微軟周二公布一項報告，指出微軟開發(fā)的語音識別技術在一項測試中，首度達到錯誤率和人類相去不遠的識別能力。
微軟人工智能研究中心（Microsoft Artificial Intelligenceand Research）公布的報告中研究人員及工程師運用業(yè)界常用的電話口語對話測試集NIST 2000 CTS，針對微軟自有技術及專業(yè)聽打員進行測試比較。其中在Switchboard子測試集中，微軟技術的字詞錯誤率由上個月的6.3%降到5.9%。
微軟表示，這個成績大約等于識別同一組對話的人類成績，也是Switchboard語音識別測試歷來最低的錯誤率。這表示電腦辨識對話口語字詞的能力，首次達到人類相同水準。
主管微軟人工智能研究中心的執(zhí)行副總裁沈向洋也指出，他們去年立下使電腦語音識別能力達到人類水準的目標，不到一年就達到了，也出乎他們意料之外。
微軟研究團隊運用該公司電腦視覺專家開發(fā)的深度神經網路，以大量資料訓練電腦識別出圖像或語音中的模式。為達到和人類相仿的辨識能力，他們使用名為Computation Network Toolkit（CNTK）的深度學習系統(tǒng)。這套系統(tǒng)透過在多臺搭載專用繪圖處理器的電腦上快速處理執(zhí)行深度演算，并大幅提升研究能力，最終拉高到人類水準。微軟去年也將此工具組開源于GitHub釋出。但微軟也指出，一如人類會犯錯，電腦也不是所有字都能識別無誤
微軟表示，這項研究結果將對消費及商用產品有深遠影響，包括Xbox游戲機、身障輔助工具，如口語聽寫，并使Cortana成為真正的個人數位助理服務。
除了微軟，Google、臉書、IBM及百度也都積極投入人工智能為基礎的語音識別，用以作為人機的自然語言互動界面。
