语音识别还没飞起来，谷歌“唇语识别”又来了

人工智能技术近年来突飞猛进，微软等硅谷巨头甚至宣称其语音识别系统已经能媲美人类。现在谷歌的AI在语言理解能力上更上一层楼，不仅可以通过更好的唇语识别来帮助听力障碍人士，多语言神经机器翻译（Multilingual Neural Machine Translation）也将显著提高翻译质量。

谷歌母公司Alphabet下属的DeepMind部门和牛津大学的研究者使用新闻视频对其AI系统进行训练。用于训练的视频总长超过5000小时，语句超过118,000句。视频取材自BBC电视台自2010年至2015年间播出的节目。训练完毕后，研究人员使用该系统对今年3月～9月间播出的口语节目进行测试。测试结果发现，系统通过“观看”说话者嘴部动作便可以准确识别出整个句子。比如“我们知道这里也会有数百位记者”。（We know there will be hundreds of journalists here as well）

给予相同的视频素材，专业的唇语识别专家能够达到12.4%的正确率。而AI系统识别正确率是46.8%。

前不久谷歌开始在“谷歌翻译”中运用神经机器翻译技术，能够识别准确地识别句子而不再仅仅是单词翻译。现在谷歌宣称使用多语言神经机器翻译技术后，谷歌翻译的翻译效果将再上一层楼。

谷歌在博客中称：“我们提出的结构无需改变基本的GNMT系统，而是在开头使用一个额外的‘token’来指定所需的目标语言翻译。”除了能够提高翻译质量，新的方法还支持“Zero-Shot Translation”，即在没有已知数据的情况下，能够对没有见过的语言进行翻译。

但是这些研究成果产生实际影响还有待时日，现在盛行的语言识别技术还是由语音识别技术占主导，而且就连语音识别技术也还积极拓展市场。