Google 工程師 Pete Warden 在英國 ARM 研究高峰論壇表示，他希望打造超便宜的語音識別產品，搭載只要 50 美分的超低價芯片，一個硬幣大小的電池，足以維持一年的電力，再搭配簡單的人工智能算法， 就可以讓語音識別產品快速普及。
麻省理工科技評論(MIT Technology Review)報導，這種超便宜的語音識別芯片可用來生產便宜的對話玩偶，或是簡單的家用電器，如可被語音驅動的燈。 在工業(yè)環(huán)境應用，這種芯片可辨識不尋常的聲響，或是農田里的蟋蟀。
Warden 為 Google 的云端人工智能工具開發(fā)行動和嵌入式應用，稱為 TensorFlow，他在開發(fā)過程中發(fā)現(xiàn)亞馬遜的 AI 助手 Alexa 透過電池供電的簡單芯片運作，頻率只有幾百兆赫是不夠的，原因是 Alexa 必須辨識許多不同的聲音，而且因為大多數(shù)語音識別 AI 工具使用的神經網絡資源匱乏，這就是為什么 Alexa 必須將處理任務交給云端的原因。
為改善上述問題，Warden 限制問題的問法，譬如只能使用開、關、啟動、停止等字眼，并舍棄一般語音識別算法，他拿一個音頻將其切成短片段，然后計算每個片段的頻率內容，接著一個接一個排列每個頻率圖， 以建立一個頻率內容與時間的二維圖像，并應用視覺辨識算法來辨識單詞的獨特記號。
第一次嘗試分析音頻的 1 秒鐘片段需要 800 萬次計算，準確度為 89%，這可用現(xiàn)代智能手機運作，并且互動速度也夠快，這種方式比將運算過程送到云端更好，但是在低功耗芯片上性能不佳。
后來開發(fā)團隊借鑒一些幫助 Android 手機辨識短語的算法技巧后，系統(tǒng)只需執(zhí)行 75 萬次計算，就能達到 85% 的分析準確率，研究團隊已經在 TensorFlow 網站發(fā)表代碼供他人使用，他們打算應用在類似單芯片微控制器 Arduino 搭載的更小芯片。
但英國劍橋大學前 AI 研究員 Tony Robinson 認為，低成本策略可能可以幫助語音識別產品普及，不過用戶不太可能按表操課，大多數(shù)人沒有耐心使用高度限制性的指令，認為功率稍微高一點，可以處理更多語言能力的芯片， 可能更適合消費者應用。
下載文檔
