技術(shù)領(lǐng)域的從業(yè)者花了數(shù)年時間開發(fā)語音識別軟體。目前，IBM稱其語音識別軟體的字詞錯誤率僅為5.5％，低于之前的6.9％的記錄。這對于語音識別行業(yè)來說是重大的里程碑，可能最終會引領(lǐng)Siri和Alexa等語音助手的技術(shù)改進。
微軟聲稱去年10月使用類似于聯(lián)想詞云的神經(jīng)語言模型達(dá)到5.9％的錯詞率。當(dāng)時，該公司認(rèn)為這個數(shù)據(jù)能與人類錯詞率相媲美。但IBM說這個數(shù)據(jù)并不值得慶祝。IBM主要研究科學(xué)家喬治·薩恩（George Saon）在本周發(fā)表的一篇博客中寫道：「我們是實現(xiàn)今天里程碑的重要貢獻者，然而我們確定人類實際錯詞率比目前所有語音識別系統(tǒng)能達(dá)到的錯詞率都低－僅為5.1％。」
IBM通過所謂的長短期內(nèi)存（Long Short-Term Memory），人工神經(jīng)網(wǎng)路、與三種強大的聲學(xué)模型相結(jié)合的WaveNet語言模型，開發(fā)出了錯誤率僅為5.5％的語音識別系統(tǒng)。然后使用「SWITCHBOARD」語料庫對此語音識別系統(tǒng)進行測量，該語料庫是幾十年來被用作語音識別軟體測量的標(biāo)準(zhǔn)。實現(xiàn)5.5%的詞錯率是一個大突破，但實際上，測試標(biāo)準(zhǔn)并不總能體現(xiàn)真實數(shù)據(jù)的復(fù)雜性和多樣化，與此同時，人類實際詞錯率的確定也表明我們還遠(yuǎn)沒有達(dá)到最終目標(biāo)。
哥倫比亞大學(xué)計算機科學(xué)系教授Julia Hirschberg說：「降低語音識別錯詞率和衡量人類詞錯率是一個持續(xù)性的挑戰(zhàn)。因為人類的言語，特別是在隨意交談的時候，是非常復(fù)雜的。同時，我們也很難為人類錯詞率做標(biāo)準(zhǔn)界定，因為每一個不同的個體在理解他人語言上水平參差不齊。」
相關(guān)信息補充：
IBM公司語音識別研究團隊一直以「創(chuàng)造一種更具活力的電腦交互方式」作為重要使命之一。IBM于上世紀(jì)50年代末開始語音識別的技術(shù)研究。在1962年西雅圖世界博覽會上，由IBM研發(fā)出的「鞋盒」大放異彩，成為當(dāng)時世界上最先進的語音識別機器，這臺機器能理解人類口述數(shù)字0~9以及簡單的運算口令。但在之后的很長一段時間里，由于電腦技術(shù)和語音識別研究方法的限制，語音識別并沒有太大進展。直到信息理論的強大統(tǒng)計演算法的出現(xiàn)，語音識別才重新踏上了進步發(fā)展之路，能識別5000個英語單詞的語音識別系統(tǒng)面世。但還有一個問題擺在技術(shù)人員面前：這臺語音識別處理機大的出奇，無法實現(xiàn)應(yīng)用普及化。
時至今日，對于大眾最為熟悉的語音識別系統(tǒng)是Apple的Siri。藉助高速網(wǎng)路的發(fā)展，Apple利用高性能伺服器代替了手機來進行有大量復(fù)雜運算需求的語音識別工作。同時，搜索引擎和ios手機系統(tǒng)的結(jié)合，更使得Siri用戶體驗性得到大幅度提升。在Siri大獲全勝后，Google等高科技企業(yè)也紛紛加入語音識別的開發(fā)洪流，而曾經(jīng)的「語音識別奠基人」IBM也在這個洪流中再度占據(jù)鰲頭。
時至今日，對于大眾最為熟悉的語音識別系統(tǒng)是Apple的Siri。藉助高速網(wǎng)路的發(fā)展，Apple利用高性能伺服器代替了手機來進行有大量復(fù)雜運算需求的語音識別工作。同時，搜索引擎和ios手機系統(tǒng)的結(jié)合，更使得Siri用戶體驗性得到大幅度提升。在Siri大獲全勝后，Google等高科技企業(yè)也紛紛加入語音識別的開發(fā)洪流，而曾經(jīng)的「語音識別奠基人」IBM也在這個洪流中再度占據(jù)鰲頭。 技術(shù)領(lǐng)域的從業(yè)者花了數(shù)年時間開發(fā)語音識別軟體。目前，IBM稱其語音識別軟體的字詞錯誤率僅為5.5％，低于之前的6.9％的記錄。這對于語音識別行業(yè)來說是重大的里程碑，可能最終會引領(lǐng)Siri和Alexa等語音助手的技術(shù)改進。
微軟聲稱去年10月使用類似于聯(lián)想詞云的神經(jīng)語言模型達(dá)到5.9％的錯詞率。當(dāng)時，該公司認(rèn)為這個數(shù)據(jù)能與人類錯詞率相媲美。但IBM說這個數(shù)據(jù)并不值得慶祝。IBM主要研究科學(xué)家喬治·薩恩（George Saon）在本周發(fā)表的一篇博客中寫道：「我們是實現(xiàn)今天里程碑的重要貢獻者，然而我們確定人類實際錯詞率比目前所有語音識別系統(tǒng)能達(dá)到的錯詞率都低－僅為5.1％。」
IBM通過所謂的長短期內(nèi)存（Long Short-Term Memory），人工神經(jīng)網(wǎng)路、與三種強大的聲學(xué)模型相結(jié)合的WaveNet語言模型，開發(fā)出了錯誤率僅為5.5％的語音識別系統(tǒng)。然后使用「SWITCHBOARD」語料庫對此語音識別系統(tǒng)進行測量，該語料庫是幾十年來被用作語音識別軟體測量的標(biāo)準(zhǔn)。實現(xiàn)5.5%的詞錯率是一個大突破，但實際上，測試標(biāo)準(zhǔn)并不總能體現(xiàn)真實數(shù)據(jù)的復(fù)雜性和多樣化，與此同時，人類實際詞錯率的確定也表明我們還遠(yuǎn)沒有達(dá)到最終目標(biāo)。
哥倫比亞大學(xué)計算機科學(xué)系教授Julia Hirschberg說：「降低語音識別錯詞率和衡量人類詞錯率是一個持續(xù)性的挑戰(zhàn)。因為人類的言語，特別是在隨意交談的時候，是非常復(fù)雜的。同時，我們也很難為人類錯詞率做標(biāo)準(zhǔn)界定，因為每一個不同的個體在理解他人語言上水平參差不齊。」
相關(guān)信息補充：
IBM公司語音識別研究團隊一直以「創(chuàng)造一種更具活力的電腦交互方式」作為重要使命之一。IBM于上世紀(jì)50年代末開始語音識別的技術(shù)研究。在1962年西雅圖世界博覽會上，由IBM研發(fā)出的「鞋盒」大放異彩，成為當(dāng)時世界上最先進的語音識別機器，這臺機器能理解人類口述數(shù)字0~9以及簡單的運算口令。但在之后的很長一段時間里，由于電腦技術(shù)和語音識別研究方法的限制，語音識別并沒有太大進展。直到信息理論的強大統(tǒng)計演算法的出現(xiàn)，語音識別才重新踏上了進步發(fā)展之路，能識別5000個英語單詞的語音識別系統(tǒng)面世。但還有一個問題擺在技術(shù)人員面前：這臺語音識別處理機大的出奇，無法實現(xiàn)應(yīng)用普及化。
IBM02
時至今日，對于大眾最為熟悉的語音識別系統(tǒng)是Apple的Siri。藉助高速網(wǎng)路的發(fā)展，Apple利用高性能伺服器代替了手機來進行有大量復(fù)雜運算需求的語音識別工作。同時，搜索引擎和ios手機系統(tǒng)的結(jié)合，更使得Siri用戶體驗性得到大幅度提升。在Siri大獲全勝后，Google等高科技企業(yè)也紛紛加入語音識別的開發(fā)洪流，而曾經(jīng)的「語音識別奠基人」IBM也在這個洪流中再度占據(jù)鰲頭。
