在近期舉行的亞洲消費電子展上，汽車廠商成為重頭戲，不少智能概念車首次亮相。但是，智能概念車雖然有新意，其量產和普及卻還有很長的一段路。業內專家表示，讓“智能概念”能夠實現“民用級”，走入車主生活，還是要靠智能車載硬件，才會讓汽車真正“智能”起來。

　　車載語音機器人需要“更強大腦”

　　不久前，一段關于“山東糾正哥”進行車載電話撥號的視頻瘋傳網絡。夾雜方言的山東男子試圖用語音撥打電話號碼，車載系統的識別過程笑話百出，糾正多次都無果，人與機器紛紛無奈。在這則笑話視頻的背后，更多地是反映出了當今智能語音技術的關鍵短板所在：非配合情況下，人和機器根本無法用語音順暢交流。

　　車載硬件的“智能”，在駕駛過程中首推交互智能。駕駛過程中由于導航、電話、信息、車載娛樂和各類車內控制，司機需要與車載硬件進行不停的“溝通”。以往，通常需要司機的視線離開路面，用手操作手機或車載硬件實現溝通。人們已經廣泛認識到，這種方式的精力分散已經成為重要的安全隱患。因此，采用語音操控成為了“智能汽車”的必由之路。國外的蘋果、谷歌、Nuance，國內的百度、科大訊飛等公司都紛紛開發過車載語音系統。

　　但目前的車載語音系統大都只使用了語音識別技術，通過抗噪算法一定程度上減輕車載噪聲對機器辨識的影響。但從人機交互角度，更多地還是停留在“一問一答”的簡單命令控制階段，只是一個不太靈敏的“耳朵”加上機械式的流程圖判斷，在出現多個結果的情況下，仍需輔助屏幕觸控，這使得現在的車載系統都不具有真正的“人機智能”。

　　首先就是語音識別在非配合的情況下，由于方言、環境噪聲等的影響準確率不高。即使達到了90%以上的準確率，上述的“山東糾正哥”在撥打11位手機電話的時候，還是有1位錯誤。而一旦有識別錯誤，機器就無法準確理解用戶意圖，電話號碼錯1位也無法撥出，還是要手動操作。更嚴重的是，沒有大腦的語音交互系統，只能不停地按照自己的邏輯讓用戶重復或提供特定信息，對“打斷”、“糾正”這類深層次的需求束手無策，使得本應解決問題的智能交互變成了不斷添加更多累贅的“麻煩制造者”。更不要說由于沒有交互系統的架構設計、缺乏智能的信息控制與調度而造成的語音延遲和反應滯后的現象了。真正的“車載語音機器人”需要“更強大腦”。

　　從“能聽會說”到“會聽能做”

　　“語音交互系統不能再‘有耳無腦’了。”國家青年千人計劃獲得者、上海市“東方學者”特聘教授，上海交大—思必馳智能語音技術聯合實驗室負責人俞凱表示，上海交通大學智能語音技術實驗室最新研發的認知型人機口語對話系統，就已經不再是傳統的語音識別，而是一個 “人性化語音機器人”。人們可以順暢自由地使用語音，隨時隨地與能夠理解自然語言的智能交互機器人進行對話交流，完成任務。

　　俞凱介紹說，上海交通大學智能語音技術實驗室從人機交互系統的角度進行智能語音技術的研究，在實現一系列高性能抗噪語音識別的基礎上，研發了具有適應和思考能力的認知型人機口語對話系統。并與蘇州思必馳信息科技有限公司合作，升級推出了針對智能車載的一體化智能人機交互解決方案，使得語音交互系統不再 “有耳無腦”。在近期剛剛發布的全球首款車載智能抬頭顯示(Head Up Display，HUD)系統——“車蘿卜”(carrobot)中，就使用了這樣的智能對話系統技術。

　　俞凱認為，傳統語音識別只是模擬耳朵的感知功能，但其實更關鍵的是解決完整的口語人機交互問題，這是模擬人腦的全套認知功能。認知型的智能語音技術是更高層面的人工智能，與傳統語音識別和合成相比，它融入了自適應、理解糾錯、智能反饋的認知技術。這會使得機器可以適應更多的環境和口音，具有進化調整的能力，從“能聽會說”變成“會聽能做”：即聽得懂說的，懂得聽什么，聽不清楚了能問，搞錯了能糾正，最終能成功完成用戶的任務。

　　讓機器“深度理解”“自動糾錯”

　　俞凱說，超越傳統語音識別的“深度理解”以及“自動糾錯”技術是新型的人性化智能語音交互技術的兩個典型例子。

　　“深度理解”是把機器的識別狀態(比如識別結果的可靠度、環境嘈雜程度等)、用戶的個人特點(比如性別、方言地區、說話快慢等)，以及說話的情境(比如談話的領域、常識、前面談話的歷史等)等因素從大數據中提取出來，根據這些“情境”對識別結果再進行二次計算，使得語義理解的準確度大大提高。

　　“因為這些計算模型的訓練都依賴于語音識別的結果，采用合理的算法，就能學習各種語音識別錯誤模式，使機器像人一樣能夠從失敗中總結規律，在理解的時候自動糾正語音識別的錯誤。”俞凱舉例說，比如用戶在開車的時候說“導航到車管所”，不幸被識別成“導航到廁所”，根據情境和談話歷史信息，這個語音識別的錯誤很容易就被自動糾正回“車管所”。

　　而對于“糾正錯誤”的問題，不止是深度理解可以進行單句的語義適配式糾錯，機器還可以像人一樣通過對話交互糾錯或理解意圖。俞凱說，通過邏輯關聯和智能對話，機器能夠像人一樣允許被“打斷”，以及智能的根據新信息糾正原先的號碼，這也就是上海交通大學智能語音實驗室研發的基于統計的認知型對話管理技術。

　　語音機器人會越來越“聽話”

　　“以前語音識別只追求‘聽清’，語義理解也只追求一句話層面的‘聽懂’，而新型的人機智能交互是追求機器能夠‘聽話’，成為真正的‘語音機器人’。而且希望它能夠有進化和適應的能力，用得越多越聽話。”俞凱說，語音輸入不再局限于呆板簡單的句式限制，語音控制也不需要按照機器的設定去命令，在復雜環境和噪音影響下，在自由說話方式(例如打斷)下，依然能夠保證良好而穩定的語音識別和語義分析精度。人類的自然口語，或許不完整，或許發音不準確，語義不精確，但是通過上下文關聯邏輯，以及多輪對話交互，機器能夠進行智能語義推理而準確識別人的意思，大幅度提升使用者的語音交互體驗。

　　對于自己正在進行的研究項目，上海交通大學智能語音技術實驗室的研究者們表示，語音交互的智能設備更容易打動消費者，這是因為“人性化”帶給消費者更好的使用體驗。真正的人工智能語音，要以用戶為中心，在多類環境下準確識別并反饋，以個性化色彩進行交流。語音交互的未來應當是面向用戶，人性化的智能交互，而非過去模塊化的機械交互。拋棄過去單一的語音識別與合成，把識別、語義理解和人機對話連在一起，幫助用戶完成任務，這將是一個嶄新的劃時代變革。

　　“希望‘山東糾正哥’能用上最新的認知型人機口語對話系統，不再鬧笑話；更希望車主們都能與自己的愛車無障礙交流，愉快地行走在路上。”俞凱笑著說。