便宜芯片與簡(jiǎn)單AI，Google 打造拋棄式語(yǔ)音識別產(chǎn)品

　　Google工程師PeteWarden在英國ARM研究高峰論壇表示，他希望打造超便宜的語(yǔ)音識別產(chǎn)品，搭載只要50美分的超低價(jià)芯片，一個(gè)硬幣大小的電池，足以維持一年的電力，再搭配簡(jiǎn)單的人工智能算法，就可以讓語(yǔ)音識別產(chǎn)品快速普及。

　　麻省理工科技評論(MITTechnologyReview)報導，這種超便宜的語(yǔ)音識別芯片可用來(lái)生產(chǎn)便宜的對話(huà)玩偶，或是簡(jiǎn)單的家用電器，如可被語(yǔ)音驅動(dòng)的燈。在工業(yè)環(huán)境應用，這種芯片可辨識不尋常的聲響，或是農田里的蟋蟀。

　　Warden為Google的云端人工智能工具開(kāi)發(fā)行動(dòng)和嵌入式應用，稱(chēng)為T(mén)ensorFlow，他在開(kāi)發(fā)過(guò)程中發(fā)現亞馬遜的AI助手Alexa透過(guò)電池供電的簡(jiǎn)單芯片運作，頻率只有幾百兆赫是不夠的，原因是Alexa必須辨識許多不同的聲音，而且因為大多數語(yǔ)音識別AI工具使用的神經(jīng)網(wǎng)絡(luò )資源匱乏，這就是為什么Alexa必須將處理任務(wù)交給云端的原因。

　　為改善上述問(wèn)題，Warden限制問(wèn)題的問(wèn)法，譬如只能使用開(kāi)、關(guān)、啟動(dòng)、停止等字眼，并舍棄一般語(yǔ)音識別算法，他拿一個(gè)音頻將其切成短片段，然后計算每個(gè)片段的頻率內容，接著(zhù)一個(gè)接一個(gè)排列每個(gè)頻率圖，以建立一個(gè)頻率內容與時(shí)間的二維圖像，并應用視覺(jué)辨識算法來(lái)辨識單詞的獨特記號。

　　第一次嘗試分析音頻的1秒鐘片段需要800萬(wàn)次計算，準確度為89%，這可用現代智能手機運作，并且互動(dòng)速度也夠快，這種方式比將運算過(guò)程送到云端更好，但是在低功耗芯片上性能不佳。

　　后來(lái)開(kāi)發(fā)團隊借鑒一些幫助Android手機辨識短語(yǔ)的算法技巧后，系統只需執行75萬(wàn)次計算，就能達到85%的分析準確率，研究團隊已經(jīng)在TensorFlow網(wǎng)站發(fā)表代碼供他人使用，他們打算應用在類(lèi)似單芯片微控制器Arduino搭載的更小芯片。

　　但英國劍橋大學(xué)前AI研究員TonyRobinson認為，低成本策略可能可以幫助語(yǔ)音識別產(chǎn)品普及，不過(guò)用戶(hù)不太可能按表操課，大多數人沒(méi)有耐心使用高度限制性的指令，認為功率稍微高一點(diǎn)，可以處理更多語(yǔ)言能力的芯片，可能更適合消費者應用。