關于人工智能誕生沒有統一說法，有部分學者以1950年“人工智能之父”馬文•明斯基建造世界上第一臺神經網絡計算機為起點。且以當年語音交互起始到現在，大致經歷三段演化和推進。讓我們一起回顧整個過程，來看一下人工智能語音發生的幾次技術躍進。
人工智能語音1.0：一問一答
現在，工智能語音技術在數碼、電子、工業制造領域被廣泛應用并且成為全民熱議的話題，可是在發展之初它還有很多稚嫩的地方。關于人工智能時代的討論有很多，但在消費層面上，真正大范圍進入用戶試用階段的人工智能語音應用大概在2010年之后。這個階段的人工智能語音技術形成了以語音交互為主的感知狀態，我們暫且稱之為第一階段。
這時的人工智能語音應用通過算法的演變和大量數據的輸入，在技術層面實現自然語音識別和語義理解，針對對話內容進行數據匹配，然后調取相關話題，從而實現簡單內容的單向一問一答。第一階段在自我學習、邏輯推力方面有很大欠缺，不能針對同一對話內容展開深入交互，橫向拓展和縱向發展都不能滿足用戶需求。例如你問今天天氣如何？他調取今天的天氣數據。接著你問明天的天氣如何？他調取明天的天氣預報。今天天氣和明天天氣只是各自獨立的對答，不能連接貫通，形成邏輯。
關于人工智能語音技術的研究，國外企業投入較早，且發展也比較全面。像Nuance，曾經在語音識別方面功績卓著，到現在為止仍然是全球最大的語音技術公司，專利數量和市場份額都遙遙領先。之后包括亞馬遜、蘋果和谷歌，都在深度挖掘智能語音，推出自己的語音助手。據不完全統計，目前全球專業做人工智能語音的公司有上千家之多，后起之秀越來越多，涉及的領域越來越廣。如總部位于奧地利維也納的Cortical.io，主要提供新型自然語言理解(NLU)解決方案。由艾倫人工智能研究所和亞馬遜Alexa基金等機構資助KITT.AI公司，開發可定制熱詞檢測器（hotword detector）和對話引擎ChatFlow。舊金山的MindMeld公司可提供對話式人工智能平臺等等。
人工智能語音2.0：有問有答
早在2000年，比爾蓋茨曾經提出“未來10年是語音的時代”。我們目前所說的智能語音，學術界稱為“自然語言處理”（來自百度）。業內人士認為，智能語音技術將會成為人類主流的人機交互方式之一，計算機技術與人工智能領域的發展為智能語音交互發展帶來了希望。
人工智能語音交互的更深層階段——對話，即有問有答，包含上下文邏輯。舉個例子或許更好理解，如果一門課程上一年沒開設，對于“這門課程去年有多少同學沒通過”這樣的問題，機器是回答“都沒通過”還是“去年沒開這門課”？同時機器還需要提前存儲“去年沒開這門課”的信息，想想我們從小時候啥也不懂到現在懂得的知識和信息，這是難以想象的數據量。再比如說“我想聽周杰倫的歌”，機器只會將周杰倫的歌顯示出來，并不能直接播放。就是說假如你要做一件事情，需要給機器一個明確的指令，否則，會讓人很煩躁，因為你要一直說下去。
當然，“對話”層面，仍然停留在“人機對話”階段，機器仍然停留在被動接受人類輸入大量數據階段，相比“問答”層面，只不過信息流、數據存儲量更大，機器仍然不能更深層次理解人的意思，無法實現自學習、自成長，與機器的語音交流還不能像人一樣自然。
人工智能語音3.0：自然交互
人工智能進入第三階段，最大的進展就是交互的進展。不僅僅有問有答，不僅僅包含上下文邏輯了，人工智能硬件能夠更多地融合各種環境信息，作出不同決策或推薦。也就說，在交互的過程中，機器有了更多的主動性，能夠為人提供更多、更好的幫助，讓人們的生活更便捷，更安全，更有趣。
有兩個比較典型的應用場景，一個是智能汽車，一個是智能家居。
2010年，谷歌秘密研究的無人汽車項目被《紐約時報》記者曝光，當時引起了不小的震動。無人汽車即無人駕駛汽車，也叫智能汽車，主要是通過車載傳感系統感知道路環境，并依靠車內的人工智能系統自動規劃行車路線，到達預定目的地。
谷歌無人駕駛汽車在開放道路上行駛時，會對來往車輛、行人，路面環境信息進行識別與分析，為系統的決策判斷提供依據。系統經過長期的“學習”后，人工智能具備的策略神經元將變得更加熟練高效，并形成類似于人的“感覺”，能及時處理駕駛過程中的突發情況。
2016年1月，美國國家公路安全交通管理局（NHTSA）在其網站上發布了公開信，表示根據聯邦政府現行法律規定，谷歌的無人駕駛汽車采用的人工智能系統可以被視為“司機”。這被視為是人工智能發展里程碑的事件，也標志著“智能”可以像“人工”一樣感知、判斷、推理并做出決策，可以實現主動控制，也能更好地人機交互與協同。
在智能家居領域，人工智能的發展方向同樣是人機交互、操作簡單、通過大數據能夠進行自主判斷決策。長虹前不久推出了人工智能電視新品Q5K，主打語義理解和模糊搜片。不需要絕對明確的指令，人工智能電視能識別和理解用戶的語義。比如當用戶說“太暗了”時，電視能理解那是什么意思并知道該怎么做，而不是非得等用戶說出“調高亮度”。再比如，最近熱播的一部電視劇《那年花開月正圓》，名字太長很多人記不住，但只要你說“我想看花開月圓”，長虹人工智能電視也能找到這部片。如果連這幾個字都記不住，說“我想看陳曉的電視劇”，它也會根據熱播影視數據推薦出這部片來。甚至于說到“我想看陳妍希老公的電視劇”，這臺電視也能理解，你所說的八成就是這部由陳曉主演、最近熱播的《那年花開月正圓》，并為你播放出來。
這就相當于機器真正有了“大腦”，從而可以感知，交互，理解和決策。因此，也就能夠更好地為人類服務了。
（新聞稿 2017-12-07）