語音識別技術(shù)科普：客知音電話機(jī)器人為您解讀人工神經(jīng)網(wǎng)絡(luò)

　 域名預(yù)訂/競價，好“米”不錯過

語音識別引擎的迅速發(fā)展推動著人類進(jìn)入了一個新的時代,在萬物互聯(lián)的基礎(chǔ)上,人類開始可以擺脫手動鍵盤錄入信息,直接用語音和“萬物對話”,更接近自然交流場景。這樣一種趨勢正在席卷人類生活的方方面面:智能穿戴設(shè)備、兒童陪伴機(jī)器人、智能車載、電話機(jī)器人等。

其實(shí)這樣的時刻已經(jīng)醞釀多時了。從1952年貝爾研究所成功識別10個英文數(shù)字到如今人們可以和機(jī)器人實(shí)時交流互動,語音識別背后的技術(shù)經(jīng)歷了幾個時期的重點(diǎn)突破。其中,人工神經(jīng)網(wǎng)絡(luò)(Artificial neutral Network,簡稱ANN)是推動語音識別技術(shù)到當(dāng)前水平的一匹黑馬。

可能我們會想當(dāng)然地以為人工神經(jīng)網(wǎng)絡(luò)是一個新興的概念,但它其實(shí)在1950年代就被提出來了!在20世紀(jì)80年代后期,神經(jīng)網(wǎng)絡(luò)成為一種流行的聲學(xué)建模方法。從那時起,神經(jīng)網(wǎng)絡(luò)已被用于語音識別的許多方面,例如音素分類,孤立詞識別,視聽語音識別,視聽說話者識別和說話者適應(yīng)。

根據(jù)百度百科的介紹,人工神經(jīng)網(wǎng)絡(luò)是借鑒生物學(xué)上神經(jīng)網(wǎng)絡(luò)的信息處理方式,建立模型后按照不同的連接方式組成的不同的網(wǎng)絡(luò)。那這樣一種運(yùn)算模型的基本原理是什么呢?

和往常的計(jì)算機(jī)運(yùn)行模式不同,神經(jīng)網(wǎng)絡(luò)系統(tǒng)不是根據(jù)事先編寫好的指令完成特定的任務(wù),而是像人一樣根據(jù)示范和例子進(jìn)行學(xué)習(xí)。例如在圖像識別領(lǐng)域,如何讓機(jī)器識別貓咪?機(jī)器并不知道貓到底是什么,例如四條腿有毛發(fā)和胡須的動物,它毫無概念。但它能夠通過分析大量標(biāo)記著“貓”和“不是貓”的圖片庫,自主學(xué)習(xí)并辨別出哪些圖片里有貓,哪些沒有。

人工神經(jīng)網(wǎng)絡(luò)模擬生物神經(jīng)網(wǎng)絡(luò),由連接著的節(jié)點(diǎn)或者神經(jīng)元組成。例如,一個節(jié)點(diǎn)A可以傳遞信號給另一個與之相連的人工神經(jīng)元B,而B可以處理收到的信號并能傳遞給與它相接觸的其他節(jié)點(diǎn)C、D、E、F、G等,這樣就形成了強(qiáng)大的信息處理和傳遞網(wǎng)絡(luò)。

在ANN的普遍運(yùn)用中,各個連接的節(jié)點(diǎn)傳輸?shù)男盘柖际菙?shù)字,而每次數(shù)字的傳輸都會經(jīng)過特定的轉(zhuǎn)化后輸出。那人工神經(jīng)網(wǎng)絡(luò)是如何學(xué)習(xí)的呢?原來每個連接都會隨著學(xué)習(xí)例子的過程計(jì)算它的權(quán)重,權(quán)重的大小可以強(qiáng)化或弱化連接的信息傳遞。通常,人工神經(jīng)元會集聚成不同的“層”,只有當(dāng)所有那一層的信息都通過了一個關(guān)卡時,信息才能被傳輸。不同的“層”會對傳輸進(jìn)來的信息進(jìn)行不同方式的變換,因此信息從開始層傳到最后一層都會在各層之間轉(zhuǎn)化過了很多次。

當(dāng)然,以上只是對于人工神經(jīng)網(wǎng)絡(luò)最基礎(chǔ)的介紹,各個模型的應(yīng)用和測評在學(xué)術(shù)界時刻被交流和更新著?？椭舻乃惴夹g(shù)人員更是在理論和實(shí)踐中把握著前沿動態(tài),定期撰寫論文并組織研討,在自主研發(fā)的語音識別引擎的基礎(chǔ)上,不斷優(yōu)化專門領(lǐng)域內(nèi)的語音識別準(zhǔn)確率,做到比科大訊飛、百度、阿里等通用語音識別更準(zhǔn)確。

申請創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！