智能語音交互對人們生活的影響正在潛移默化地發(fā)生。以前，人們還習(xí)慣于通過鍵盤和觸控屏操控智能設(shè)備，而三到五年內(nèi)，科學(xué)家認為人們或許可以隨時給身邊智能設(shè)備、機器人下達指令，幫助訂餐、訂票，乃至端茶遞水。

　　過去，機器對語音識別度不高，對自然語言的語義更難以理解，阻礙了語音交互的應(yīng)用。

　　但僅僅在一兩年內(nèi)，隨著降噪技術(shù)、方言識別、“雙工多輪交互”技術(shù)、機器學(xué)習(xí)技術(shù)的發(fā)展、對語音的準確識別，乃至對語義的準確理解，讓機器準確理解并執(zhí)行人類指令成為可能。

　　“以語音和語言為入口的認知革命，將推動人工智能夢想成真。這是一條人工智能走認知計算的必由之路。”由科大訊飛研發(fā)的最新技術(shù)，實時文字同傳了科大訊飛董事長劉慶峰的演講。

　　“（原來）我問一次北京明天天氣，然后可以再問上海明天天氣。而現(xiàn)在我可以問北京明天天氣，然后直接問‘上海的呢？’，它馬上就知道上下文相關(guān)。”劉慶峰說。

　　同時，在機器回答問題時，人類今后也可以隨時打斷，插入新的指令和話題。

　　方言、環(huán)境噪音，都可能影響語音識別準確度，而劉慶峰表示，最新的科技，結(jié)合了方言、降噪、“雙工多輪”等技術(shù)，2015年將語音識別準確度由40%已提升至90%。

　　讓機器執(zhí)行人類語音指令，識別是首要前提，但接下來另一個重要課題是如何讓機器理解自然語言語義，而這也涉及更深層次“人工智能”。

　　過去60年中，人工智能掀起過兩波浪潮，從證明數(shù)學(xué)原理，到大規(guī)模神經(jīng)網(wǎng)絡(luò)出現(xiàn)。直到2006年，機器“深度學(xué)習(xí)”正式提出，并被證明可用于大規(guī)模神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練，海量的數(shù)據(jù)給予機器學(xué)習(xí)資源，卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)技術(shù)，在語音交互方面逐步獲得應(yīng)用。