微軟周二公布一項(xiàng)報(bào)告，指出微軟開發(fā)的語音識(shí)別技術(shù)在一項(xiàng)測試中，首度達(dá)到錯(cuò)誤率和人類相去不遠(yuǎn)的識(shí)別能力。
微軟人工智能研究中心（Microsoft Artificial Intelligenceand Research）公布的報(bào)告中研究人員及工程師運(yùn)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(shù)及專業(yè)聽打員進(jìn)行測試比較。其中在Switchboard子測試集中，微軟技術(shù)的字詞錯(cuò)誤率由上個(gè)月的6.3%降到5.9%。
微軟表示，這個(gè)成績大約等于識(shí)別同一組對話的人類成績，也是Switchboard語音識(shí)別測試歷來最低的錯(cuò)誤率。這表示電腦辨識(shí)對話口語字詞的能力，首次達(dá)到人類相同水準(zhǔn)。
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?nèi)ツ炅⑾率闺娔X語音識(shí)別能力達(dá)到人類水準(zhǔn)的目標(biāo)，不到一年就達(dá)到了，也出乎他們意料之外。
微軟研究團(tuán)隊(duì)運(yùn)用該公司電腦視覺專家開發(fā)的深度神經(jīng)網(wǎng)路，以大量資料訓(xùn)練電腦識(shí)別出圖像或語音中的模式。為達(dá)到和人類相仿的辨識(shí)能力，他們使用名為Computation Network Toolkit（CNTK）的深度學(xué)習(xí)系統(tǒng)。這套系統(tǒng)透過在多臺(tái)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(zhǔn)。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(huì)犯錯(cuò)，電腦也不是所有字都能識(shí)別無誤
微軟表示，這項(xiàng)研究結(jié)果將對消費(fèi)及商用產(chǎn)品有深遠(yuǎn)影響，包括Xbox游戲機(jī)、身障輔助工具，如口語聽寫，并使Cortana成為真正的個(gè)人數(shù)位助理服務(wù)。
除了微軟，Google、臉書、IBM及百度也都積極投入人工智能為基礎(chǔ)的語音識(shí)別，用以作為人機(jī)的自然語言互動(dòng)界面。
