人工智能可从嘈杂声中分辨特定声音

人工智能（AI）设备如今已能处理来自个体的独立请求，但在某些复杂环境下，比如在喧闹的鸡尾酒会上或是多人同时交谈的场所，它们也会感到“困扰”。最近，《新科学家》杂志官网报道了美国剑桥三菱电机研究实验室的新发现：他们研发的声音识别AI设备，具备实时分离多个声源的能力，显著提升了自动语言识别的水平。

这一创新技术在日本东京先进技术综合展览会上首次亮相，其被团队称为“深度聚类”的机器学习技术，能够识别多个声源中的独特“声纹”。通过组合每个发言者声音的不同特征，该设备能从混杂的声音中筛选出特定特征的声音，并重建出每个人的发言内容。该智能技术经过多种语言的训练和学习，甚至能够轻松分辨出日本人说英语的声音。

传统的语音识别方法，比如通过两个模拟收音器模拟人耳的位置，只能达到约51%的准确性。这种被称为“鸡尾酒会效应”的问题困扰了AI研究领域几十年。新的智能系统成功地将两个人的语音进行分离，并且重建单人语音的精确度高达90%。新技术对于智能家庭、汽车等领域具有巨大潜力，它能同时分离多达五个人的声音，为电梯、空调机组和家用产品的智能操控提供了全新的可能性。