第506节：假道伐虢 (第3/3页)
了，他自己转过头来，向沈亢看过来。
「所以，在你看来，未来的人工智慧落地到家庭消费场景中，会是以智能音箱」这麽一种形式？」
沈亢稍稍点了一下头，「嗯。至少，如果是我来做的话，我可能会尝试着从智能音箱这个方面去下手。」
他知道，在这个年代，人工智慧在具体的家庭消费场景中该怎麽实现，大家还没有一个具体的印象。
听了沈亢的话，萧伯年想了想後，又问：「那从你的角度，除了你刚才说的那些外，你上午见到到的我们这个子课题组的工作，还有什麽不足的地方？」
见萧伯年主动问，沈亢也就老实不客气地说了起来：「还有就是方言的标注问题了。
我注意到，学长学姐在记录的时候，都只是用中文记录，没有做专门的标注。举个例子，就好比说，阳城话这边有一个特殊情况，就是入声归到平声，调值跟普通话不一样。这个信息如果只记汉子，不标出来的话，机器可能永远都不知道。」
「其实阳城话不止这一个问题。」
沈亢放下杯子，用手指在桌上轻轻画了个圈，「我上午查了下，阳城话的声母系统里，中古的疑母字，普通话里很多已经变成零声母了，但阳城话还保留着η声母。比如我」这个字，马师傅念的时候，前面那个鼻音很明显。这个音在普通话里根本不存在，如果录音的时候只记汉字我」，不把这个η标出来，机器学到的就是一个错误的对应关系。」
沈亢一上午确实也不是白看的。
再加上，他一边看，还一边拿着何秋竹的手机上网，把一些自己只是有概念、但是不专业的东西，通过网上的信息调查、比对，弄的更专业、也更清晰了一些。
因此，现在一说出来，还真是头头是道。
庄小敏不自觉地翻开了手边的记录本，看了看上午记的几页文本转写。确实，上面全是汉字。马师傅念的「我」字，她写的就是「我」，没有任何特殊标记。
「还有文白异读。」沈亢接着说，「同一个字，读书的时候一个音，日常说话的时候另一个音。比如去」这个字，马师傅念词表的时候可能是tchy，但他刚才聊小时候过年
的事，说到走亲戚去」，那个「去」明显发的是k。这两个音在声学上差得很远，但记录的时候都写去」。机器看到同一个字对应两种完全不同的声学模式，它就不知道该怎麽办了。」
楚维听着听着，手指无意识地在桌上轻轻叩着。
他做自然语言处理，对音系学术语不陌生，但沈亢说的这些，确实点出了一个他之前没有认真想过的问题：他们做的是语料库，语料库最终是要给机器用的，但他们的标注方案，还是按传统方言调查那套来的——记字、记音、记调值。这套方案是为语言学家服务的，不是为机器服务的。
「那你的意思是，标注方案要重新设计？」楚维问。语气比刚才缓和了不少，但依然带着审视。
「我倒不是说现在就要重新设计。」沈亢摇了摇头，「那样工作量太大了。但至少，在采的时候，要留出後面加标注的余地。比如录音的时候，把发音人的年龄、教育程度、
日常语言使用情况记详细一点。标注的时候，哪怕暂时只做文本转写，也要把跟普通话差异大的发音单独标出来。後面如果有精力，再补音素层的标记。」
萧伯年这时候开口了：「你说的这个，其实我们之前也讨论过。方言调查的传统方法，跟语音识别需要的标注，确实不完全是一回事。但之前组里几个人商量下来，还是决定先用传统方法来。因为传统方法成熟，有规范可依，做出来的东西至少语言学界认。」
「这我理解。」沈亢点头，「基础的东西不能丢。但我觉得，可以两条腿走路。传统规范做一套，面向机器应用的加一层。」
萧伯年「嗯」了一声，没再说别的。他夹了一筷子酸汤鱼，慢慢吃着，像是在想事情。
想没一会儿，忽然道：「沈亢、秋竹，你们俩之後忙不忙？特别是过年的时候。项目比较紧，过年的时候也要加班。你们俩要是不忙的话，要不然来我们这帮帮忙？有你们的加入，我想，我们这个子课题也可以做得更完善一些。」