對于很多人而言，將電話號碼添加到手機(jī)上是一件再普通不過的事了。沒想到的是，這卻讓來自西非幾內(nèi)亞農(nóng)村的Aissatou格外為難。
“我不會，因為我沒上過學(xué)，不認(rèn)識字。”她低聲說道。由于缺乏正規(guī)教育，Aissatou不會用法語閱讀或書寫。本以為這并不會妨礙她使用手機(jī)的基本服務(wù)，然而，正如呈現(xiàn)在眼前的：Aissatou的手機(jī)“聽不懂”她的當(dāng)?shù)卣Z言。
這不由得讓人產(chǎn)生疑問：人工智能（AI）系統(tǒng)應(yīng)該理解人們使用語言的方式嗎？
無法識別的語言
西非人使用自己的語言已有數(shù)千年的歷史，他們創(chuàng)造了豐富的口述歷史傳統(tǒng)，即通過將祖先的故事和歷史觀點生動地呈現(xiàn)出來，并傳遞知識和道德，為社區(qū)服務(wù)。
計算機(jī)可以輕松地支持這種口述傳統(tǒng)。盡管計算機(jī)通常是為使用書面語言而設(shè)計的，但基于語音的技術(shù)確實存在。
然而，語音技術(shù)并不能“說”非洲人使用的2000種語言和方言中的任何一種。即便是蘋果的Siri、谷歌助手和亞馬遜的Alexa都不會“說”非洲語言。
事實上，世界上7億文盲中的大多數(shù)人都無法享受移動技術(shù)帶來的好處，除了接聽電話等簡單用途之外，他們無法使用像聯(lián)系人管理或短信這樣的簡單功能。由于文盲往往與缺乏教育有關(guān)，因此他們無法使用一種通用的世界語言。
最需要語言技術(shù)的人無法獲得語言技術(shù)，對他們來說，語音識別技術(shù)可以幫助縮小文盲與其他能從農(nóng)業(yè)信息到醫(yī)療保健等獲得有價值的信息及服務(wù)的人之間的差距。
為什么語音技術(shù)產(chǎn)品不能在非洲和其他當(dāng)?shù)卣Z言中使用？這是因為人口較少的語言往往是商業(yè)優(yōu)先權(quán)的犧牲品。而且，在技術(shù)產(chǎn)品和服務(wù)上擁有權(quán)力的群體常常會說同樣的幾種語言，這很容易讓人忽視具有不同背景的其他群體。此外，在歷史上開發(fā)過語音識別技術(shù)的研究實驗室、公司和大學(xué)里，使用西非廣泛使用的語言的人數(shù)嚴(yán)重不足。
多重挑戰(zhàn)
眾所周知，數(shù)字技術(shù)可能會對不同種族的人產(chǎn)生不同的影響，技術(shù)系統(tǒng)可能無法為不同用戶提供相同質(zhì)量的服務(wù)。
與此同時，商業(yè)優(yōu)先級、權(quán)力和代表性不足都加劇了另一個關(guān)鍵性挑戰(zhàn)：缺乏數(shù)據(jù)。
語音識別技術(shù)的發(fā)展需要大量的標(biāo)注數(shù)據(jù)集。不識字的人從語音識別技術(shù)中受益最多，他們所使用的語言往往屬于“資源匱乏”的類別，與“資源豐富”的語言相比，這類語言可使用的數(shù)據(jù)集很少。
目前，解決數(shù)據(jù)短缺問題最先進(jìn)的方法是“遷移學(xué)習(xí)”，即將從資源豐富的語言學(xué)習(xí)到的知識，轉(zhuǎn)移到資源匱乏語言的機(jī)器學(xué)習(xí)任務(wù)上。
然而，人們對實際遷移知之甚少，因此需要對遷移學(xué)習(xí)中使用的數(shù)據(jù)集的相關(guān)性、大小和質(zhì)量之間的權(quán)衡進(jìn)行更嚴(yán)格的調(diào)查。就目前的技術(shù)水平而言，未來10年，數(shù)以億計的上網(wǎng)用戶將不會使用其設(shè)備所提供的語言。
如果這些用戶設(shè)法訪問在線服務(wù)，他們無疑將無法享受使用通用世界語言的人所能享有的自動內(nèi)容審核和其他保護(hù)措施帶來的好處。
擴(kuò)展語音識別的“語言”
科研人員目前正在努力解決這些問題。
最近，美國斯坦福大學(xué)計算機(jī)科學(xué)專業(yè)的研究人員專門為尼日爾—剛果語系的Maninka、Pular和Susu這三種資源匱乏的語言（7個國家總共有1000萬人使用這些語言，其中高達(dá)68%的人是文盲）開發(fā)了第一個語音識別模型。
為了應(yīng)對資源匱乏語言的挑戰(zhàn)，研究人員使用了即便在資源匱乏語言中也可以使用的大量語音數(shù)據(jù)：無線電廣播檔案庫。
他們?yōu)榇隧椦芯渴占藘蓚�數(shù)據(jù)集：一個是西非無線電語料庫，包含了超過10種語言的142個小時的音頻，并帶有一個標(biāo)記的驗證子集；另一個是西非虛擬助理語音識別語料庫，由1萬段標(biāo)注了4種語言的音頻片段組成。
隨后，研究人員創(chuàng)建了“西非wav2vec”，這是一種在嘈雜的無線電語料庫上訓(xùn)練的語音編碼器，并將其與作為基線的臉書（Facebook）語音編碼器進(jìn)行了比較，后者接受了6倍以上高質(zhì)量數(shù)據(jù)的訓(xùn)練。比較結(jié)果表明，盡管西非無線電語料庫規(guī)模小且噪音大，但全新的語音編碼器在多語言語音識別任務(wù)中的表現(xiàn)與基線相似，并且顯著優(yōu)于基線在西非語言識別任務(wù)中的表現(xiàn)。
最后，研究人員為不識字且使用Maninka、Pular和Susu三種語言的人設(shè)計了一個多語言智能虛擬助手原型。他們目前正在將其所有的數(shù)據(jù)集、代碼和訓(xùn)練過的模型發(fā)布給研究界，希望它能促進(jìn)這些領(lǐng)域的進(jìn)一步發(fā)展。
“我們的目的在于為有道德的人工智能研究提供一條前進(jìn)的道路，以服務(wù)于那些因數(shù)字鴻溝而處于最不利地位的人的需求。”研究人員如是表示。
未來可期
早期的計算機(jī)專家們知道，為了讓編程能夠為大眾所接受，他們需要創(chuàng)建出便于人們學(xué)習(xí)的編程語言。即使在那時，第一批高級編程語言也還是高度技術(shù)化的。
如今，用戶從多層抽象中受益：你不需要理解JavaScript就能在計算機(jī)上閱讀文章，而且人工智能研究人員也不需要與匯編代碼進(jìn)行交互來推動計算機(jī)科學(xué)領(lǐng)域的發(fā)展。
不過，計算機(jī)還沒有充分發(fā)展到能在某些社會中發(fā)揮作用的程度。
目前，語音識別模型僅能識別有限的聯(lián)系人管理詞匯。下一步，研究人員計劃進(jìn)一步擴(kuò)大其詞匯量，提供覆蓋小額信貸、農(nóng)業(yè)或教育等領(lǐng)域的詞匯。不僅如此，他們還希望將其功能擴(kuò)展到尼日爾—剛果語系及其他地區(qū)的更多語言，這樣讀寫能力或說外語的能力將不再成為享受技術(shù)優(yōu)勢的先決條件。
大量無線電數(shù)據(jù)使得將編碼器擴(kuò)展到其他語言變得非常簡單。“通過對語言家族進(jìn)行更多語言的培訓(xùn)，這個語音識別模型可能會表現(xiàn)得更好。”研究人員充滿信心地表示。
毋庸置疑，要創(chuàng)造出能理解成千上萬種有豐富口語特征（比如語氣和其他高級語義）的語言的計算機(jī)是很有挑戰(zhàn)性的。不過，研究人員堅持不懈地探索、突破，讓人們對未來充滿期待。
畢竟，創(chuàng)新、獲取和安全都要求技術(shù)能夠使用世界上所有的語言。■