問：我們看到訊飛語音識別的技術已經非常成熟，那么你認為“應用”的空間在哪里，未來語音識別技術還有什么挑戰？

李開復：云端識別技術，訊飛已經解決了。“應用”在哪里？這并不是一些專家在實驗室里拍腦袋就能想到的。大家可以來試，可以在訊飛的云平臺上試一試，可能成功的會比較少，但能夠摸索到成功的應用的概率也會增加。

語音技術方面，主要挑戰還有三方面：

• 一、語音識別相對容易，但語義理解相對困難。讓軟件聽懂容易，但理解會比較難。
•  二、如果能在一定程度上做到語義理解，那么怎么樣讓開發者介入不用太花時間？
•  三、用戶體驗的期望值。語音是人類最自然交流的方式——與多點觸摸不同，一旦人們開始使用語音交互，會有比較大的心理預期：我愛怎么說就怎么說，你應該能理解，這是一個比較長久的挑戰。這中間，應該有巧妙方式來降低這種感受。

問：語音技術里面，是不是使用的人越多，語音技術也會愈加成熟？

李開復：當然了，更多人參與，獲得更多自動回饋，可以實現一個良性的正向循環方。一個人能力有限，一億用戶，每人使用 3 秒鐘，就是 3 億秒，這個數據量是龐大的。實際應用中，正確的輸入可以被視作是“一次正確訓練和學習”，吸收改進；一個錯誤的結果，比如訂餐時識別錯誤取消訂單，可以視作“不正確的學習”，同樣吸收改進。

但這個比“聽寫”更困難：錯了，是語音錯了還是語義錯了，或者其中一個正確、一個錯誤；對了，是語音對了語義對了，或者其中一個正確、一個錯誤。當回饋量大于累計量和使用量，可以讓我們邁出一大步。

問：什么樣的語音應用是用戶期待和接受的？

李開復：我認為有三個方向。1，相對是語音識別，而非深度語義理解的應用，或者說“淺語義，深語音”。比如聽寫（Demo 中有提到教育領域的聽寫測試、KTV 評分、發短信、日程提醒），——輸入法也很重要，這個比較保險。

2，娛樂性應用，比如 Siri 這樣的調侃調戲類應用。這種識別錯了也無傷大雅，很愛使用。蘋果很聰明，用調侃 Siri 錄了很多語音，然后慢慢把真正的應用做好。

3，在一些“眼忙手忙”的場景，這個時候語音需求就會很大，比如駕車的時候，這時候是不能多點觸控的，這算一個“剛性需求”的場所。

在這里我建議開發者：想把語音放進來的時候，不是那么容易，因為語音的 API 和語音的用戶體驗，比一般的 API 要難很多，比如百科全書類、地圖、本地商家，O2O，線上模式拉來線下消費，因為有語義部分在里面，要花很多時間去把它調好，不能用簡單的 API 隨便聯接起來。