在放鬆且自由的家中，享受家人圍繞的美好時光時，總會讓我們大腦不自覺地放鬆下來，將“語音系統”切換到自己的家鄉話模式。然而，當你躺在沙發上用方言指示智能音箱“放音樂”時，很有可能會收到人工智能一板一眼的迴應，“對不起，我好像不明白”。
【Siri可能正在歧視你的發音】
目前國內市場上的智能音箱，大多隻能接受標準普通話指令。一個上海寧在生活中如果習慣性地用方言提醒智能音箱“等水（發音：deng si）好了提醒我”，AI可能轉頭就幫他叫來了救護車；北方方言儘管在發音上幾乎和普通話保持一致，但東北用戶仍然需要花很長時間理順到底剛剛說的哪個詞，普通話體系中有沒有；至於西南地區的用戶則更為憤怒，我真的是在講普通話嘛，這屆智能音箱不太行！
雖然會有用戶覺得這點無傷大雅，畢竟普及普通話這麼多年，許多年輕人不管上班還是休息，都是字正腔圓地講普通話。但是如果換個場景來看，你出差到了某英語國家，使用當地的語音助手和智能音箱，但是這些軟件卻因為你略帶中式發音的英語，一遍又一遍地要求你再重複一遍指令——這能讓人心裡舒服嗎？
去年華盛頓郵報進行的一項研究中顯示，谷歌和亞馬遜的智能語音助手識別非美國本地口音的準確率，要比美國本地口音低30%。基於這一事實，也有媒體越來越關注智能音箱和語音助手，在方言、口音方面存在“地域歧視”的問題。Kaggle數據科學家Rachael Tatman在接受華爾街日報採訪時曾不客氣地指出，當前市佔率較大的幾個智能語音系統，“最適合白人，受過高等教育的中產階級美國人，可能來自西岸，因為那是打一開始就可以使用該技術的群體”。
【想改變現狀也得靠科技公司】
面對用戶口音、夾雜方言等現實問題，全球多個人工智能實驗室們也在不斷努力，試圖攻克難關
在海外，一家專門研究企業語音識別軟件的劍橋科技公司Speechmetrics，早在13年前就開始進行相關投入。然而直到2014年，這家公司用一個十億字節的語料庫加速其統計語言建模發展，才算是在建立更完善的語音識別系統上邁出了第一步。經過多年的發展，該公司的首席執行官Benedikt vonThüngen曾表示，他們已經開出出一款語音識別系統，識別澳大利亞口音的準確度和轉錄蘇格蘭口音的準確率一樣高。
另一家海外的科技公司Nuance，也在致力於讓其語音識別系統能夠識別將近80種語言，並且準確率一樣高。從公開資料來看，新版本的語音識別系統識別帶有西班牙口音的英語的準確率要高22.5%，識別美國南部方言的準確率要高16.5%，識別東南亞英語的準確率要高17.4%。
除了這些海外科技企業，國內的AI巨頭也開始注意到口音與方言帶來的影響。日前，天貓精靈的研發部門阿里AI labs宣佈正式成立方言保護專項小組，投入1億元對漢語方言進行保護和開發。此舉目的也很明確，建立以手機App及智能音箱為終端、以語音交互為採樣方法的全國動態方言數據信息網，並設立動態方言庫。據悉，未來天貓精靈將從四川方言開始，逐步進行全國方言的語音優化工作，最終實現全國方言覆蓋。
【想讓AI學會方言，是個大工程】
技術本應是中性的、不帶任何歧視的。隨著智能音箱和智能語音助手的市場不斷擴展，這些科技巨頭所面臨的用戶群體也越發廣闊且多樣化，這一現狀或將加速這些科技公司進一步完善語音識別系統。不過想要讓人工智能對用戶的口音、方言指令一視同仁，在相當長的一段時間內還是難以實現的事情。
要訓練機器識別語音，需要大量的語音樣本。首先，研究人員會收集談論各種話題的聲音，然後手動轉錄、剪輯這些音檔。這種數據組合—音檔和手寫抄錄，也就是所謂的語音語料庫（speech corpora），讓機器在聲音和文字之間產生關聯，變成學習人類如何說話的算法，進而可以辨識語音，當遇到先前沒有聽過的單詞或口音時，最好它還會猜對。
當前語音識別系統難以解決的口音與方言問題，歸根結底，其實還是系統背後的大數據不夠完善，如果語音語料庫裡的方言數據越豐富、質量越高，相對應的語言模型也會更加多樣化。換句話說，方言數據就好像《五三》，而智能語音識別系統就是學生，“題海戰術”是目前提高這名學生學習成績最有效的方式之一。考慮到全國、全世界各地的方言種類如此之多，這位學生所面臨的挑戰將會無比艱鉅。
而在這位學生的成績有所突破之前，想要通過智能音箱感受便利生活的用戶，還是認真學好普通話和通用美式英語吧。
【本文圖片來自網絡】