■业界新鲜事

    人工智能现在是个热闹的话题，但事实上，自动驾驶、专业护理等备受投资者热捧的领域，离真正的实用还远得很。而相比之下，同声传译、语音翻译等语言服务，似乎更贴合当下人们的实用需求。

    唇语辨识辨是其中之一。据数据显示，大多数人平均只能读对一句唇语的十分之一。唇读很困难，不仅是因为你要观察对方嘴唇、舌头和牙齿的轻微运动，而且大多数唇语信号十分隐晦，难以在没有语境的情况下分辨。

    现在，研究人员表示人工智能技术，比如深度学习或许能够解决这个难题。毕竟人工智能侧重于大数据运算，已经帮助改善了机器语音识别，甚至能达到人类的水平。

    据国外媒体报道，牛津大学人工智能实验室、谷歌DeepMind团队和加拿大高等研究院（CIFAR）就在近日联合发布了一篇论文，介绍了结合深度学习技术的唇读程序LipNet。

    在GRID语料库上，LipNet实现了93.4%的准确度，超过了经验丰富的人类唇读者和之前的79.6%的最佳准确度。研究人员还将LipNet的表现和听觉受损的会读唇的人的表现进行了比较。平均来看，他们可以达到52.3%的准确度，LipNet在相同句子上的表现是这个成绩的1.78倍。除此之外，该模型将可变长度的视频序列转换成文本的过程几乎是实时的。

    研究团队表示，在深度学习的帮助下，这种唇读方式可以帮助有听力障碍的人，尤其是在嘈杂的环境中。例如在聚会上，LipNet就可以录制实时通话，并将信息清晰准确地送到人们的耳中。只要有语音识别和摄像头，在任何地方都可以实现这项服务。在未来，如果人们不想亲自和计算机对话，只要动动嘴巴它就能知道你在说什么了。

    不过，有专家指出，牛津大学的这一实验具有局限性。这一实验首先是基于GRID语料库完成的，这其中包含34个志愿者录的短视频，所有的视频都长3秒。每个句子都是以这样的模式出现的：命令、颜色、介词、字母、数字、副词等。由于这一模式下的词句是有限的，只包含了四种不同的命令和颜色。

    该团队的研究人员在接受国外科技媒体采访时说道，他们正在努力地突破“有限的词汇和语法”，“现在的数据集虽小，但它却是一个好的迹象，将来我们会使用更大的数据集执行任务。”

    除此之外，研究团队强调这一成果不会用于窥探他人的隐私。很简单，因为唇读需要看到对方的舌头，所以必须在光线很好的地方才能够完成这一行为。若要窃密，除非拿着一个技术很高的相机对准目标对象，同时还要举着一个麦克风指向被窃者。（何文）