智能語音元年：對人工智慧來說，講中文太難了

2016 年全年，亞馬遜 Echo 售出 630 萬，預計到 2020 年，其總銷售量將達到 6000 萬台。美國智能語音產品市場的發展，激發了中國科技投資者們的熱情。2017 年，各大互聯網公司，軟硬體設備企業紛紛開始智能語音產品的研究，有研究人員將這一年稱作是中國智能語音 AI 元年。

國內的互聯網公司，電子商務巨頭阿里巴巴和搜索引擎巨頭百度一直都很重視在人工智慧領域的發展，目前他們都在積極利用語音識別和自然語言處理技術研究智能語音設備。

今年 7 月初，阿里巴巴推出了旗下第一款中文語音人工智慧 Genie（天貓精靈 X1），它類似於亞馬遜的 Echo，是一個智能音箱，內置阿里 AI 實驗室自主研發的中文語義理解引擎 AliGenie，能實現智能家居控制、語音購物、手機充值和音樂播放等功能。而百度，作為中國最大的搜索引擎，它積累了大規模的中文語音數據，百度將這些數據注入到最新的語音識別引擎 DeepSpeech2，到目前為止百度語音識別的準確率已經達到了 97%。

今年 1 月，百度在 CES（國際消費類電子產品展）上發布了他們的自然語言對話人工智慧操作系統 DuerOS。它可以直接接入 AI、手機和其他的移動可穿戴設備，並且具有和其他智能語音助手相似的功能；同時，還具備隨機聊天的能力。

智能語音 AI 的應用廣泛，從自動駕駛到移動設備，從智能家居到查閱訂單，能夠解放雙手的全語音交互模式勢必會越來越受歡迎。據 IDC 公司預測，到 2020 年智能駕駛行業中的 51%，智能手機和可穿戴設備的 68%將擁有基於中文對話的 AI 系統。但是，想要讓人工智慧學會用中文交談並非一件容易的事。

中文是一種複雜的語言。首先，在中文表達中，即使一句話所有文字的排列組合相同，它所表達的意思也有可能不同，要想正確理解一句話的含義，就必須將它放到相應的語境中，結合上下文的意思來看；另外，書面的中文也不像英文那樣有空格可以自然劃分每個字詞，而是需要根據中文自然語言研究人員的建議寫出演算法來給中文文本插入空格，以確定不同字元組合的正確含義。

其次，中文的動詞沒有過去式、現在式和未來式的時態之分，因此給 AI 確定一句話的時間線造成了困難。

第三，也是最複雜的一個問題，中國地域遼闊，東南西北大大小小的方言加起來有 80 多種，這不僅是在考驗機器，對研究人員也是一種挑戰。而且，語言本身也有表達情感的作用，說話時的語氣和情感都會給機器識別造成干擾。

自然語言語義理解專家，清華大學副教授吳志勇說：「要想能夠真正了解說話人的意圖，並進行恰當的溝通，機器不僅要學會理解漢語的語調還必須學會判斷人的情緒。我們的有些表達有時並不完全依賴於邏輯。」

對於阿里和百度來說，要解決這些問題，他們的最大優勢就是數據資源。截止到去年年底，百度移動客戶端每月用戶量達到 6.65 億；截止今年 3 月份阿里巴巴每月有 5.07 億移動用戶。目前的語義理解和神經網路演算法都需要大量的數據集用來訓練，數據集越豐富，數量越多，語義識別的效果就越好，神經網路越智能。

只有越接近正常人的對話水平用戶的體驗才會更好。所以最終，一個智能語音 AI 要想在中國獲得成功，關鍵還是在於它的內容和服務。

粹客網是國內首個關注前沿科技領域的科技新媒體和創業服務平台。我們提供最貼近商業化的前沿科技創業報道、最新最全的科技動態資訊以及深刻獨到的行業觀點。堅持挖掘有價值的創新創業項目，致力於成為創新創業者的前沿陣地。

每月精彩評論將有機會獲得神秘禮品，線下活動 or 商業合作請私信微信公眾號（cheekrnews）或發郵件到粹客網官方郵箱。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！