淺談基于人工智能的語音輸入

朱天健

摘? 要：人工智能的快速發(fā)展，與此同時帶來了語音輸入的發(fā)展，隨著兩者的互相推動下，人工智能出現(xiàn)了增長緩慢的態(tài)勢。同時，近年來，中國的人工智能和語音輸入快速發(fā)展，已處在了世界領(lǐng)先的地位。但是，隨之而來的是大量的不得不面對的困境。為此，我選擇了通過分析國內(nèi)人工智能和語音輸入領(lǐng)導(dǎo)者，科大訊飛。以尋找解決問題的可行方案，以及未來的發(fā)展方向。

關(guān)鍵詞：人工智能? 語音輸入? 科大訊飛

中圖分類號：TP183 ? ?文獻標識碼：A 文章編號：1672-3791（2019）09（b）-0016-02

隨著時代的發(fā)展，人工智能已經(jīng)進入了我們的生活。在不知不覺中，人們的生活方式開始發(fā)生了轉(zhuǎn)變，QQ、微信、支付寶等已經(jīng)成為了我們生活中不可或缺的一部分。然而，在使用種種軟件時，我們都不可避免的會用到輸入法。但是又一個問題隨之到來，我國有超過五千萬的老人在使用這些軟件，他們可能不會拼音，甚至不識字，那怎樣才能幫助老年人輸入自己所想的信息呢？語音輸入，成為了必不可少的軟件。由此可見，語音交互在未來必然與人們的生活息息相關(guān)。

1? 語音輸入的到來

當人工智能發(fā)展的如火如荼之時，相較之下，語音輸入更加顯得默默無聞。甚至可以說是，極少出現(xiàn)在人們的視野中。就目前來說，哪怕是最火爆，受眾面最廣的輸入軟件，其語音輸入的使用率甚至不足一半。但是，不用打字，不需要會拼音，也不需要會五筆，在如此優(yōu)越的條件下，使用語音輸入的人依舊是寥寥無幾。作為一個新事物，想發(fā)展就必須要找出自身的不足之處，并將其彌補。那么，語音輸入想要擁有更高的使用率就必須去探尋原因。對此，我做出了自己的以下幾點假設(shè)。

首先，當我們使用語音錄入的時候，我們需要周邊環(huán)境的安靜，但即使在這樣的條件下依然很難保證輸入內(nèi)容的準確性。

其次，我們利用語音輸入的內(nèi)容在出現(xiàn)明顯錯誤時，你很難中途停下來對其進行改正。

最后，也是我個人認為最重要的一點，就是語音輸入的私密性難以保證。當你在人群之中時，你的輸入內(nèi)容就會被大眾所知，難以保證個人的隱私。

2? 優(yōu)勢——以科大訊飛為例

在面對種種困難時，讓我們來看看行業(yè)的領(lǐng)軍者——科大訊飛又是如何去做的呢？在國內(nèi)，以科大訊飛為首的語音公司投入大量的人力，物力，來尋找解決問題的方法。比如說科大訊飛就是國內(nèi)目前為止，也是唯一一家投入的科研資金超過總收入的25%的公司。面對著行業(yè)內(nèi)外的重重危機，科大訊飛既沒有像谷歌一樣大肆收購或并購頂尖公司，以此保證自身走在行業(yè)的領(lǐng)軍水平;也沒有像百度等其他的大公司一樣與國外的科研機構(gòu)展開合作，成立各式各樣的實驗室、研究所。相反，科大訊飛始終堅信自己的力量，成立了獨屬于自己的科大訊飛實驗室。同時，科大訊飛集中所有力量，研發(fā)構(gòu)建訊飛超腦，希望讓機器可以從能聽會說，逐步轉(zhuǎn)變?yōu)槟芾斫鈺伎?，以此來研發(fā)基于神經(jīng)網(wǎng)絡(luò)的認知智能系統(tǒng)?？拼笥嶏w也同樣注重中國文化，組織大量的專家將各地的方言納入了語音輸入的范圍之內(nèi)。這樣，不僅更好的保存了中國傳統(tǒng)文化，推動其不斷發(fā)展的同時，也大大加強了語音輸入的受眾面，為期開拓了更為廣闊的市場。

同樣，精益求精也是開拓新興領(lǐng)域的一個必不可少的品質(zhì)。舉個例子，在科大訊飛中一直都流傳著這么一個段子。如果一個人在交流群里說，今天我拿下了一個億的訂單。下面可能是無人問津。但如果有一個人說，我今天將語音輸入的準確度提高了1%，這個群可能會立即火熱了起來，展開激烈的討論。雖然這只是一個段子，但從中不難發(fā)現(xiàn)，他反映了科大訊飛中有著極為良好的科研氛圍。

從上面兩個例子中，我們不難看出正是因為在科大訊飛擁有著精益求精的良好品質(zhì)，以及眾人一心，專注于科研的良好氛圍，才有了今日科大訊飛破千億市值，與BAT三大巨頭平起平坐的不朽神話。

但是，科大訊飛的前景并非一片光明，同樣存在著大量的缺陷等待改進。首先，在人工智能領(lǐng)域，為了推動其的快速發(fā)展，人工智能的算法始終處于開源狀態(tài)，同時還有著為數(shù)不少的芯片公司專門推出了適合算法運行的計算機芯片。這意味著，企業(yè)只需要招募少量的人才，利用算法或者使用芯片，就可以直接對本行業(yè)的數(shù)據(jù)進行應(yīng)用。而訊飛在耗費巨資研發(fā)的技術(shù)，也隨著算法的開源，開始貶值。

在種情況下，科大訊飛所處的語音輸入的賽道上，越來越多的強有力的對手加入了進來，目前百度的語音市場份額已經(jīng)上升到了第二位。同時，騰訊、搜狗、阿里先后與2010年開始通過成立自主的研發(fā)團隊或者收購其他公司的方式進入了語音輸入的團隊。但是在此之前，他們都曾經(jīng)是科大訊飛的客戶。人工智能越來越熱，錢卻反而難賺。

面對著重重阻礙，語音輸入的收入也一度降至最低點。多領(lǐng)域投入成為了解決問題的必然選擇。如今，科大訊飛已經(jīng)在教育、醫(yī)療、司法等多個行業(yè)開始布局。

同時，AI建模的有效性需要有著大量的實驗數(shù)據(jù)來支持，那么如果以某一系統(tǒng)作為了底層而搭建起的操作系統(tǒng)，在未來就很有可能成為行業(yè)的標準。那么開放自身的核心數(shù)據(jù)，構(gòu)建起自身的生態(tài)圈，競爭成為行業(yè)的標準也是勢在必行。

最后，把握住自身區(qū)別于BAT的最大優(yōu)勢，就是科大訊飛作為人工智能領(lǐng)域最受關(guān)注的公司，可以依靠人工智能的風向，在多個領(lǐng)域上獲得政府的支持，使其在多個領(lǐng)域中掌握先機。

3? 自然語言理解行之將至

就像人工智能會被分為弱人工智能，強人工智能，超人工智能一樣，語音輸入也被分為了語音合成、語音識別、自然語言理解的三大層次。不過，相較于人工智能，語音輸入的層次感反而沒有那么強了，尤其是，當我們的語音輸入正在一步一步走向巔峰的時候，與之息息相關(guān)的人工智能反而成為了其的桎梏。同時，人工智能的深度學習需要大量的數(shù)據(jù)訓練模型，也導(dǎo)致了其發(fā)展遇到瓶頸?；蛟S有的人會疑惑如今的人工智能，已經(jīng)可以輕輕松松擊敗圍棋界頂尖高手，尤其是現(xiàn)在最新的人工智能，Alphago更是擊敗了最強高手李世石。如此水平，又怎會出現(xiàn)智力問題呢？然而科研人員給出的目標是，希望人工智能盡快達到六齡兒童的水平。舉個例子，“爸爸沒法舉起他的兒子，因為他很重。”那么請問“誰重？”答：“兒子”

“爸爸沒法舉起他的兒子，因為他很虛弱?！蹦敲凑垎枴罢l虛弱？”答：“爸爸”對于這兩句話中對“他”的理解就相當于六齡兒童的認知水平，也是我們目前的研究目標。可以想見，只有當人工智能對語音的理解水平，即語音識別的準確度，得到了提高，語音輸入才能得到新的突破。

4? 結(jié)語

人工智能或許比我們想象中的要來的更快。當我們還懵懵懂懂之時，語音輸入已經(jīng)進入了我們的生活，打字即將成為過去時了。那么，在未來，更加便利便捷的語音輸入方式，更為廣闊的應(yīng)用環(huán)境，隨心所欲的輸入語種，一切的一切都將成為可能。

參考文獻

[1] 錢麗娜，游叢瑞.劉慶峰的焦慮：科大訊飛危局[J].商學院，2018（12）：13-20.

[2] 衛(wèi)萌，淦凌云.科大訊飛的人工智能之路[J].互聯(lián)網(wǎng)經(jīng)濟，2016（Z2）：56-61.

[3] 錢麗娜.探秘科大訊飛：人工智能比你想象的來得更快[J].商學院，2017（7）：89-90.

[4] 胡郁.人工智能與語音識別技術(shù)[J].電子產(chǎn)品世界，2016，23（4）：23-25，27.

[5] 梅新蕾，李偉.科大訊飛：探尋人工智能的實現(xiàn)路徑[J].清華管理評論，2018（12）：11-19.

[6] 陳平.科大訊飛：“讓世界聆聽中國的聲音”[J].中國商界，2018（Z1）：86-91.

[7] 卜文娟.科大訊飛 要有坐好十年冷板凳的韌性[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018（5）：88-89.