中國日報(bào)網(wǎng)4月18日電 據(jù)英國《經(jīng)濟(jì)學(xué)人》報(bào)道，英國科幻小說作家亞瑟·查理斯·克拉克（Arthur C. Clarke）表示，足夠先進(jìn)的技術(shù)與魔法無異。迅速興起的語音計(jì)算技術(shù)證明了他的觀點(diǎn)。使用語音技術(shù)就像念魔法咒語：只要對著空氣說出幾個(gè)字，身旁的設(shè)備便能達(dá)成你的愿望。

亞馬遜Echo智能音箱是一款放置于桌面的柱形語音驅(qū)動(dòng)電腦，名為Alexa。它可以為用戶播放音樂和廣播、講笑話、回答一些細(xì)瑣的問題、以及控制智能設(shè)備。在2016年圣誕節(jié)前，它進(jìn)入了美國4%的家庭。語音助手在智能手機(jī)中也在迅速普及：蘋果的語音助手Siri每周要處理20億條命令；美國安卓手機(jī)上20%的谷歌搜索是通過語音輸入的。現(xiàn)在發(fā)郵件和短信都可以通過語音輸入，便利可靠。能說話為什么還要打字呢？

這是一個(gè)巨大的轉(zhuǎn)變。盡管看起來好像挺簡單，可是，通過提供一種自然的互動(dòng)方式，語音技術(shù)有能力使計(jì)算機(jī)技術(shù)煥然一新。相比于輸入復(fù)雜的鍵盤命令，通過更直觀的窗口、圖標(biāo)、菜單以及后來的觸屏技術(shù)使用電腦則受到歡迎。能對計(jì)算機(jī)說話后，抽象的用戶界面就沒有存在的必要了。就像移動(dòng)手機(jī)不只是沒有電線的電話，而汽車不只是沒有馬拉的車廂一樣，沒有顯示屏和鍵盤的計(jì)算機(jī)將比如今我們想象的更有用、更強(qiáng)大，無處不在。

語音不會(huì)完全取代其他的輸入和輸出形式。有時(shí)，打字比講話更便于我們與機(jī)器溝通（據(jù)說亞馬遜正在研制一款裝有嵌入屏幕的Echo智能音箱）。但是，語音技術(shù)出現(xiàn)后，會(huì)有越來越多的人選擇通過語音與身邊的科技互動(dòng)，如洗衣機(jī)可以告訴你還有多久才能結(jié)束洗衣程序，你還可以與企業(yè)熱線的虛擬助手進(jìn)行交談。不過，如果想發(fā)揮語音技術(shù)的最大潛力，科技人員還需進(jìn)一步進(jìn)行研究突破，并解決技術(shù)帶來的棘手問題，即便利和隱私之間的權(quán)衡。

Alexa，什么是“深度學(xué)習(xí)”？

計(jì)算機(jī)語音識別系統(tǒng)已存在多年了。不過，這種技術(shù)之前并不可靠，需要長期的訓(xùn)練才能學(xué)會(huì)識別特定使用者的語音。現(xiàn)在計(jì)算機(jī)可以無需訓(xùn)練便能比較準(zhǔn)確地識別出幾乎所有人的語音，得益于“深度學(xué)習(xí)”這一人工智能技術(shù)。這一技術(shù)通常會(huì)使用數(shù)百萬個(gè)來自互聯(lián)網(wǎng)的例子訓(xùn)練某一軟件系統(tǒng)。借助“深度學(xué)習(xí)”技術(shù)，機(jī)器將語音轉(zhuǎn)為文字的準(zhǔn)確度與人類不相上下。計(jì)算機(jī)翻譯系統(tǒng)在迅速完善，把文字轉(zhuǎn)為語音的系統(tǒng)也更加接近人聲，聽起來不再那么機(jī)械化。簡言之，計(jì)算機(jī)在處理各種形式的自然語言方面發(fā)展非常迅速。

盡管借助“深度學(xué)習(xí)”技術(shù)后，機(jī)器可以較精準(zhǔn)地識別語音，說話也不再那么生硬，但是，它們并不理解話語的含義。如果由語音驅(qū)動(dòng)的計(jì)算機(jī)技術(shù)要真正蓬勃發(fā)展，這是便是它要克服的最大難題。只有理解文本信息，計(jì)算機(jī)才能流暢地與人類就某事進(jìn)行交流，而不是像今天這樣，僅能對簡單的一次性語音指令（如，嗨，Siri，設(shè)置一個(gè)10分鐘的提醒）做出回應(yīng)。各大院校和大小企業(yè)的研究人員都在致力于解決這一問題。他們在研發(fā)可以就更復(fù)雜的任務(wù)進(jìn)行更詳盡對話的機(jī)器人。這些機(jī)器人不僅可以檢索信息，還可以就房貸咨詢提出建議、進(jìn)行旅行安排。（亞馬遜愿為研發(fā)出可以流暢地進(jìn)行20分鐘生動(dòng)對話的機(jī)器人研發(fā)人支付100萬美元獎(jiǎng)勵(lì)。）

當(dāng)魔咒代替拼寫

消費(fèi)者和監(jiān)管機(jī)構(gòu)在語音技術(shù)的發(fā)展方面也扮演了一定的角色。盡管現(xiàn)在語音技術(shù)僅處于發(fā)展初期階段，它卻處于進(jìn)退兩難的境地：語音驅(qū)動(dòng)系統(tǒng)只有在個(gè)性化后才能發(fā)揮最大潛能，接觸到更多資源數(shù)據(jù)，如日歷、電子郵件和其他一些敏感信息。這引發(fā)了人們對隱私和安全問題的擔(dān)憂。

對于更為更復(fù)雜的事務(wù)，許多語音驅(qū)動(dòng)系統(tǒng)始終在聆聽和等待激活的狀態(tài)。一些人擔(dān)心：每部手機(jī)和每個(gè)房間內(nèi)的聯(lián)網(wǎng)麥克風(fēng)時(shí)刻都在聆聽，這將會(huì)帶來怎樣的影響？不是所有的語音都會(huì)上傳到云端。在用戶語音傳送到真正處理用戶指令的服務(wù)器之前，設(shè)備需要聽到一句觸發(fā)指令，如Alexa、OK、 Google、Hey、Cortana、或Hey, Siri等。不過，在人們儲存語音后，這些數(shù)據(jù)有誰儲存、儲存多久就不得而知了。

阿肯色州警察局調(diào)查一起謀殺案時(shí)。認(rèn)為一臺亞馬遜Echo智能音箱設(shè)備可能無意中聽到了兇案信息，要求亞馬遜提供所有可能與該案件有關(guān)的語音信息。亞馬遜拒絕合作，并（在隱私保護(hù)提倡者的支持下）表示這種要求未必合法。同樣的，2016年蘋果公司拒絕協(xié)助美國聯(lián)邦調(diào)查局FBI解鎖一名恐怖分子的iPhone手機(jī)。這兩起案例都表明了，我們需要制定明確的規(guī)則，規(guī)定在何種情況下可以為保障公眾安全介入個(gè)人隱私。

即使這些問題還未解決，消費(fèi)者仍會(huì)使用語音技術(shù)。大多數(shù)情況下，語音輸入遠(yuǎn)比其他交流方式更加方便、自然。語音技術(shù)最獨(dú)特的一點(diǎn)在于，用戶在進(jìn)行其他活動(dòng)時(shí)（如開車、健身或者走在路上），仍可使用語音技術(shù)。這一技術(shù)也可以讓那些因種種原因無法使用屏幕或鍵盤的人群使用計(jì)算機(jī)。語音技術(shù)不僅對計(jì)算機(jī)技術(shù)影響巨大，還會(huì)影響語言使用。計(jì)算機(jī)同聲傳譯會(huì)令許多人認(rèn)為無需掌握外語；在一個(gè)機(jī)器會(huì)說話的世界上，小語種更可能保留下來。觸屏?xí)r代的到來是人類與計(jì)算機(jī)互動(dòng)史上的一次巨大進(jìn)步。語音技術(shù)將會(huì)是一次更大的變革。

（編譯：李博文 劉恬 編輯：王旭泉）