從語音識(shí)別到語義識(shí)別,中間還有多長(zhǎng)的路要走?
單通道和多人會(huì)話
一個(gè)好的會(huì)話語音識(shí)別器必須能夠根據(jù)誰在說話對(duì)音頻進(jìn)行劃分,還應(yīng)該能弄清重疊的會(huì)話(聲源分離)來理解音頻。
一個(gè)人在一個(gè)有多個(gè)人說話的環(huán)境中的時(shí)候,能夠很容易的分辨出自己要與某人說話,并且能夠在同時(shí)與多個(gè)人交談。很明顯,目前的語音識(shí)別器并不能做到這一點(diǎn)。當(dāng)多個(gè)人對(duì)著麥克風(fēng)講話時(shí),它可能直接就“懵”了。
上下文理解
實(shí)際生活中我們會(huì)使用許多其他的線索來輔助理解別人在說什么。
列舉幾個(gè)人類使用上下文而語音識(shí)別器沒有的情況:
歷史會(huì)話和討論過的話題;
說話人的視覺暗示,包括面部表情和嘴唇動(dòng)作;
關(guān)于會(huì)話者的背景。
可以看到雖然目前語音識(shí)別技術(shù)的誤字率已經(jīng)低于5%,但想從語音識(shí)別轉(zhuǎn)變成真正的語義識(shí)別,是仍然面臨著很多挑戰(zhàn)。
語音識(shí)別到真正的語義識(shí)別
語音識(shí)別和語義識(shí)別合起來的語言識(shí)別雖然為人工智能的一大支系,但是比起語音識(shí)別,顯然語義識(shí)別要更加智能。在這里,與非網(wǎng)小編先給大家梳理一下人工智能,機(jī)器學(xué)習(xí),深度學(xué)習(xí),神經(jīng)網(wǎng)絡(luò)這些術(shù)語之間的關(guān)系,大家或許就更加能理解從語音識(shí)別到真正的語義識(shí)別還有哪些路要走(目前市場(chǎng)上有很多做語義識(shí)別的公司,但是跟人類相比還存在一定的距離。)?
人工智能(AI)是一個(gè)大的概念,它是機(jī)器學(xué)習(xí)的父類。
除學(xué)習(xí)之外的人工智能可以歸納成了“邏輯/算法編程”,也就是通過編程將人類所知的知識(shí)和邏輯告訴機(jī)器,從而借助機(jī)器的高速計(jì)算和海量存儲(chǔ)等能力實(shí)現(xiàn)一些人類才能做的“弱智能”工作,像上世紀(jì)深藍(lán)計(jì)算機(jī),將國(guó)際象棋中所有可能的結(jié)果都通過預(yù)先編好的程序計(jì)算出來從而選擇最佳的下法(窮舉法)。從程序的實(shí)現(xiàn)上來說恐怕就是無數(shù)的if…else…吧。
而另一類就是基于數(shù)據(jù)的自我學(xué)習(xí),把大量的數(shù)據(jù)告訴機(jī)器由機(jī)器自己去分析這些數(shù)據(jù)從而總結(jié)得出某種規(guī)律/邏輯,然后利用這種邏輯來處理新的數(shù)據(jù)。
毫無疑問,學(xué)習(xí)是人工智能中最為火熱和最有前途的方向,讓人去“學(xué)習(xí)”那么復(fù)雜的邏輯來告訴機(jī)器怎么做還不如讓機(jī)器自己來學(xué)習(xí)呢,畢竟人都是懶的嘛,而“懶”就是人類進(jìn)步的動(dòng)力!
學(xué)習(xí)是不斷的訓(xùn)練過程,其模型是在連續(xù)的優(yōu)化調(diào)整中,隨著訓(xùn)練數(shù)據(jù)越多其模型越準(zhǔn)確,但是人類的學(xué)習(xí)不僅僅是一個(gè)連續(xù)學(xué)習(xí)過程,還有一種跳躍式學(xué)習(xí),也就是常說的“頓悟”,這點(diǎn)是機(jī)器學(xué)習(xí)目前所沒有的。
也就是說,要從語音識(shí)別成功轉(zhuǎn)變成真正意義上的語義識(shí)別,首先要獲得大量的數(shù)據(jù)(比如說普通話,上海方言等),用過這些數(shù)據(jù)不斷訓(xùn)練,來提高識(shí)別的準(zhǔn)確率。
圖|語義識(shí)別市場(chǎng)
雖說實(shí)現(xiàn)真正的語義識(shí)別不容易,但是就目前的市場(chǎng)分析來看,語義識(shí)別已經(jīng)滲透到了我們的生活之中,作為人工智能的基礎(chǔ)性技術(shù)之一,隨著技術(shù)的不斷成熟,語義識(shí)別將不斷地改變更多的傳統(tǒng)行業(yè)。
圖|人工智能各分支占比
在人工智能的整個(gè)領(lǐng)域里,自然語言處理無論是在創(chuàng)業(yè)熱度/獲投數(shù)量還是獲投金額都處于細(xì)分領(lǐng)域的前三名。據(jù)有關(guān)數(shù)據(jù)分析,預(yù)計(jì)到2024年,市場(chǎng)規(guī)模可達(dá)110億美元。并且在這個(gè)領(lǐng)域還沒有出現(xiàn)巨頭,這塊蛋糕還給創(chuàng)業(yè)者留有大量的余地。可以說語音識(shí)別(在這里指的整個(gè)語言識(shí)別)未來的市場(chǎng)發(fā)展十分有看頭。
想象一下,當(dāng)語音識(shí)別發(fā)展到一定程度,我們坐在電視機(jī)前就可以語音遙控想看的節(jié)目。假如你要看英劇《神探夏洛克》,經(jīng)常會(huì)被人叫成《神探夏洛特》(因?yàn)橄穆逄馗樧旎蛘吒毡椋,這時(shí)候如果不做語義理解,可能你搜出來的名字就是《夏洛特?zé)⿶馈罚驗(yàn)樗l度也很高。
圖|語義識(shí)別帶來的人機(jī)交互
專做語義識(shí)別的三角獸公司CTO亓超對(duì)以上現(xiàn)象如此解釋:當(dāng)你沒有辦法記住片子完整名字時(shí),語義識(shí)別需要給你做糾正,做更合適處理。其實(shí)用戶在看電視產(chǎn)生很大需求,當(dāng)用戶不知道要看什么,需要機(jī)器幫忙做推薦和引導(dǎo),而這個(gè)過程中精準(zhǔn)化程度、和人性化程度取決于智能化程度。
當(dāng)語音識(shí)別發(fā)展到一定的程度,語義識(shí)別或?qū)⒊蔀樾碌闹髁鳌?/p>

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
7月22-29日立即報(bào)名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會(huì)
-
7.30-8.1火熱報(bào)名中>> 全數(shù)會(huì)2025(第六屆)機(jī)器人及智能工廠展
-
7月31日免費(fèi)預(yù)約>> OFweek 2025具身智能機(jī)器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費(fèi)參會(huì)立即報(bào)名>> 7月30日- 8月1日 2025全數(shù)會(huì)工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
-
8月5日立即報(bào)名>> 【在線會(huì)議】CAE優(yōu)化設(shè)計(jì):醫(yī)療器械設(shè)計(jì)的應(yīng)用案例與方案解析
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」?
- 2 豆包前負(fù)責(zé)人喬木出軌BP后續(xù):均被辭退
- 3 一文看懂視覺語言動(dòng)作模型(VLA)及其應(yīng)用
- 4 “支付+”時(shí)代,支付即生態(tài) | 2025中國(guó)跨境支付十大趨勢(shì)
- 5 中國(guó)最具實(shí)力AI公司TOP10
- 6 深圳跑出40億超級(jí)隱形冠軍:賣機(jī)器人年入6.1億,港股上市
- 7 特斯拉Robotaxi上路,馬斯克端上畫了十年的餅
- 8 “AI六小虎”到了下一個(gè)賽點(diǎn)
- 9 張勇等人退出阿里合伙人
- 10 AI視頻,攪動(dòng)1.5萬億市場(chǎng)