“语音识别”的终极梦想：人工智能技术的爆发

“语音识别”的终极梦想，是真正能够理解人类语言甚至是方言环境的系统。但几十年来，人们并没有一个有效的策略来创建这样一个系统，直到人工智能技术的爆发。

多年来，理解人类一直都是人工智能的最重要任务之一。人们不仅希望机器能够理解他们在说些什么，还希望它们能够理解他们所要表达的意思，并基于这些信息采取特定的行动。而这一目标正是对话式人工智能（AI）的精髓。

对话式人工智能包含有两个主要类别：人机界面，以及人与人沟通的界面。在人机界面中，人类与机器往往通过语音或文本交互，届时机器会理解人类 (尽管这种理解方式是有限的) 并采取相应的一些措施。

为了理解对话式AI背后的挑战与技术，我们必须研究人工智能的基本概念：机器感知与机器识别。

机器感知是指机器能够采用类似于人类自己凭感觉感知周围世界来分析数据的能力；换句话说，其本质上就是为机器赋予人类的感知能力。近来很多的人工智能算法都需要使用电脑摄像头，如目标检测和识别，都归属于机器感知范畴——主要涉及视觉处理。语音识别和分析则是那些利用听觉的机器感知技术。

机器识别是在机器感知所生成的元数据之上的推理运算。机器识别包括决策制定、专家系统、行动执行以及用户的意图等方面。一般情况下，如果没有机器识别，对AI的感知系统不会产生任何影响，而机器感知会提供适当的元数据信息来令其做出决策与执行行动。

人们对语音识别的活跃研究已经进行了几十年，而事实上，即使是在二十世纪50年代和60年代，人们也一直在试图构建语音识别系统。然而，在2011年以及深度学习、大数据和云计算出现以前。