← 返回刚才阅读的位置

知识卡片

问题卡 · 9805.h · 生成模型:DeepSeek-V4.1-Flash

语音识别的病根

理解等级:中级

问题:语音识别软件为什么一有噪声就出错,还会输出”记住让玛丽知道沼泽已经准备好被激起”这种语义荒谬的句子?

分析:它把听觉模式与单词模板做匹配,靠语法规则和词转换概率挑同音词,本质是极简预测,不理解意思。就像只学了外语单词发音、不懂词义就去转录对话:词会重叠、会丢音,越听越不知所云。”中文屋”式的不理解是结构性的,不是数据量不够。

方案:分层记忆同时跟踪重音、单词、短语和想法,用上层预测去解释下层听到的东西,把识别变成理解。边界是:要真正听懂人话,机器必须经历与人相似的学习过程,短期只能先在受限场景里提升准确率。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第8章 智能的未来 · 查看原书依据

      这些应用程序都需要机器能够听懂口语。但是计算机无法执行这些任务,因为它们不理解这些话的含义。它们只是通过死记硬背将听觉模式与单词模板匹配。

    参考来源

    - 位置:《新机器智能》第8章《智能的未来》(源文件:extracted/新机器智能/_epub-src/OEBPS/Text/part0025.xhtml) - 结论依据:原文以中文屋和外语单词的例子说明识别失败源于不理解,只做模板匹配与词转换概率,并给出用分层记忆跟踪重音、单词、短语、想法的替代路径。 - 原始内容:这些应用程序都需要机器能够听懂口语。但是计算机无法执行这些任务,因为它们不理解这些话的含义。它们只是通过死记硬背将听觉模式与单词模板匹配。