里程碑！谷歌語音識別出錯率　降低了30%以上

據(jù)國外媒體報道稱，谷歌高級研究員杰夫-迪恩（Jeff Dean）當?shù)貢r間周三在于加州圣克拉拉召開的人工智能前沿峰會（AI Frontiers Conference）上表示，谷歌自2012年以來已經(jīng)將語音識別的錯誤率降低了30%以上，這對于如今AI當?shù)赖目萍碱I(lǐng)域來說可謂意義非凡。

在這兒，迪恩所說的語音識別錯誤率是指“谷歌將一個詞語從語音轉(zhuǎn)錄成為文字時的錯誤率”。迪恩表示，谷歌自2012年以來已經(jīng)成功將這一錯誤率降低了30%以上。與此同時，一名谷歌發(fā)言人也同科技媒體VentureBeat證實了這一數(shù)據(jù)的準確性。

迪恩表示，這一語音識別錯誤率的下降得益于神經(jīng)網(wǎng)絡的應用。目前，包括谷歌和其他企業(yè)均在深度學習中使用了這一神經(jīng)網(wǎng)絡技術(shù)，研究人員通過使用大量數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練。比如通過大量的語音片段練習，然后讓他們基于已經(jīng)獲悉的內(nèi)容對新數(shù)據(jù)作出推斷。

消息稱，谷歌最早在2012年，也就是Android“果凍豆”系統(tǒng)發(fā)布的時候首次將神經(jīng)網(wǎng)絡技術(shù)應用于語音識別領(lǐng)域。具體來說就是，當用戶向Android“果凍豆”系統(tǒng)的語音識別軟件說話時，聲音頻譜會被分解并發(fā)送到谷歌全球服務器“大軍”中的八臺電腦，隨后由負責開發(fā)這個項目的谷歌研究科學家文森特-凡毫克（VincentVanhoucke）及其團隊開發(fā)的“神經(jīng)網(wǎng)絡”模型進行處理。

凡毫克在當時就表示，與此前版本的Android系統(tǒng)相比，“果凍豆”語音識別系統(tǒng)的誤差率要低25%左右，而這能讓用戶更加愿意使用語音命令。

在此之后，盡管這一技術(shù)的發(fā)展影響著越來越多的谷歌產(chǎn)品，但該公司卻鮮有公開討論自己在語音識別技術(shù)上取得的進展。2015年，谷歌CEO桑德加-皮查伊(SundarPichai)曾表示“谷歌語音識別的錯誤率約為8%”。

蘋果Siri團隊資深總監(jiān)、前微軟語音識別項目高管亞歷克斯-阿賽洛（Alex Acero）在去年8月接受Backchannel主編史蒂芬-列維（StevenLevy）采訪時透露，Siri在所有語言中的錯誤率降低了兩倍，甚至在許多情況下超過了兩倍。此外，微軟也在去年9月份表示，旗下語音識別技術(shù)的出錯率已經(jīng)降至6.3%，打破了IBM超級電腦沃森之前保持6.9%的出錯率紀錄。

事實上，為了能在這場技術(shù)革命中處于領(lǐng)先位置，包括亞馬遜、蘋果、谷歌和IBM在內(nèi)的科技企業(yè)都已經(jīng)開始面向消費者提供語音識別技術(shù)。比如，蘋果不久前在Siri中添加了第三方整合功能，允許它與第三方應用通訊，這意味著用戶將可以利用Siri服務直接呼叫Uber專車。

然而，如果要想成為消費者最主要的計算平臺，語音助手仍需迎來進一步改進。凱鵬華盈分析師、被巴倫雜志冠以“互聯(lián)網(wǎng)女王”稱號的瑪麗-米克爾（Mary Meeker）就表示，語音識別的準確率必須達到99%左右才有可能成為最有效的計算輸入形式。