谷歌DeepMind人工智能 学会读唇语让监控变“监听”

谷歌的人工智能DeepMind又厉害了。

近日，DeepMind部门与牛津大学研究人员共同创造了一个记录：在测试的上千小时BBC视频片段中，DeepMind AI实现了46.8%的读唇识别文字精准率。也许你觉得46.8%不是很牛，但其实经过训练的人类读唇专家，正确率也仅为12.4%而已。

牛津大学的研发小组在本月早些时候发布了报告，首先他们开发了一款名为“Lipnet”的读唇软件，其测试成绩为93.4%准确率，似乎比DeepMind AI更高，但其实这是在特制录像的条件下完成的，测试语句全部为公式化。

DeepMind AI则不同，它完全是在“看电视”的情况下测试的，也就是说片段随机、片段中人物的语音随机，更具挑战性。为此，DeepMind AI经过了约5000小时的训练，包括大量新闻节目，锻炼并学习“看、听、读、拼”的能力。

DeepMind的研究表明，AI可以实现更强大的语言学习能力，并且拥有广泛的应用价值，比如帮助听障人士理解自然对话、可以诠释无声电影或是集成到诸如Siri和Alexa等语音助手中。

当然，也有人对该技术感到恐惧，认为这是一种更方便的监控技术。不过研究人员表示，该技术需要在明亮的、高分辨率视频画面中运行，目前的监控视频还不具备操作条件。但无论如何，AI正在变得越来越聪明，这是一件好事。