@陈宗周

     《圣经》中记载着这样的传说，远古人类都讲一种语言，他们希望建造一座通往天堂的高塔，这就是通天塔，也叫巴别塔（Tower of Babel）。为了阻止人类的计划，上帝让人类说不同的语言，分成不同的民族，在语言上无法自由沟通，巴别塔计划由此告终。

      传说有点悲凉，却反映人类一直存在的美好梦想。重建巴别塔，也成了人类语言沟通和共识达成的象征和代名词。现在，AI让人类的梦想一步步走向实现。

弗雷德里克·贾里尼克

历史的探索

      让人类拆掉语言的樊篱，实现无障碍沟通，这项伟大的AI工程有三块重要基石：语音识别、自然语言理解、语音合成。三块基石是三大类技术，分别解决人类语言交流中三个问题：听清楚别人说什么、 理解别人说什么、根据听到和理解的去回答别人。

      语音识别，主要解决“听清楚别人说什么” 这个难题，这是AI中的重要技术领域。近年来，由于深度学习技术的应用，语音识别取得了长足进步。

      1952年，贝尔实验室的K·H·戴维斯（K.H.Davis）等人研制了世界上第一个能识别10个英文数字发音的实验系统。1960年，英国人彼得·迪恩斯（Peter Denes）等研制了第一个计算机语音识别系统。但从上世纪50年代到70年代，语音识别研究走了弯路，那就是简单地想电脑模拟人脑，认为必须先让机器理解自然语言。在当时计算机能力受限的情况下，这样的研究鲜有进展。

      直到1970年后，统计语言学的出现打破了沉寂。领军人物是IBM沃森实验室的弗雷德里克·贾里尼克（Frederick Jelinek）。

      贾里尼克用两个隐（含）马尔可夫模型（Hidden Markov Model）——声学模型和语言模型来清楚概括语音识别。这个框架至今对语言处理有着深远影响。

      1999年，国际声学、语音与信号处理国际会议（ICASSP）在凤凰城召开，早已当选美国工程院院士的贾里尼克在大会上做了一个报告，题目是《从水门事件到莫尼卡·莱温斯基》。这两件事和语音都有联系，而且两件事的时间跨度和语音识别都同样很长。隐马尔可夫模型处理语音也是从1972年开始，一直到贾里尼克作报告时还在进行。隐马尔可夫模型处理语音，一直持续到贾里尼克作报告时还在进行，而且还将延续下去。