微软研究人员报告说 已经创建了一种新的语音识别技术，可以转录口语语音，就像人类一样。 据报告，该系统每个单词的错误率是5,9％。根据Microsoft的说法，与被要求制作相同唱片的专业录音师大致相同。
在声明中提供主要信息的科学家黄学东说：“我们已经达到了与人类平等的地位。” 将此里程碑称为“历史成就”。
为了达到里程碑， 该团队使用了计算机网络和Microsoft工具包，以及研究团队通过开源许可证在GitHub上提供的本地深度学习系统。 该系统对类似单词的组使用神经网络技术，使模型能够高效地逐字逐句地工作。
神经网络基于称为“训练数据”的大量数据。 它们的建立是为了教抄录计算机识别声音中的句法模式。 微软计划在Cortana中使用该技术，Windows和Xbox One上的个人语音助手以及语音转文本转录软件。
但 技术还有很长的路要走 在它可以处理主要含义（语义）和上下文知识之前，日常语言使用的关键特征必须由诸如Siri之类的个人助理来掌握，以处理请求并以有用的方式对其进行操作。
微软人工智能研究小组负责人哈里·深姆（Harry Shum）说：“我们正在远离人们必须了解世界计算机的世界，而计算机仍然不了解我们。” 他警告说，但是，计算机要理解所说的真实含义还需要很长时间。 “真正的人工智能仍然遥遥无期”.
我认为这是非常重要的一步，这一天，我们无需使用外围设备即可与设备进行交互，这将彻底改变理解人与机器之间关系的方式。