siri為何沒有給語音識別技術應用帶個好頭?
語音識別 (voice recognition)是多次被熱烈期待、又讓人大失所望的技術之一;尋找一種實用的人類語音識別技術之需求,自該技術首次被嘗試運用在人機界面以來,一直都是個挑戰(zhàn)。
最新一代的消費者導向人機界面技術Siri,是蘋果的iOS操作系統(tǒng)所配備之智能個人助理與知識導航應用程序;該技術是由Siri這家公司的共同創(chuàng)辦人與前任CEO Dag Kittlaus出售給Apple。根據(jù)Apple說法,該軟件會隨著時間適應用戶喜好、產(chǎn)生個人化的結果,也能執(zhí)行查詢附近餐館、指引方向等基本任務。
Kittlaus表示, Siri是起源于一個由美國國防部高等研究計劃署(DRAPA)所贊助、在研究機構SRI International進行的一項“2.5億美元專案”;而Siri的誕生其實是眾多研發(fā)人員的共同成果,他們來自卡內(nèi)基美隆大學(Carnegie Mellon University)、麻州大學阿默斯特分校(the University of Massachusetts Amherst)、羅徹斯特大學(University of Rochester)、奧勒岡州立大學的人機認知研究中心(the Institute for Human and Machine Cognition)、南加大(the University of Southern California)以及史丹佛大學(Stanford University)。
Siri 共同創(chuàng)辦人Dag Kittlaus (照片提供:Northwestern University)
Apple將Siri納為旗下應用程序之一,并用于其iPhone 4S智能手機。Siri能讓用戶以語音發(fā)送信息、安排行程、撥打電話、下指令、問問題,而且能理解自然語言;Siri也會在需要更多資訊來完成任務時,主動提出問題。
有鑒于此,其實那些任務都是被明確定義與限制的,而語音識別技術都是依照設計來運作。而這也是語音識別技術發(fā)展歷史上的一大難題,該種應用程序需要被限制在某個范圍內(nèi)、聚焦特定的任務,并被放在一個封閉的生態(tài)系統(tǒng)里,于是用戶才能在iPhone 4S上收到一小部分令人滿意的結果。
語音合成以及語音識別應用程序在今日普遍可見,應用范圍涵蓋電話查詢飛機航班、車用語音導航系統(tǒng)、盲人電腦以及安全系統(tǒng)等等。在年度的“5 5預言”科技發(fā)展預測中,IBM院士語音技術官David Nahamoo認為,生物識別(biometrics)將因為整合語音識別技術以及其他生物識別技術,更充分發(fā)揮其性能。
“接下來五年,個人的獨特生物特征與生物識別數(shù)據(jù)──例如臉部特征、虹膜掃描資料、語音檔案甚至DNA──將成為保護個人身分與信息的關鍵,并取代目前的用戶帳號/密碼系統(tǒng)。”Nahamoo表示:“我們可利用已經(jīng)內(nèi)建于今日智能設備的先進技術,例如麥克風、觸控屏幕、高分辨率攝影機等,來完整布署生物識別安全功能選項。”
IBM的研究人員在近幾年公布的“5 5預言”中,列出了將持續(xù)突破人類極限、強化并擴大我們的感官能力之新興技術;那些技術包括機器學習(machine learning)、人工智能(artificial intelligence)以及先進語音識別技術。
因此,盡管連續(xù)性的語音識別技術目標仍然像50年前一樣難以捉摸,現(xiàn)在畢竟已經(jīng)有了被定義在有限范圍、可以放進口袋的應用程序,讓實用的語音識別技術成為可能。