来自语音识别的人工智能给我们带来了什么

（文章来源：未来科技视角）

随着技术的发展，语音识别越来越渗透到我们的日常生活中，包括亚马逊的Alexa、Apple的Siri、Microsoft的Corana或Google的许多语音响应特征从我们的电话、电脑、手表乃至冰箱中，我们生活的每一个新的语音互动设备都会加深我们对人工智能(AI)和机器学习的依赖人工智能和机器学习人工智能是约翰·麦卡锡于1956年首次提出的。

在最初用于分析和快速计算数据的地方，人工智能现在允许计算机执行通常仅由人类执行的任务。机器学习是人工智能的一个子集，是指一个自学系统。

它涉及到教授计算机识别模式，而不是使用特定的规则对其进行编程。训练过程包括向算法提供大量数据，并从数据中学习和识别数据。在早期，程序员必须为他们想要识别的每一个对象(如人和狗)编写代码；现在，系统可以通过向每个系统显示许多实例来识别两者。随着时间的推移，这些系统将变得更加智能化，无需人工干预机器学习有许多不同的技术和方法这些方法之一是人工神经网络，其一个例子是产品推荐。

电子商务公司通常使用人工神经网络来展示用户更有可能购买的产品他们可以从所有用户的浏览体验中提取数据，并使用这些信息提供有效的产品推荐。Rv的自动转录是由自动语音识别(ASR)和自然语言处理(NLP)驱动的。ASR将口语单词转换为文本，而NLP处理文本以获得其含义。

由于人类经常用口语体、短小和初始语说话，因此需要大量的计算机分析自然语言，才能产生准确的转录。语音识别技术的挑战正面临着许多挑战但范围缩小了这些包括克服低劣的录音设备、背景噪音、难以理解的口音和方言，以及人们声音的变化。

教机器学习人类的口语阅读能力还没有达到完美。倾听并理解一个人所说的远比听到一个人的话更重要。作为一个人，我们通过人的眼睛、面部表情、肢体语言、语调和语调来解释话语的意义。另一种发音的Nuance是人类倾向于缩短某些短语（例如，"我不知道"变成"我不知道"）这种人工倾向对语音识别中的机器学习构成了另一个挑战。机器学习听口音、情绪和曲率，但仍有很长的路要走随着技术越来越复杂并且特定的算法使用更多的数据，这些挑战正在迅速克服随着人工智能的发展和机器学习所需的大量语音数据的容易挖掘，它成为下一个重要的交互界面也就不足为奇了。