容易露馅的语音助手逐渐让大家提不起兴趣，开发者们要做到是让它们真正的聪明。

        人工智能的发展速度比我们想象的要更快，当你认为它们只会生硬的一问一答时，机器人已经在试图理解你的语境了，这也是人工智能未来发展的方向，甚至做到像人与“人”一样交流。

        这个“语用计算”的概念，其实可以理解成我们熟知的语境、联系上下文等概念，对机器来说，从“我没有带手表”推断出“我不知道时间”，并不容易，往往要依赖于上下文的语境。为了实现这一点，云知声从AI基础架构层面开始做改进，最终希望在语音识别方面做到个性化、一致性、情感化，比如性别、年龄等人设一致。

        与此同时，云知声宣布升级技术引擎至3.0版本，在感知智能方面，语音识别字错误率降低20%，识别速度提升40%，在认知智能方面，将会在语义理解的基础上，加入语言的现场环境和背景信息的理解，创立于2012年的云知声，是智能语音服务里的重要玩家，官方此前公布的数据显示，云知声已经覆盖了476个城市，9000万台接入设备，年调用量增长率达到了375.3%，经过四年的成长，完成了技术和数据的初步积累。
 

        人工智能进入深度学习的大数据时代

        数据作为人工智能研究的前提，引起了大家广泛的重视，此前云知声CEO黄伟在接受网易科技采访时也表示：有足够多的数据，就意味着系统有升级的可能性，创业以来，我们基本上打通了之前所设想的数据驱动技术迭代的过程。

        云知声AI技术专家刘升平博士称：这次技术引擎的升级的根本原因是AI基础架构有了较大的突破，AI基础架构是指深度学习为代表的机器学习、高性能计算、大数据。

        他进一步表示：机器计算能力我们是可以买到的，但唯独数据是买不到也学不到的。深度学习的算法在2000年左右，甚至更早就提出了，但因为计算量非常大，当时并没有得到成功应用。这几年，由于硬件计算能力的飞速发展，GPU比CPU快10倍，一些特定任务上还会快更多。同时，Web2.0以及移动互联网应用有产生了海量的数据，大数据管理技术也得到了很大发展，这样，深度学习算法，高性能计算，大数据，这三驾马车才能让人工智能技术在近几年取得了长远的进步。

        将“智能语音”装入汽车 到底是前装好还是后装好？

        前装一般定义为在已经面世的汽车产品当中，智能语音设备内嵌在车身里面，它属于整个汽车车型规划设计的一部分，在面世三年之前就已经测试运行，后装则是消费者自己去4S店或者销售门店购买智能语音设备自行安装的情况。

        目前来看，大多数人工智能公司都选择后装市场进行切入，至于原因，黄伟给出了解释：最大的区别在于成本，一个是时间成本，一个是资金成本，前装周期很长，你 跟这个车厂去接触，到测试，到选配，哪怕已经确定用你的方案，他还有一大堆其他东西要经过很漫长严格的测试，等这辆车真的面世已经是三年以后，这就是哪怕你花一百多万买辆车，它的电子设备也很落后的原因，都是三年前的技术方案了。

        黄伟指出：后装的时间周期也是比较合适的，选择做后装市场产品面世速度快，大家可以很快体验到我们的产品，与此同时，可以在短期内带来较大的用户量，一个车型能卖5万台就不错了，如果是后装，语音设备每周都能达到几万台，所以，无论对于公司的发展，还是对数据的积累，后装目前来看是最好选择。

        中国人工智能发展的路上还有哪些困难？

        近年来，我国的人工智能事业如火如荼，普通消费者也对人工智能相关产品表现出了极大的热情，但是目前，我国产学研之间还没有形成有效的共赢机制，这可能还需要一点时间。

        云知声AI技术专家刘升平博士对此认为：数据的不开放性极大的阻碍了中国认知智能的发展，另外，中国学者只做英文的认知智能研究，不做中文的，原因在于你即使做出了结果，外国人也不承认，所以索性只做英文研究，这就导致了中文没有人做，或者是做出来之后，也得不到承认，像我们的智能口语理解等等都有发展的空间，这对于 我国来说是非常大的障碍。

        对此，山世光教授也表示，开放数据，开源，是我们国内不管是学术界还是工业界还是做的不够好的地方，在国外的开源社区有非常多的人愿意做贡献，他不仅仅是拿过来用，他用完了之后也会把自己东西往开源的平台上放，这样越来越多人掌握了基础的东西，就可以使得整个行业，整个生态能发展的更 快，这是非常值得我们国内不管是学术界还是工业界学习的。至于说学术界跟工业界之间，我认为国内还是存在一些障碍，从我跟别人合作的经验来看，不同的公司对这件事情的态度差异较大，有些公司就非常开放，愿意把数据给你，但也有些公司，你即使跟他合作他也不给你数据。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。