對於學習語言或生活中會需要使用外語的大家來說，翻譯字彙、句子是理解事物的第一步，也是能夠接續溝通對答的先決條件。為了滿足人們想透過“不同語言”即時互動無阻的願望，人工智慧語音技術為此不斷囊搜資料和自我學習，以提升語音系統精準度。
那麼讓我們先談談“機器翻譯”的技術，目前歷經三個階段：
1.規則機器翻譯Transfer based（FST）
1980年出現第一代機器翻譯技術，分析、拆開句子的每個字，比對字義相關結果直接翻譯；而最大問題是目標語言（翻譯結果）和源語言（被翻譯的語言）的語法不同時，就難以使人明白不規則的內容。
2.統計機器翻譯Statistical machine translation （SMT）
1993年IBM研發詞的統計機器翻譯，主要技術是建構統計翻譯模型，在當中設計翻譯目標函式，滿像高中學的f(x)=y，但是比較複雜的公式p(e|f)，從目標句還原成原句的運算；缺點是模型建構後，不易快速改變以符合語法調序。
3.神經機器翻譯Neural machine translation (NMT)
近期2014年Google提出端到端神經機器翻譯，透過人工神經網路ANN進行機器深度學習，經正向和反向的編碼拼接，不受限於規則和模型翻譯，大大提升流暢、準確度。
AI結合生活，人機共生
翻譯的進步解釋了人有更廣大的視野探索世界，除此之外，去年，主要發展“AI語音識別”與“AI語音合成”的科技公司科大訊飛 的產品語音助手提高商用價值，能辨識中國28種方言，還有自動降噪的效果。舉例來說，中國市場有百度的小度音箱、阿里巴巴的天貓精靈和小米的小愛同學，擴大了AI語音運用的可能性。
現今語音系統連線生活各領域，從醫療、教育到娛樂等，為求省時、省力，有效率、效能都能看見此技術的應用。醫生可以一邊專注進行診療，一邊以口述將病歷交給機器辨識整理，結束治療短時間內就可以產出一份病歷；或是藉著語音合成，模擬人的語音系統可錄製明星的聲音，將以廣泛利用於各場合、節日，滿足粉絲隨時能聽見偶像的問候。
許多的革新都來自於人想改變“不便”，甚至趨於“完美”，這是關鍵的動力，我也一直期待AI語音技術未來的發展與新應用。
對於學習語言或生活中會需要使用外語的大家來說，翻譯字彙、句子是理解事物的第一步，也是能夠接續溝通對答的先決條件。為了滿足人們想透過“不同語言”即時互動無阻的願望，人工智慧語音技術為此不斷囊搜資料和自我學習，以提升語音系統精準度。
那麼讓我們先談談“機器翻譯”的技術，目前歷經三個階段：
1.規則機器翻譯Transfer based（FST）
1980年出現第一代機器翻譯技術，分析、拆開句子的每個字，比對字義相關結果直接翻譯；而最大問題是目標語言（翻譯結果）和源語言（被翻譯的語言）的語法不同時，就難以使人明白不規則的內容。
2.統計機器翻譯Statistical machine translation （SMT）
1993年IBM研發詞的統計機器翻譯，主要技術是建構統計翻譯模型，在當中設計翻譯目標函式，滿像高中學的f(x)=y，但是比較複雜的公式p(e|f)，從目標句還原成原句的運算；缺點是模型建構後，不易快速改變以符合語法調序。
3.神經機器翻譯Neural machine translation (NMT)
近期2014年Google提出端到端神經機器翻譯，透過人工神經網路ANN進行機器深度學習，經正向和反向的編碼拼接，不受限於規則和模型翻譯，大大提升流暢、準確度。
AI結合生活，人機共生
翻譯的進步解釋了人有更廣大的視野探索世界，除此之外，去年，主要發展“AI語音識別”與“AI語音合成”的科技公司科大訊飛 的產品語音助手提高商用價值，能辨識中國28種方言，還有自動降噪的效果。舉例來說，中國市場有百度的小度音箱、阿里巴巴的天貓精靈和小米的小愛同學，擴大了AI語音運用的可能性。
現今語音系統連線生活各領域，從醫療、教育到娛樂等，為求省時、省力，有效率、效能都能看見此技術的應用。醫生可以一邊專注進行診療，一邊以口述將病歷交給機器辨識整理，結束治療短時間內就可以產出一份病歷；或是藉著語音合成，模擬人的語音系統可錄製明星的聲音，將以廣泛利用於各場合、節日，滿足粉絲隨時能聽見偶像的問候。
許多的革新都來自於人想改變“不便”，甚至趨於“完美”，這是關鍵的動力，我也一直期待AI語音技術未來的發展與新應用。