siri為何沒(méi)有給語(yǔ)音識(shí)別技術(shù)應(yīng)用帶個(gè)好頭？

 語(yǔ)音識(shí)別 (voice recognition)是多次被熱烈期待、又讓人大失所望的技術(shù)之一;尋找一種實(shí)用的人類語(yǔ)音識(shí)別技術(shù)之需求，自該技術(shù)首次被嘗試運(yùn)用在人機(jī)界面以來(lái)，一直都是個(gè)挑戰(zhàn)。

最新一代的消費(fèi)者導(dǎo)向人機(jī)界面技術(shù)Siri，是蘋(píng)果的iOS操作系統(tǒng)所配備之智能個(gè)人助理與知識(shí)導(dǎo)航應(yīng)用程序;該技術(shù)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(shuō)法，該軟件會(huì)隨著時(shí)間適應(yīng)用戶喜好、產(chǎn)生個(gè)人化的結(jié)果，也能執(zhí)行查詢附近餐館、指引方向等基本任務(wù)。

Kittlaus表示， Siri是起源于一個(gè)由美國(guó)國(guó)防部高等研究計(jì)劃署(DRAPA)所贊助、在研究機(jī)構(gòu)SRI International進(jìn)行的一項(xiàng)“2.5億美元專案”;而Siri的誕生其實(shí)是眾多研發(fā)人員的共同成果，他們來(lái)自卡內(nèi)基美隆大學(xué)(Carnegie Mellon University)、麻州大學(xué)阿默斯特分校(the University of Massachusetts Amherst)、羅徹斯特大學(xué)(University of Rochester)、奧勒岡州立大學(xué)的人機(jī)認(rèn)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(xué)(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(yīng)用程序之一，并用于其iPhone 4S智能手機(jī)。Siri能讓用戶以語(yǔ)音發(fā)送信息、安排行程、撥打電話、下指令、問(wèn)問(wèn)題，而且能理解自然語(yǔ)言;Siri也會(huì)在需要更多資訊來(lái)完成任務(wù)時(shí)，主動(dòng)提出問(wèn)題。

有鑒于此，其實(shí)那些任務(wù)都是被明確定義與限制的，而語(yǔ)音識(shí)別技術(shù)都是依照設(shè)計(jì)來(lái)運(yùn)作。而這也是語(yǔ)音識(shí)別技術(shù)發(fā)展歷史上的一大難題，該種應(yīng)用程序需要被限制在某個(gè)范圍內(nèi)、聚焦特定的任務(wù)，并被放在一個(gè)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(jié)果。

語(yǔ)音合成以及語(yǔ)音識(shí)別應(yīng)用程序在今日普遍可見(jiàn)，應(yīng)用范圍涵蓋電話查詢飛機(jī)航班、車用語(yǔ)音導(dǎo)航系統(tǒng)、盲人電腦以及安全系統(tǒng)等等。在年度的“5 5預(yù)言”科技發(fā)展預(yù)測(cè)中，IBM院士語(yǔ)音技術(shù)官David Nahamoo認(rèn)為，生物識(shí)別(biometrics)將因?yàn)檎险Z(yǔ)音識(shí)別技術(shù)以及其他生物識(shí)別技術(shù)，更充分發(fā)揮其性能。

“接下來(lái)五年，個(gè)人的獨(dú)特生物特征與生物識(shí)別數(shù)據(jù)──例如臉部特征、虹膜掃描資料、語(yǔ)音檔案甚至DNA──將成為保護(hù)個(gè)人身分與信息的關(guān)鍵，并取代目前的用戶帳號(hào)/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(shè)備的先進(jìn)技術(shù)，例如麥克風(fēng)、觸控屏幕、高分辨率攝影機(jī)等，來(lái)完整布署生物識(shí)別安全功能選項(xiàng)。”

IBM的研究人員在近幾年公布的“5 5預(yù)言”中，列出了將持續(xù)突破人類極限、強(qiáng)化并擴(kuò)大我們的感官能力之新興技術(shù);那些技術(shù)包括機(jī)器學(xué)習(xí)(machine learning)、人工智能(artificial intelligence)以及先進(jìn)語(yǔ)音識(shí)別技術(shù)。

因此，盡管連續(xù)性的語(yǔ)音識(shí)別技術(shù)目標(biāo)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(jìn)口袋的應(yīng)用程序，讓實(shí)用的語(yǔ)音識(shí)別技術(shù)成為可能。