智能网络的终点,是语音掌控万物吗?

简介:

智能网络的终点,是语音掌控万物吗?

20160624061242838.jpg

三年前,当Gartner在Gartner Symposium/ITxpo 2013大会上提出“万物互联”概念时,这个世界就注定变得与以往不同。我们正从今天的“物联网”(IoT:internet of things)走入“万物互联”(IoE:internet of Everything)的时代。

人们不断追求将万事万物连接起来,从智能手机到智能家居,再到汽车的智能系统,发展日新月异。然而,这并不是万物互联的全部内涵。通过手机操控一个电插头并不是人类的终极未来——那只是一个简单的连接,更智慧的互动将被应用。在物联网之后,万物互联的下一个热点在哪里?笔者认为是语音技术。

在百度语音最近举办的语音技术媒体沟通会上,笔者看到,无论是汽车还是机器人,语音带来了真正的智能化体验。对着汽车说,”带我到最近的加油站“,汽车导航就会自动搜索距离你最近的加油站,甚至未来可以开启自动驾驶功能,帮助主人实现目标。而对着小度机器人说,“听一段悬疑小说”,小度就会为你声色并茂地朗读一段悬疑小说,先进的语音合成技术几乎完美地模拟出真人的音声、音调与情绪的起伏,令人沉浸其中。而更加令人激动的是,即便是用方言说,“想看《新白娘子传奇》”,或者以自定义的昵称“小乐”唤醒你的手机,百度语音技术也能准确识别、理解用户的需求,并启动终端设备与之互动。在会上,百度语音还免费开放了唤醒与自定义语义两项功能,将进一步推动多终端一体“音入口”普及、终端语音识别率提升。

为什么说语音技术将是智能网络的未来呢?因为目前的智能网络存在显著瓶颈。一方面,人机交互界面主要以文字、图片为主,对操作者的IT素养要求很高。在自动提款机上,想要取出一张一百元钞票,需要用户至少准确无误地按下十来个按键才能完成操作。另外一方面,人机交互的过程往往只是单向、非闭环、非全自动化的。比如在医院、高速收费口或地铁口,取卡与读卡的效率甚至还不如人工。这些种种的瓶颈,导致智能网络的操作门槛与成本都居高不下。

解决上述问题,并不能单独从操作逻辑的优化、网络或硬件的改进等入手,而需要从界面和大脑两个层次入手。首先,从互动方式看,要遵循人性。人类最天然的交流方式并非文字,而是语言。即便是婴儿,也会在呱呱落地时哇哇大哭,引发父母的关注,其一哼一哈,均蕴含着丰富的意义,慈悲的父母,总能准确地感知。因此,在交流方式上,未来的智能网络势必从现有的文字为主的书面沟通方式,进一步升级为更加人性化的语音交流。因为在交流方式上,人们最快的方式是说话,而不是书面化的人机交互。

其次,未来的智能网络,通过云能力的布置,每个设备都可以拥有一个影子“大脑”。现在的智能设备之所以不够智能,是因为没有最强大脑。空调太干燥了,不知道启动加湿器;电饭煲启动了,自动炒锅却笨到不会启动,需要人工投料、启动。这是因为他们只能接受简单的输入,没有理解和输出能力,所以又笨又哑。而伴随着百度大脑这样的技术平台不断开放,语音技术中的语音识别、语音理解、语音合成等能力就完全可以赋予给一切终端,令他们通过“云”的虫洞,瞬间免费拥有影子“最强大脑”,从而变得智能可交互,创造无限可能。

如此一来,所有的物,不论是人、设备、软件,都将会获得语境感知,增强的处理能力和更好的感应能力。智能网络的终极追求,应该是语音即可掌控万物。那么,相比目前的互联网,这样的智能网络规模将得到以万倍计算的增长,并且智能程度大幅提升——因为目前接入互联网的“物”,还只占到全部数量的1%,而且大多数“物”均沉默无语。

1980年,以太网的发明者梅特卡夫提出,网络的价值V与其用户数量n的平方成正比,这就是大名鼎鼎的梅特卡夫定律(Metcalfe’s Law)。我们可以相信,梅特卡夫定律依然将作用于万物互联时代。

2016年,百度创始人李彦宏指出,互联网即将迎来发展下一幕,推动其发展的核心动力,是人工智能。而人工智能的第一领域是语音识别。或许,我们可以将之称为李彦宏法则——无智能,不未来,无语音,不智能。

将梅特卡夫定律与李彦宏法则叠加,我们不难看到万物互联的未来,一个集合十亿甚至万亿连接的庞大网络将会出现,并且每个连接其中的“物”都能听会说。或许,这才是孔老夫子“君子动口不动手”的本意?

音声世界,见所未见!

本文转自d1net(转载)


相关文章
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
PHP 与人工智能的结合:开启智能化网络应用新时代
在Web应用程序开发领域,PHP作为一种常用的服务器端脚本语言,与人工智能技术的结合日益受到关注。本文将探讨PHP与人工智能的结合,介绍如何利用PHP实现智能化网络应用,并探讨这一结合对Web开发领域的影响。
35 4
|
4天前
|
机器学习/深度学习 数据采集 运维
智能之网:深度学习在网络安全防御中的应用
随着网络攻击手段的日益复杂化,传统的安全防御措施已难以应对新型威胁。深度学习技术因其在数据处理和模式识别方面的强大能力,被广泛应用于网络安全领域。本文将探讨深度学习如何革新网络安全防御机制,包括其工作原理、应用实例及面临的挑战与未来发展方向。
|
4天前
|
机器学习/深度学习 人工智能 运维
智能之网:AI在网络安全防御中的新角色
【6月更文挑战第12天】随着人工智能技术的飞速发展,其在网络安全领域的应用也日益广泛。本文将探讨AI如何转变网络防御策略,通过实时学习与适应,提高对未知威胁的识别能力,从而构筑起一道更为坚固的安全防线。
|
14天前
|
传感器 监控 算法
【计算巢】无线传感器网络(WSN)在智能城市中的应用
【6月更文挑战第3天】智能城市中的无线传感器网络(WSN)在交通监控、环境监测、能源管理和公共安全等领域发挥关键作用。通过模拟代码展示了传感器收集环境数据的过程。尽管面临部署成本、网络安全和数据处理挑战,但WSN为城市发展带来巨大潜力,随着技术进步,将在智能城市中创造更多便利与改善。
【计算巢】无线传感器网络(WSN)在智能城市中的应用
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维:AIOps在未来网络管理中的应用与挑战
【5月更文挑战第4天】随着人工智能和大数据技术的飞速发展,智能化运维(AIOps)正逐渐成为IT运维领域的革新力量。本文探讨了AIOps在现代网络管理中的关键作用,分析了其在故障预测、自动化处理、以及提升决策效率方面的潜力。同时,文章还针对AIOps实施过程中面临的技术挑战、数据隐私及安全性问题进行了深入讨论,并提出了相应的解决策略。通过实际案例分析,本文旨在为读者提供一个关于AIOps在网络管理领域应用的全面视角。
|
1月前
|
机器学习/深度学习 算法 计算机视觉
m基于Yolov2深度学习网络的智能零售柜商品识别系统matlab仿真,带GUI界面
MATLAB 2022a中展示了YOLOv2目标检测算法的仿真结果,包括多张检测图像。YOLOv2是实时检测算法,由卷积层和全连接层构成,输出张量包含边界框坐标和类别概率。损失函数由三部分组成。程序使用75%的数据进行训练,剩余25%作为测试集。通过ResNet-50预训练模型构建YOLOv2网络,并用SGDM优化器进行训练。训练完成后,保存模型为`model.mat`。
38 2
|
1月前
|
网络架构
|
1月前
|
存储 监控 负载均衡
|
1月前
|
运维 安全 容灾
简单易用的智能云网,阿里云网络持续演进之路
2023年10月31日,杭州·云栖大会,在阿里云网络技术分论坛,阿里云网络产品线负责人祝顺民《Leadership:简单易用的智能云网络——阿里云网络持续演进之路》的主题演讲,全面阐释阿里云飞天洛神云网络的产品思考和能力升级。
471 0
|
1月前
|
运维 负载均衡 安全
回归网络本质需求,提供普惠连接价值 持续打造简单易用的智能云网络
2023年11月25日,北京,在第六届SD-WAN&SASE大会暨云网络大会上,阿里云资深产品总监、阿里云网络产品管理负责人孙成浩受邀做了《打造简单易用的智能云网络——云网络持续演进之路》的主题分享,回顾云网络产业发展,阐释云网络未来演进方向,以及阿里云网络产品服务今年的能力演进。
292 2

热门文章

最新文章