語音識別的前世今生|深度學習徹底改變對話式人工智能
由于深度學習與語音識別相結(jié)合，因此對CPU和內(nèi)存的占用量不容小覷。隨著用戶大量采用語音識別系統(tǒng)，構(gòu)建經(jīng)濟高效的云解決方案是一個具有挑戰(zhàn)性的重要問題。對如何降低計算成本并開發(fā)更有效的解決方案的研究一直在進行。今天，大多數(shù)語音識別系統(tǒng)都是基于云的，并且具有必須解決的兩個具體問題：延遲和持續(xù)連接。延遲是需要立即響應的設備（如機器人）的關鍵問題。在長時間監(jiān)聽的系統(tǒng)中，由于帶寬成本，持續(xù)連接是一個問題。因此，還需要對邊緣語音識別的研究，它必須保持基于云的系統(tǒng)的質(zhì)量。
解決語音識別問題
近年來，語音識別的表現(xiàn)和應用出現(xiàn)了巨大的飛躍。我們離完全解決這個問題還有多遠？答案也許五年、也許十年，但仍然有一些挑戰(zhàn)性的問題需要時間來解決。
第一個問題是對噪音的敏感性問題。一個語音識別系統(tǒng)在非常接近麥克風而且不嘈雜的環(huán)境中運行得很好然而，如果說話的聲音比較遠或者環(huán)境很嘈雜能迅速降低系統(tǒng)的效能。
第二個必須解決的問題是語言擴展：世界上大約有7000種語言，絕大多數(shù)語音識別系統(tǒng)能夠支持的語言數(shù)量大約是八十種。擴展系統(tǒng)帶來了巨大的挑戰(zhàn)。
此外，我們?nèi)鄙僭S多語言的數(shù)據(jù)，庫卡機器人驅(qū)動器維修，而且匱乏數(shù)據(jù)資源則難以創(chuàng)建語音識別系統(tǒng)。
結(jié)論
深度學習在語音識別和對話式AI領域刻下了深深的印記。而鑒于該技術最近獲得的突破，KUKA機器人電路板維修，我們真的正處于一場革命的邊緣。
而最大的問題在于，我們是否準備贏得語音識別領域的技術挑戰(zhàn)，并像其他商品化技術一樣開始運用它呢？或者說，是否還有另一個新的解決方案正等待著我們?nèi)グl(fā)現(xiàn)？畢竟，機器人維修，語音識別的最新進展只是未來科技藍圖的一小塊：語言理解本身就是一個復雜而且或許更加強大的一個領域。