文/高妍 孙继文

时至今日，让机器“听话”，已经不是什么新鲜事了。在不少场景下，动口替代了动手。

用语音控制手机，可以完成编辑短信、打电话、查询交通、指挥导航等指令；对电视说话，电视就能完成开关机、转台、调节音量亮度，甚至发送弹幕等任务……类似的还有，在行驶中对汽车下命令：帮我打电话给XX；躺在床上对空调说：把温度调到26度；以及教会小朋友用语音控制手表学英语、查天气、定闹钟等等。

语音识别技术，帮我们实现了这些曾经只能出现在科幻片中的智能化应用。于是，人们开始有更高的期待：人与机器自由交流，是否也可以在不远的将来实现？

对此，清华大学电子工程系长聘副教授吴及在接受本刊采访时表示，让机器“听话”，只是一个单向的过程，而人机交互则是双向的，甚至可以是多人参与。这需要机器不仅听到、识别语音，更重要的要理解语音及交互时所处的场景、所蕴含的背景知识和经验。从听见到听懂再到自由交流，并不像人们想象的那么简单。

吴及，清华大学电子工程系长聘副教授，长期从事语音识别技术研究、系统开发及产业化推广工作，在20余年的积累和坚守后，迎来了语音识别产业发展的春天。

一项看上去简单的研究

语言是人类交流中最自然、最重要的方式。它的普遍易见，影响了人们的认知——说话那么简单，让机器学会说话肯定也不难。恰恰相反，吴及说，语音识别是一项看上去很简单，但实现起来很难的技术。