最早计算机出现的时候，慢慢地发展，形成了人机交互，随着人工智能的发展，逐渐出现了人机交流。人们总是想更方便地工作、生活，也包括和机器打交道。

人机交流，主要依赖于语音识别的精度提升。

手机客户端和一些智能设备包括一些服务设备，已经通过语音对话程序实现了设备和人之间的一些基本对话交流。通过这些程序，机器能够识别出人类的一些简单的命令和语言。也能够反馈给人类一些疑问。

语音识别最重要的处理就是自然语言的处理。

自然语言的处理在技术上存在一些障碍，包括：

1、模糊性的问题

因为自然语言中包含大量的字符串。好比中文的一个字放在不同的语境中就有不同的涵义。很多字是多义字，很多词是多义词。因此要正确区分字符的真正意义。

一般而言是通过训练样本进行机器学习，通过训练样本（大量，多组），来让机器掌握规律，来正确识别出字符的意义。

2、词语的歧义问题

因为自然语言中有很多词语表达的是同样的意思，虽然说法不一样，表达的效果是一样的，机器必须要掌握这些不同的表达方式才能够不会出现换一种说法就不识别的问题。

3、词语的省略问题

因为自然语言有时候不会总是讲大段大段的话，在平常的对话中，人们会自然地省略掉一些句子，因为对方能够听得懂。机器要学会人类的这种表达方式，必须掌握很多的人类的百科知识。知识的获取很重要。

也正是基于机器对知识的获取，才产生了新的技术革新课题：深度学习。

下文再介绍。

打开网易新闻 查看更多图片