽車業(yè)巨頭。
外媒近日報道稱，微軟正著力發(fā)展所謂自然交互科技，語音識別就是其中重要一環(huán)。
英特爾在今年1月份舉行的美國消費電子展上就曾宣布，將在今年推出的超薄筆記本電腦Ultrabook上采用一種新的語音控制技術(shù)。
在這些科技業(yè)大佬的背后，有一個名字不得不提：Nuance。
不僅僅是蘋果和三星旗下的熱門智能手機產(chǎn)品，航空公司甚至是頂級銀行的自動呼叫中心也有著它的身影。Nuance是一家語音識別技術(shù)公司。
研究機構(gòu)Research and Markets近期發(fā)布報告稱，語音識別市場的主流趨勢之一，是“聲音密碼”越來越廣泛地被使用。
“一般的密碼很容易被記住，但同時也容易被破解，這帶來了安全方面的威脅。”該報告說，因此各大組織開始越來越頻繁地使用生物密碼——往常的符號被人們的聲音所代替，聲音變成密碼并作為身份認證的依據(jù)。
更重要的是，聲音還擁有一個顯著優(yōu)點——無法被復(fù)制。
根據(jù)該公司的研究，這一市場的主要驅(qū)動因素之一，是對基于語音的生物識別或身份鑒定技術(shù)的需求。但目前主要的挑戰(zhàn)就是缺乏系統(tǒng)準(zhǔn)確性。語音識別設(shè)備對嘈雜的環(huán)境極為敏感，這降低了準(zhǔn)確率。
不過，愛爾蘭聯(lián)合銀行從2008年開始就嘗試通過聲音來鑒定員工的身份。VoiceVault生物測定系統(tǒng)能夠捕捉“語音痕跡”，該系統(tǒng)能識別打電話者的聲音，而后，還可以幫助用戶進行重置密碼等工作。
用途可不局限于幫助員工修改密碼，在此之后，越來越多的金融服務(wù)公司也開始使用這種系統(tǒng)打擊欺詐行為。
語音也可以“計算”
自然輸入方法從一開始便是個人電腦行業(yè)的一大圣杯。在創(chuàng)建公司不久后，微軟CEO比爾·蓋茨便開始尋找除了鍵盤和鼠標(biāo)之外的，可以將數(shù)據(jù)輸入電腦的方法。
蓋茨認為，一定有某些本質(zhì)上是“奇怪的”輸入設(shè)備，最終會被人們接受。
2010年，微軟Kinect來了，手勢輸入從此風(fēng)靡。
但是聲音難以捉摸。聲音同時可被用于控制或翻譯，不過人們對語音轉(zhuǎn)為文字的精確度要求極高。海外媒體稱，按照目前的技術(shù)水平，一頁有300個英文單詞的文件中，平均每頁有3個錯誤，盡管正確率超過90%，但剩下的那小部分仍需長途跋涉。
不過，在羅杰·凱看來，計算能力已經(jīng)變得更強大，語言數(shù)據(jù)庫也變得更加龐大。
依靠這些工具，類似Nuance這樣的公司已經(jīng)幾乎轉(zhuǎn)向統(tǒng)計學(xué)方法。與其依靠語言模型這樣的老方法，商業(yè)性語音公司已經(jīng)開始在他們的產(chǎn)品中采用關(guān)鍵字檢測以及基于規(guī)則的技術(shù)。
換句話說，基于資料庫和快速計算能力，它能夠確定一個單詞后面跟著某個特定單詞的幾率，而不在意語法聯(lián)系。
“你不必在意喬姆斯基教授語言和意思的結(jié)構(gòu)性，你可以用數(shù)學(xué)的方法來實現(xiàn)它。”羅杰·凱說。
語音識別是第一步，之后，分析則是一項難度更大的工程。
盡管基于人工智能和語音識別的語音個人助手并不鮮見，安卓平臺便同樣有類似的程序如Voice Actions，但Siri的風(fēng)靡證明只是語音識別技術(shù)是不夠的，它還是一種人工智能形式，如今的系統(tǒng)還需要更強大的自學(xué)能力。
去年末，投資銀行Piper Jaffray的分析師設(shè)計了800道語音問答題，考察蘋果Siri和谷歌Google Now的水平，結(jié)果后者獲得了進步最快獎。
不過，Siri也取得了一定的進步。就在一年前，Siri還有27%的答案來自谷歌搜索，如今這個數(shù)字已經(jīng)大幅下降到4%。
英國媒體近日發(fā)表文章指出，語音翻譯將成為科技業(yè)下一件大事。《圣經(jīng)》有一個著名的故事：人類想上天堂，造巴別塔。上帝為阻止人類登天，所以迫使人類說不同的語言。由于溝通不暢，巴別塔最終半途而廢。但英國作家道格拉斯·亞當(dāng)斯曾在其小說《銀河系漫游指南》中提及一種能夠聽懂外星人語言的小魚“巴別魚”（Babelfish）。
如今，這種“小魚”科技的出現(xiàn)似乎變得有可能。人工智能專家、南安普頓大學(xué)教授奈杰爾·沙德博爾特稱，由于大量可供實時語音翻譯信息資源的存在，“巴別魚”系統(tǒng)正在走進現(xiàn)實，未來市場出現(xiàn)類似藍牙耳機的實時翻譯工具是非常自然的事情。
在四、五年前，谷歌便開始研發(fā)語音翻譯軟件，時任機器翻譯總裁的弗朗茲·歐克認為，實現(xiàn)語音翻譯是有可能的。他們在向著讓這種服務(wù)運行流暢的方向努力，并且還需要結(jié)合高精度的機器翻譯和高精度的語音識別。
Google Now就是語音識別加人工智能技術(shù)最好的例證——它幫助用戶通過語音識別技術(shù)進行網(wǎng)絡(luò)搜索。
谷歌搜索工程部副總裁斯科特·霍夫曼說，搜索領(lǐng)域目前正努力實現(xiàn)的是，根據(jù)用戶的聲音準(zhǔn)確理解“用戶想要什么”，并給出符合需求的答案。
據(jù)海外媒體報道，谷歌已經(jīng)構(gòu)筑了與人、地區(qū)、事件相關(guān)的數(shù)據(jù)庫“知識圖譜”等，因此語音搜索方式的實現(xiàn)指日可待。
而依靠一種名為語音輸入應(yīng)用程序接口工具，谷歌旗下的瀏覽器Chrome 11 Beta版已經(jīng)可以理解用戶所說的話。
下一步：搶奪更多入口
語音識別技術(shù)市場正在走向競爭激烈的十字路口。
海外媒體預(yù)計，隨著語音識別將取代輸入、鍵盤、寫字和觸摸，成為人機互動最主要的界面，語音技術(shù)將遍布世界各個角落。
研究機構(gòu)BCC曾發(fā)布報告預(yù)測，全球語音識別市場的規(guī)模到2017年會達到1130億美元，五年復(fù)合年增長率高達16.2%。
該機構(gòu)認為，語音識別市場將分化為三大終端市場：企業(yè)、消費者以及健康保健。
在這其中，企業(yè)終端的市場規(guī)模將在2017年達到422億美元，復(fù)合年增長率為15.9%；消費者終端則將以17.2%的五年復(fù)合年增長率，在2017年達到651億美元的規(guī)模；健康保健終端在2017年的規(guī)模則將達到59億美元，復(fù)合年增長率為9.4%。
語音識別系統(tǒng)Nuance公司是語音識別軟件Dragon的開發(fā)者，這款軟件在醫(yī)療保健行業(yè)的應(yīng)用已經(jīng)長達十年之久。
當(dāng)病人前去看病時，內(nèi)科醫(yī)生的桌面上運行Nuance的軟件，它便可以利用一個夾式微型話筒來錄音。隨著問診的推進，這款軟件會及時更新病人的電子健康記錄。
未來的語音識別功能也可以幫音樂愛好者大忙：用戶可以通過口述歌曲或歌手的名字進行點播，并且它會記住用戶的喜好。
臉譜網(wǎng)曾收購一家語音識別和語言翻譯應(yīng)用程序制造商Mobile科技公司。該公司旗下?lián)碛兄苿討?yīng)用程序Jibbigo Translator，這款應(yīng)用可以自動翻譯超過20種語言。
有分析稱，MT的技術(shù)確實能夠幫助臉譜網(wǎng)做許多事情，包括在未來實現(xiàn)跨語言聊天、旅行者語音翻譯和信息流即時翻譯等。此外，還有可能幫助臉譜網(wǎng)實現(xiàn)語音圖譜搜索。
汽車領(lǐng)域同樣是語音識別技術(shù)的重要陣地。
寶馬汽車已經(jīng)開始提供語音識別服務(wù)，通過數(shù)據(jù)中心進行實時處理，轉(zhuǎn)換為文本并通過郵件發(fā)送，司機不需要動手便可以完成這一系列動作。
有報道稱，蘋果正致力于允許第三方服務(wù)與Siri進行整合，以便使其智能手機上的數(shù)字助手能執(zhí)行除本公司外的各項服務(wù)，例如預(yù)訂航班和酒店，餐廳訂座，或在其他短信應(yīng)用中發(fā)送文本等。
面對來自Google Now和微軟愈發(fā)激烈的競爭，蘋果被認為必須要升級Siri的功能。甚至有曝料稱，連語音識別公司Nuance也在提升其自己的數(shù)字助理Wintermute搜索各種第三方應(yīng)用程序的能力。
不難想象，不久的將來，可穿戴腕表、頭戴式終端、汽車、電視機甚至是襪子或是襯衫，所有物體都有望作為網(wǎng)絡(luò)終端使用，而通過語音提取所需信息的搜索和助手功能，將使這些終端更緊密地聯(lián)系并讀懂人類的需求。
數(shù)說科技
投資銀行Piper Jaffray的分析師設(shè)計了800道語音問答題，考察蘋果Siri和谷歌Google Now的水平，結(jié)果后者獲得了進步最快獎。不過，蘋果語音智能助手Siri也取得了一定的進步。在此一年前，Siri還有27%的答案來自谷歌搜索，如今這個數(shù)字已經(jīng)大幅下降到4%
聲音可被用于控制或是翻譯，但是人們對語音轉(zhuǎn)為文字的精確度要求極高。按照目前的技術(shù)水平，一頁有300個英文單詞的文件中，平均每頁有三個錯誤，盡管正確率超過90%，但剩下的那小部分仍需長途跋涉
投資銀行Piper Jaffray的分析師設(shè)計了800道語音問答題，考察蘋果Siri和谷歌Google Now的水平，結(jié)果后者獲得了進步最快獎。不過，蘋果語音智能助手Siri也取得了一定的進步。在此一年前，Siri還有27%的答案來自谷歌搜索，如今這個數(shù)字已經(jīng)大幅下降到4%
研究機構(gòu)BCC發(fā)布報告預(yù)測，全球語音識別市場的規(guī)模到2017年會達到1130億美元，五年復(fù)合年增長率高達16.2%。該機構(gòu)認為，語音識別市場將分化為三大終端市場：企業(yè)、消費者以及健康保健
其中，企業(yè)終端的市場規(guī)模將在2017年達到422億美元，復(fù)合年增長率為15.9%；消費者終端則將以17.2%的五年復(fù)合年增長率，在2017年達到651億美元的規(guī)模；健康保健終端在2017年的規(guī)模則將達到59億美元，復(fù)合年增長率為9.4%
臉譜網(wǎng)曾收購一家語音識別和語言翻譯應(yīng)用程序制造商 Mobile Technologies，該公司旗下?lián)碛兄囊苿討?yīng)用程序Jibbigo Translator，這款應(yīng)用可以自動翻譯超過20種語言。有分析稱，MT的技術(shù)確實能夠幫助臉譜網(wǎng)做許多事情，包括在未來實現(xiàn)跨語言聊天、旅行者語音翻譯和信息流即時翻譯等
