“一語千金”的時代已經(jīng)到來

王哲

一聲令下，讓無數(shù)機器設(shè)備為你效犬馬之勞已經(jīng)走近現(xiàn)實?！耙徽Z千金”時代，你準(zhǔn)備好了嗎？

在古代，聲音是最快速的傳播途徑。“一聲令下”，千軍萬馬縱橫千里沙場。老子《道德經(jīng)》里說，“大音希聲、大象無形”，聲音包含了最樸素的、深刻的辯證法。今天，我們已經(jīng)在人工智能領(lǐng)域?qū)崿F(xiàn)了人臉識別、指紋、虹膜、靜脈等人工智能技術(shù)，但聲音作為語義表達最基礎(chǔ)的功能，其獨特性是無法取代的。

經(jīng)過無數(shù)科學(xué)家數(shù)十載的辛苦耕耘和默默鉆研，借科技成果產(chǎn)業(yè)化的助力，語音識別技術(shù)正逐步成為計算機信息處理中的關(guān)鍵技術(shù)，語音技術(shù)的應(yīng)用已經(jīng)形成一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)，受到越來越多人的關(guān)注，聲紋識別學(xué)科進步和產(chǎn)業(yè)發(fā)展高效融合、相互促進的時代已經(jīng)到來。如今，一聲令下，無數(shù)機器設(shè)備為你效犬馬之勞已經(jīng)走近現(xiàn)實。“一語千金”時代已經(jīng)到來，你準(zhǔn)備好了嗎？

識破偷來的聲音

聲紋識別技術(shù)意味著一句話可以實現(xiàn)銀行轉(zhuǎn)賬：比如說“給張三轉(zhuǎn)1000元”，馬上可以做語音識別、意圖理解，得出指令，進行身份確認，最后進行銀行轉(zhuǎn)賬。但是安全性如何保證？

近日，在清華大學(xué)舉行的“清華前沿論壇——人工智能與信息安全”論壇上，清華大學(xué)控股的得意音通信息技術(shù)研究院宣布正式成立。在論壇現(xiàn)場，得意音通信息技術(shù)研究院院長鄭方博士接受本刊記者采訪時介紹說，聲紋識別技術(shù)是基于每個人聲道的長、短、粗、細以及每個人說話的節(jié)奏、口音、發(fā)音，還有聲音所對應(yīng)的喉管、聲道、鼻腔的形狀與尺寸等特征進行本質(zhì)識別，因此就算其他人模仿得再像，出現(xiàn)在計算機上的聲紋圖譜也是千差萬別的。但人的聲音在表象上經(jīng)常會出現(xiàn)變化，比如感冒發(fā)燒引起的鼻塞、嗓子變啞以及隨著年齡增大等因素引起的聲音的改變，這是否會影響到聲紋識別？鄭方對此解釋說，人本身的聲道構(gòu)成、口音、節(jié)奏、發(fā)音還有很多身體特征都是不會改變的，因此這些表象的改變只是人耳會察覺到不同，但并不會影響計算機的識別。

對聲紋識別最大的威脅是“竊取聲音”，比如，在你說話的時候別人錄下你的聲音，然后用錄音去登錄你的銀行賬戶?！盀榱朔乐惯@種情況，我們發(fā)明了一個名為‘聲密保的產(chǎn)品，這是我們獨有的專利產(chǎn)品?！编嵎浇榻B說，“聲密?！本褪腔趧討B(tài)密碼語音的身份確認系統(tǒng)及方法，其利用動態(tài)密碼，結(jié)合語音識別和聲紋識別技術(shù)，來實現(xiàn)用戶身份的雙重驗證。簡單來說，就是需要念出的數(shù)字每次都會改變，即使是用戶自己，也要把動態(tài)碼念對才可以通過身份認證。更重要的是，錄音在播放時，它的聲音頻譜已經(jīng)被破壞，與直接說的聲音并不相同，完全可以被聲紋識別系統(tǒng)檢測出來。

在論壇現(xiàn)場，得意音通首席架構(gòu)師肖永明針對聲紋技術(shù)的安全性進行了演示，“主人”回家開門，利用聲紋技術(shù)系統(tǒng)只需第一次使用時留下聲音，日后通過說話方式就可把門打開，但是靠“主人”的錄音卻無法開鎖，聲紋識別技術(shù)真正實現(xiàn)了防“偷聲音”的安全性功能。肖永明具體介紹說，在極為特殊的情況下，如遭遇犯罪分子脅迫發(fā)聲開門，都無法逃過得意音通的識別系統(tǒng)，這是因為在其聲紋技術(shù)中包含聲音固定和特殊變化的識別特征，讓其安全性達到了極高的層次。

聲紋識別技術(shù)還具有一系列的優(yōu)越特性，比如穩(wěn)定性高。檢測結(jié)果顯示，在壓力測試連續(xù)工作運行中，接收3300萬次請求服務(wù)，聲紋識別系統(tǒng)出現(xiàn)失敗或故障次數(shù)為0次。聲紋識別系統(tǒng)靈活多變，肖永明對此解釋說，這是因為采用了自主創(chuàng)新分布式并發(fā)處理、分布式協(xié)同處理等技術(shù)，不同的場景有不同的解決方案，可以有效避免超大規(guī)模用戶數(shù)導(dǎo)致的一些瓶頸陷阱，還有高并發(fā)運行時的一些沖突。聲紋識別支持的用戶數(shù)范圍比較廣，最少幾個人都可以用，最多可以20億人。

語音識別納入人工智能

美國工程院院士莊炳湟介紹說，自上世紀(jì)50年代開始，經(jīng)過數(shù)十年發(fā)展，語音識別技術(shù)出現(xiàn)了諸多新進展。但直到2007年，學(xué)術(shù)界才認為，語音識別是人工智能的一部分?！皩嶋H上，科學(xué)家最早開展語音識別研究工作時，幾乎沒有想過其是人工智能的一部分?！鼻f炳湟表示，“但1991年就已證明，機器對聲音的識別一定比人分辨得精準(zhǔn)。因為一般人要識別聲音，需要轉(zhuǎn)換，記憶會產(chǎn)生困難。在這個過程中，人很容易出錯。對于一秒鐘的聲音，聲紋技術(shù)識別錯誤率極低。而一秒鐘的聲音，對人耳而言時間太短，難以判別?！闭Z音信號在各種感覺器官里交互性非常強，語音信號可以全方位無死角傳播，正所謂隔墻有耳，聲音的傳播方向非常寬，接收能力很強。語言包含信息量非常豐富，口音的信息、語種的信息、內(nèi)容的信息、情感的信息、性別的信息、聲紋的信息……利用這些信息，可以有助于進行精準(zhǔn)的身份認證。

目前，國家頒發(fā)了人工智能的發(fā)展規(guī)劃，聲紋識別技術(shù)是其中重要的一環(huán)。相對于其他生物識別技術(shù)，在安全性上，聲紋識別名列前茅，如可以有效防止錄音假冒。如果把人工智能和情感識別結(jié)合起來，可以檢測這個人的聲音是否是真實意圖、是否被人脅迫，這一點，聲紋識別相比其他人工智能技術(shù)已經(jīng)遙遙領(lǐng)先。未來，聲紋識別的重點應(yīng)用將在安防領(lǐng)域，如刑偵破案、門禁、銀行交易、智能家居等，這些特殊的場景對安全要求尤其高，得意音通的聲紋識別技術(shù)解決了這些場景中對身份認證的安全需求。

據(jù)中國銀聯(lián)統(tǒng)計，有14.1%的直銷用戶在經(jīng)營活動中會發(fā)生個人隱私數(shù)據(jù)泄密，甚至發(fā)生資金損失。使用智能手機或使用智能設(shè)備的人未必是合法的，人機的一致性或所謂信息安全的“最后一厘米”問題亟待解決，而采用人工智能的最新聲紋識別技術(shù)，可有效為“錢袋子”保駕護航。中國建設(shè)銀行的95533系統(tǒng)已率先應(yīng)用聲紋身份認證技術(shù)，在一段時間的試運營和測試后，成功地實現(xiàn)了客戶的零投訴率。未來，中國銀聯(lián)將與得意音通合作，把聲紋識別產(chǎn)品應(yīng)用到更廣泛的領(lǐng)域。

鄭方表示，在移動互聯(lián)網(wǎng)改變?nèi)藗兩罘绞?、信息安全受到挑?zhàn)的當(dāng)下，聲紋識別的應(yīng)用場景將非常廣闊。endprint