人工智能聲吶眼鏡可識別唇語，準(zhǔn)確率約為95%

　　EchoSpeech眼鏡。圖片來源：康奈爾大學(xué)

　　近日，美國康奈爾大學(xué)研究人員開發(fā)了一款聲吶眼鏡，它通過聲學(xué)感應(yīng)和人工智能跟蹤嘴唇和嘴巴的動作，可連續(xù)識別多達(dá)31條無聲的命令，該系統(tǒng)可為那些暫時不方便說話或無法發(fā)聲的人提供幫助。相關(guān)論文將在本月于德國漢堡舉行的計算機協(xié)會計算系統(tǒng)人為因素會議上發(fā)表。

　　這款眼鏡是一種名為EchoSpeech的無聲語音識別接口。該眼鏡配備了一對麥克風(fēng)和比鉛筆橡皮擦還小的揚聲器，成為一個可穿戴的人工智能驅(qū)動的聲吶系統(tǒng)，在面部發(fā)送和接收聲波，并感知嘴巴的運動。然后，深度學(xué)習(xí)算法實時分析這些回聲輪廓，準(zhǔn)確率約為95%。這款低功耗、可穿戴的眼鏡只需要幾分鐘的用戶訓(xùn)練數(shù)據(jù)，即可識別命令并可在智能手機上運行。

　　EchoSpeech可用于在說話不方便或不合適的地方通過智能手機與他人交流，比如在嘈雜的餐廳或安靜的圖書館里。無聲語音界面還可與觸筆配對，并與CAD等設(shè)計軟件一起使用，幾乎不需要鍵盤和鼠標(biāo)。

　　研究人員表示，他們正在將聲吶技術(shù)“搬”到人體上。它體積小、功耗低、對隱私敏感，這些都是在現(xiàn)實世界中部署新的可穿戴技術(shù)的重要功能。無聲語音識別中的大多數(shù)技術(shù)都局限于一組選定的預(yù)定命令，需要用戶面部或佩戴攝像頭，這既不實用也不可行。可穿戴式攝像頭也存在重大的隱私問題，對用戶和與之互動的人來說都是如此。而像EchoSpeech這樣的聲學(xué)傳感技術(shù)消除了對可穿戴式攝像機的需求。

　　此外，由于音頻數(shù)據(jù)比圖像或視頻數(shù)據(jù)小得多，因此EchoSpeech只需更小的帶寬，通過藍(lán)牙實時傳輸?shù)街悄苁謾C上，且數(shù)據(jù)在本地，不在云端，確保了敏感隱私信息安全。

　　今年以來，人工智能再次引發(fā)極大關(guān)注。幾年前，專家們還在探討如何讓人工智能更加準(zhǔn)確地理解人的意圖，并與人進(jìn)行多輪對話。曾經(jīng)，讓人工智能讀懂唇語，還只是科幻電影中的橋段。如今，這些都在快速變?yōu)楝F(xiàn)實。面對人工智能帶來的超乎預(yù)期的變化，不能停留在“看熱鬧”階段，人們需要真正去思考，如何更好地主宰人工智能，利用它為人類造福，并盡量規(guī)避它可能帶來的麻煩。