IBM語音識別錯誤率再創紀錄 已經接近人類對話

對於人工智慧來說，語音識別無疑也是其中的重要組成部分之一，而近年來，在語音識別技術的發展上，IBM、谷歌、微軟等國際巨頭都在不斷推進，並且也在不斷突破，日前據IBM官網消息，在語音識別錯誤率方面，其再次獲得突破，已經越來越接近人類了。

在語音識別方面，此前據外媒報道，谷歌曾表示他們已經在語音識別領域獲得了突破，將錯誤率降低到了30%，隨後，這個錯誤率貌似就開始了不斷下降，2016年，IBM 宣布在會話語音識別方面取得重大進展，把語音識別的詞錯率降至 6.9%，很快在2016年9月，微軟宣布自家語音識別技術的最低錯誤率為6.3%，打破了當時IBM保持的6.9%紀錄，而就在此後的幾個月，微軟再次宣布將最低錯誤率降低到了5.9%，並表示這已經與普通人類齊平。而就在日前，這個記錄被再次刷新，最近IBM在其官網上宣布，他們已經創造了自家語音識別的新紀錄，錯誤率已經低至5.5%，不但低於了其去年的6.9%的錯誤率，更低於了微軟號稱已經與普通人齊平的5.9%的錯誤率。

據IBM官方博客稱，IBM集中擴展深度學習應用技術終於取得了 5.5% 詞錯率的突破。我們結合了 LSTM 模型和帶有 3 個強聲學模型的 WaveNet 語言模型。這 3 個使用的聲學模型中，前兩個是 6 層雙向 LSTM，其中一個具有多特徵輸入，另一個則通過說話者-對抗多任務學習進行訓練。第 3 個模型的獨特之處在於可以從正負兩個樣本中進行學習。因此 IBM 的系統變得越來越聰明，尤其是在相似語音模式重複之處，表現更佳。

並且，IBM 官方博客還宣稱人們在說話時，對方每聽20個單詞都會漏掉或聽錯1-2個單詞，在5分鐘的對話中，可能會聽錯80個單詞，所以，人類的水平實際上應該是5.1%，這雖然對於多數人在聽懂說話上沒有問題，但是，對電腦就不一樣了。所以，雖然IBM目前雖然已經將次錯率降至了5.5%，但正在向5.1%努力。

從此次IBM在語音識別領域的又一次重大突破看，語音識別很可能在人工智慧領域發展的越來越快，並很可能將對會對人工智慧的發展起到更為有利的推動作用，所以，也許某天小夥伴們接到的流暢的音頻來電，就是來自於人工智慧語音識別的系統的，相信這一天會越來越近了。