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,，人們還習慣于通過鍵盤和觸控屏操控智能設備，而三到五年內，科學家認為人們或許可以隨時給身邊智能設備,、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用,。

　　但僅僅在一兩年內,，隨著降噪技術、方言識別,、“雙工多輪交互”技術,、機器學習技術的發(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,?！庇煽拼笥嶏w研發(fā)的最新技術，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,?！眲c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,，結合了方言、降噪,、“雙工多輪”等技術,，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，從證明數學原理,，到大規(guī)模神經網絡出現,。直到2006年，機器“深度學習”正式提出,，并被證明可用于大規(guī)模神經網絡的學習訓練,，海量的數據給予機器學習資源，卷積神經網絡,、遞歸神經網絡等機器學習技術,，在語音交互方面逐步獲得應用。