人工智能（AI）設(shè)備已經(jīng)能處理來自獨立個人的請求，但跟我們一樣，它們在嘈雜的雞尾酒會上或幾個人同時發(fā)言的情況下，也會感到“糾結(jié)”?！缎驴茖W(xué)家》雜志官網(wǎng)近日文章稱，美國劍橋三菱電機研究實驗室的研究人員開發(fā)出的聲音識別AI設(shè)備，能實時分離多個聲源，大大提升了自動語言識別能力。
這項技術(shù)首次在日本東京先進(jìn)技術(shù)綜合展覽會上公開展示，被團(tuán)隊稱為“深度聚類”機器學(xué)習(xí)，可識別多個聲源“聲紋”中的獨特功能。然后，將每個演講者聲音的不同特征組合在一起，允許它從多個聲音中將特定特征的聲音選出來，最后重建每個人的話語。智能技術(shù)使用了多名人士講的英語進(jìn)行了培訓(xùn)和學(xué)習(xí)，即便說話人是日本人，也能輕松地分辨出來。
據(jù)介紹，傳統(tǒng)識別語音的方法，利用兩個收音器模擬聽眾兩耳朵的位置，只能達(dá)到51%的準(zhǔn)確性，形成的“雞尾酒會效應(yīng)”困擾了AI研究幾十年。
新智能系統(tǒng)可以將兩個人的語音成功分離，而且，重建單人語音的精確度高達(dá)90%，新技術(shù)可幫助家庭和汽車更好地執(zhí)行智能任務(wù)，一次可分離多達(dá)5個人的聲音，可用于電梯、空調(diào)機組和家用產(chǎn)品的智能操控。
