机器学习大热 语音辨识正迅速成为主流消费技术

在商业智能(Business Intelligence；BI)领域，愈来愈多企业正在讨论将机器学习应用于软件。据富比士(Forbes)报导，IBM、NVIDIA、英特尔(Intel)、甲骨文(Oracle)、高通(Qualcomm)等公司都在谈论其机器学习芯片，但仍缺乏具体商业案例。另一方面，在亚马逊(Amazon) Alexa、苹果(Apple) Siri、微软(Microsoft) Cortana及Google Assistant等语音助理带动下，语音辨识正迅速成为主流消费技术。

语音服务

TIRIAS Research高级分析师David Teich认为，未来2年，从语音助理获得的机器学习加持，将迅速在CRM、SFA和纯PBX办公软件等商业语音系统中获得加强。

呼叫问答结构的基础知识已存在这些方案中，而奠基于机器学习的语音服务将能在电话上呈现更自然的声音，并更能理解与来电客户互动的流程。因此，降低机械感且更加顺畅的语音服务系统，会让来电者与其互动时感到更舒适。

再者，由于「如果……请按1，如果……请按2」的无限循环会造成来电者的压力，并拖慢解决问题的流程。语音服务系统若能了解来电者说了什么，并能更有效地分析回应，就能更快将来电者引导到最佳解决方案或合适人员，获得进一步协助。

上述预测根据是云端企业系统的另一项优势，因此这类语音应答不会依赖行动装置。事实上，对企业来说提供云端服务更容易，能更快速地扩展或更换资料中心资源，而且毋须等待透过FPGA、GPU或其它专用硬件针对机器学习最佳化的下一代行动装置问世。

Teich认为，由于现有基础设施和机器学习语音技术套件的稳健性，上述技术将更快地融入客服基础设施。2018年就可望在企业语音市场上看到良好、强大的初步导入。

提供决策支持仍待努力

机器学习正在成为BI和人工智能(AI)的混合体。原因在于许多统计分析工具很相似，无论它们是做为分析系统中的模块或是深度学习引擎运行。

然而，深度学习系统需要大量特定资源才能在有用时间内提供够准确的结果。基础设施公司正在推出专注该市场的最新芯片和服务器，从硬体规格可看出这些硬件将有助于机器学习进一步发展。但要让这些系统进入现场，甚至进入云端数据中心都需要时间，而且可能要耗费大量成本。

此外，企业还得了解其数据，而这点永远会是挑战。除了资源，还有建立深度学习应用程序的问题。目前，相关程序语言已发展到第三代，而需要对此领域有深入了解的人才能开发深度学习系统，因此要雇用合适人才的成本非常高。

Python、R和其它第三代程序语言虽在添加程序库，但仍在发展早期。值此同时，容器化(containerization)正在慢慢成长，且会增加部署的灵活性，但离让更多人将深度学习更快导入其系统的第四代语言还差一步。

也因此，目前仅少数世界级企业已推出语音、网络风险管理和检测诈欺的云端基础架构。这些企业可承担建设这些系统所需时间和费用，但机器学习生态系统需要更长时间来开发加速采用的必要工具。

Teich认为，深度学习的潜力显而易见，但将其整合到更多应用中仍有不少障碍，因此在2018年也不会有太大成长。深度学习产业仍处于创建初始基础架构和应用程序的阶段，人们可创建原型和概念验证。Teich预估，在接下来几年内，这两大方面都会取得成功，而工具的进步将有助于技术的进一步传播。