总结

J.C.R.利克利德于1942年获得心理声学这一新兴领域的博士学位，随后于1943年前往哈佛大学心理声学实验室工作。1950年，他转至麻省理工学院，撰写了多篇关于音高感知等领域的论文。此后，他参与了麻省理工学院林肯实验室的研究工作，致力于研究人们如何与计算机互动，这项研究是SAGE导弹防御系统项目的一部分。正是在这段时期，他真正开始深入思考计算机将如何改变人类的生活方式。

利克利德在麻省理工学院一直待到离职，之后他转任一家公司的副总裁，这家公司也从心理声学领域转向了计算机领域。1957年，博尔特、贝兰克和纽曼公司

这曾是一个流行趋势。各行各业的人们发现了这些奇特的计算机设备，都想摆弄一番。但使用它们的时间成本很高，因为一次只能有一人使用。约翰·麦卡锡

这一刻对计算机领域和利克利德而言都是一个关键的转折点。利克利德即将离开麻省理工学院，前往美国国防部高级研究计划局

利克利德参与该项目的另一个重要方面，是在协助完成技术工作时，亲自观察并更好地理解项目推进所需的条件。在此过程中，他展现出了领导才能和技术专长，这对于创新和变革性技术的开发往往至关重要。基于这些经验，他撰写了《人机共生》一书。

这篇论文有几个方面既引人入胜又令人费解。例如，论文中的一些术语比较晦涩。这些术语源自1960年代的学术语境，仅使用男性代词，还提及了昆虫的学名，涵盖了多个研究领域。如今，这些领域已发展壮大，既有大学里的相关院系，也有市值数十亿美元的大型公司。然而，这篇论文却精准地揭示了我们当今在计算领域面临的诸多挑战。

60多年来，我们所面临的困境并没有我们想象中那么大的变化。利克利德指出，人工智能的实现还需要数十年时间。从目前讨论的人工智能类型来看，这一观点在今天依然适用。他还谈到，追踪时间、规划或调整参与项目的团队成员会影响生产力。这在1960年如此，在今天也同样适用。任何在现代语音助手上遇到语音识别问题的人都会对他对语音分析和语言的描述深有共鸣。他对函数链接的描述，堪称对现代函数式

这篇论文再次为阿帕网

若ARPA当初对项目需求给出更明确的指导意见，或许就不会出现这样的结果了。当时的团队深受前代研究者的思维定式影响。有时，新生代研究者会带来全新的视角，我们应当允许他们按照自己的方式开展研究。对于那些受反文化思潮影响的20世纪60年代和70年代研究者而言，这一点尤为重要。

J.C.R.利克利德是冷战时期许多计算机技术进步的推动者，这些进步源自美国国防高级研究计划局

利克在那份备忘录中提议建立一个供60年代初期科研人员使用的计算机网络。这些计算机网络将分布于计算中心，最终演变为超级计算中心，并最终形成一个面向全球开放的网络，甚至能连接我们的手机、电视和手表。1968年底，美国国防部高级研究计划局(ARPA)向利克的前雇主博尔特·贝兰尼克和纽曼公司

他资助了道格拉斯·恩格尔巴特

1968年，他撰写了另一篇题为《计算机作为通信设备》的论文。彼时，一切都已就绪，我们如今熟知的互联网已然注定会诞生，或许只是时间问题。这篇论文中的理念实质上构成了现代视频会议系统的雏形。尽管我们在60多年前就已知晓这些理念，但至今仍未解决其中提出的诸多问题。之后，他前往IBM，助力重振约克敦海茨的研究团队数年之久。20世纪70年代中期，他重返ARPA，随后回到麻省理工学院

人机共生
杰弗里·克莱德·里克利德

总结
人机共生是人与电子计算机合作互动中的一种预期发展模式。它将涉及人类与电子伙伴之间的紧密结合。主要目标包括：1)让计算机像现在助力解决已有问题一样，为形成性思维提供便利；2)使人类与计算机能够在无需僵化依赖预定程序的情况下，合作制定决策、控制复杂局面。在预期的共生伙伴关系中，人类将设定目标、提出假设、确定标准并进行评估。计算机器将完成必要的常规工作，助力技术与科学思维中的洞察力和决策形成。初步

1 引言

1.1 共生关系
无花果树只能由一种叫做Blastophaga grossorun的昆虫为其授粉。这种昆虫的幼虫生活在无花果树的子房内，并在那里获取食物。因此，无花果树与这种昆虫之间存在着高度的相互依存关系：无花果树无法在没有这种昆虫的情况下繁殖；这种昆虫也无法在没有无花果树的情况下生存。它们共同构成了一个不仅能够存活，而且富有生产力和蓬勃发展的伙伴关系。这种合作关系，即"两个不同生物体之间紧密结合

人机共生是人机系统的一个子类别。人机系统种类繁多，但目前尚无真正意义上的人机共生案例。本文旨在阐述这一概念，并通过分析人与计算机器交互过程中存在的若干问题，强调人机工程学的适用原则，并指出亟待研究解答的关键问题。我们期望，在不久的将来，人类大脑与计算机器能够实现深度融合，由此形成的协同体将具备前所未有的思维能力，并以超越当今已知信息处理设备的全新方式处理数据。

1.2 "机械增强人类"与"人工智能"之间的辩证关系
作为一个概念，人机共生与诺斯

诚然，从某种意义上说，任何人造系统都是为了服务人类，帮助系统之外的个体或群体。然而，若将目光聚焦于系统内部的人类操作者，我们会发现，在某些技术领域，过去几年间发生了翻天覆地的变化。"机械延伸"已让位于人类的替代品——自动化，而留在系统中的人类更多是提供协助而非接受帮助。在某些情况下，尤其是在以大型计算机为核心的信息与控制系统中，人类操作者主要负责那些无法实现自动化的功能。这样的系统(诺斯或许会称

人机共生或许并非复杂技术系统的终极范式。可以预见，未来电子或化学"机器"很可能在我们当前认为属于人类专属领域的大多数功能上超越人类大脑。即便现在，格尔纳特为IBM-704编写的平面几何定理证明程序，其运算速度与布鲁克林高中的学生大致相当，且会犯下类似的错误。事实上，已有多个定理证明、问题解决、国际象棋对弈和模式识别程序(数量之多难以一一列举[1, 2,

人机共生系统的两个目标
当今的计算机主要用于解决预先设定的问题，或按照预定程序处理数据。计算过程可能会根据计算过程中获得的结果进行条件判断，但所有可能的替代方案都必须提前预见到。(如果出现未预见的替代方案，整个计算过程就会暂停，等待对程序进行必要的扩展。)预先设定或预先确定的要求有时并非坏事。人们常说，为计算机编程能迫使人清晰思考，规范思维过程。如果用户能提前思考清楚自己的问题，则无需与计算机进行深度协作。

然而，许多原本可以提前思考的问题，却很难提前构思出来。若能借助计算机的直观引导，通过反复试验的过程来发现推理中的漏洞，或是揭示解决方案中意想不到的转折，这些问题或许会更容易解决，也能更快地找到答案。还有一些问题，如果没有计算机的帮助，根本无法进行表述。庞加莱曾预见到一大批潜在计算机用户会遇到的挫败感，他说：“问题不在于‘答案是什么？’而在于‘问题是什么？’”人机共生技术的主要目标之一，就是让计算机有效地介

另一个主要目标与此密切相关。它是如何让计算机有效地参与到必须"实时"进行的思考过程中来——这种"实时"指的是进展太快，以至于无法用传统方式使用计算机。试想一下，如果按照这样的时间表用计算机指挥一场战斗会怎样？你今天制定问题描述，明天与程序员沟通，下周计算机花5分钟编译你的程序，再用47秒计算出问题的答案。最后你得到一张20英尺长的纸，上面全是数字，但这些数字非但没有提供最终解决方案，反而只提示了一种战术

3. 计算机参与形成性思维和实时思维的必要性
上述段落默认了一个假设：如果能将数据处理设备有效地引入思维过程，那么这些设备所能实现的功能将极大地提升或促进人类的思考与问题解决能力。但这一假设或许还需要进一步论证。

3.1 技术思维的初步非正式时间与动作分析
尽管关于思考和解决问题的文献汗牛充栋，其中不乏对发明过程进行深入个案研究的著作，但我始终未能找到任何类似于对从事科学或技术工作的人员脑力劳动进行时间与动作研究分析的文献。因此，在1957年春夏两季，我试图记录一位技术水平中等的人员在其自认为用于工作的时段内实际做了些什么。虽然我深知这种抽样调查存在诸多不足之处，但我还是以自己为研究对象。

很快我就意识到，我的主要工作就是做记录。如果按照最初的计划，把记录工作做得面面俱到，这个项目恐怕会陷入无穷无尽的循环。幸好事实并非如此。不过，我还是对自己的活动情况有了清晰的认识，这让我陷入了沉思。也许我的情况并不典型——我希望不是这样，但又担心事实如此。

我的"思考"时间中，约85%都花在为思考做准备上，比如制定决策、学习必备知识。用于查找或获取信息的时间远远超过消化信息的时间。数小时用于绘制图表，又有数小时用于指导助手如何绘图。图表完成后，其中的关联关系一目了然，但正是因为要绘制图表，这些关联才得以显现。曾有一次，我需要比较六组实验数据，这些数据涉及语音清晰度与语音-噪声比之间的关系。结果发现，没有两位实验者使用了相同
简而言之，在我所研究的这段时期内，我的“思考”时间主要用于处理一些本质上属于文书性或机械性的工作：搜索、计算、绘图、转换、推断一组假设或假说在逻辑或动态上的后果，为做出决策或获得洞察力做好准备。此外，我决定尝试什么、不尝试什么的选择，在很大程度上令人尴尬地受制于文书工作的可行性，而非智力能力的限制。

上述研究结果主要表明，人们在技术性思考上投入的大部分时间，其实都是在进行一些本可以由机器比人类更高效完成的操作。然而，关键问题在于这些操作需要处理各种各样的变量，且执行顺序往往不可预测且不断变化。如果能找到解决这些问题的办法，使人类与高速信息检索及数据处理机器形成一种共生关系，那么这种协同互动显然会极大地提升人类的思考能力。

或许有必要在此指出，我们所使用的"计算机"一词，涵盖了各类计算、数据处理以及信息存储与检索设备。这一类设备的功能几乎每天都在不断提升。因此，若要对这一类设备的性能作出笼统的论断，恐怕并不明智。或许对人类能力进行笼统概括同样存在风险。不过，人类与计算机在能力方面的某些基因差异确实引人注目，而这些差异对未来可能实现的人机共生关系的性质，以及这种共生关系的潜在价值，都具有重要意义。

正如人们以各种方式所言，人类是善于表达且思维灵活的生物，但他们的神经系统拥有众多并行且同时活跃的通道。相较于人类，计算机速度极快且精确度极高，但它们一次只能执行一项或少数基本操作。人类具有灵活性，能够根据新获得的信息"动态编程"自身。计算机则一根筋，受限于其"预先编程"的设定。人类自然而然地使用围绕单一对象和连贯行动组织起来的冗余语言，使用20至60个基本符号

严格来说，上述描述需要添加诸多限定条件。但总体而言，他们所呈现的差异性(以及潜在的互补性)描述基本属实。计算机能够轻松、出色且高效地完成许多对人类而言困难或不可能完成的任务，而人类则能轻松、出色地完成许多对计算机而言困难或不可能完成的任务。这表明，如果能成功整合人类和计算机的优势特质，形成一种共生合作关系，将具有极大的价值。当然，速度和语言方面的差异会带来必须克服的挑战。

未来共生协作中人类与计算机的四大分工角色
看来，在许多操作中，人类操作员和设备的贡献很可能会完全融合在一起，以至于在分析时很难将它们清晰区分开来。例如，在收集用于决策的数据时，人类和计算机都会从经验中找到相关的先例，如果计算机随后建议的行动方案与人类的直觉判断一致，那么这种情况就会出现。(在定理证明程序中，计算机会从经验中寻找先例；在SAGE系统中，它们会提出行动建议。上述例子并非牵强附会。)然而，在其他操作中，人类和设备的贡献在一定程度上是可以分开的。

当然，至少在最初的几年里，男性会设定目标并提供动力。他们会提出假设，提出问题，构思机制、程序和模型。他们会记得某人在1947年或二战结束后不久曾就某个感兴趣的主题开展过可能相关的研究，并能大致判断这些研究可能发表在哪些期刊上。总的来说，他们会做出大致且不确定但具有指导意义的贡献，制定标准并担任评估者，评判研究设备的贡献并引导整体思维方向。
除此之外，当确实出现极低概率的情况时，人类会处理这些情况。(在当前的人机系统中，这是人类操作员最重要的职责之一。极低概率选项的概率总和往往过高，不容忽视。)当计算机在特定情况下没有适用的模式或程序时，人类会填补空白，无论是在问题解决过程中，还是在计算机程序中。

就其本身而言，信息处理设备会将假设转化为可测试的模型，然后根据数据对这些模型进行验证(当计算机将数据呈现给人类操作者供其审批时，人类操作者可能会大致指定并识别出相关数据)。该设备会解答问题、模拟机制和模型、执行程序，并向操作者展示结果。它会转换数据、绘制图表(按照人类操作者指定的方式进行"切分"，或者在操作者不确定需求时提供多种替代方案)。设备还会进行插值、外推和

此外，当有足够的依据支持正式统计分析时，计算机将充当统计推理、决策理论或博弈论机器，对建议的行动方案进行初步评估。最后，它会尽可能多地进行诊断、模式匹配和关联识别，但在这些领域中，它将甘愿扮演次要角色。

实现人机共生系统的五个前提条件
上一节中默认存在的数据处理设备目前尚未配备，相关计算机程序也尚未编写。事实上，从当前的非共生状态到预期的共生未来，存在着诸多障碍。让我们逐一分析这些障碍，以便更清晰地了解实现目标所需的条件以及成功的可能性。

5.1 人类与计算机之间的速度不匹配问题
如今的任何大型计算机都速度过快、价格过高，不适合用于与单个用户进行实时协作思考。显然，为了提高效率和节省成本，计算机必须将其处理时间分配给多个用户。目前，分时系统正在积极开发中。甚至还采取了措施，防止用户对除自己个人程序之外的任何内容进行恶意破坏。

可以合理设想，在未来10到15年内，将会出现一个"智库中心"，它将整合现有图书馆的功能，同时融合信息存储与检索领域的未来发展趋势，以及本文前文提到的共生功能。这种构想很容易扩展为一个由此类中心组成的网络，这些中心通过宽带通信线路相互连接，并通过租用线路服务与个人用户相连。在这样的系统中，计算机的运算速度将得到平衡，而巨型存储器和复杂程序的成本则将由众多用户共同分担。

5.2 内存硬件要求
每当我们考虑将大量技术文献存储在计算机内存中时，就会面临数十亿位数据的存储挑战。除非情况有显著改观，否则这项任务将耗费数十亿美元的资金。

首要面对的问题是，我们不应将所有科技论文都存储在计算机内存中。我们可以存储那些最易概括的部分——比如定量数据和参考文献引用——但不应存储全部内容。书籍是人类创造的最精巧的物品之一，在人机共生的大背景下，它们仍将发挥着重要作用。(但愿计算机能加速书籍的查找、传送和归还过程。)
第二点是，存储器中有一部分非常重要且永久存在：一部分是不可擦除存储器，另一部分是只读存储器。计算机可以将数据一次性写入不可擦除存储器，随后可以无限次读取，但无法将其擦除(不过可能会覆盖数据，比如将所有0改为1，仿佛在覆盖之前写入的数据)。只读存储器则属于"只读"存储器。它以结构化形式预先存储在计算机中，用户可以反复访问但无法修改。随着计算机规模的不断

就内存需求的其他方面而言，我们可以期待普通科学和商业计算设备的持续发展。有望实现内存元件的速度与处理(逻辑)元件同步。这种发展将对计算机设计产生革命性的影响。

5.3 内存组织要求
人机共生理念的核心要求是，信息既能通过名称检索，也能通过模式检索，并且通过程序访问的速度要远快于序列搜索。存储程序似乎是内存组织问题的症结所在。剩余问题中，大部分与存储机制或介质中的模式识别有关。对这些问题的详细讨论超出了本文的范围。不过，简要介绍一种很有前景的技术——“trie存储器”，或许能让我们一窥未来技术发展的总体趋势。

树状存储器得名于其发明者弗雷德金(Fredkin)[10]，因为它旨在便于信息检索，且其分支存储结构在展开后形似一棵树。最常见的存储系统将参数的函数存储在由参数指定的位置(从某种意义上说，它们根本不存储参数；从更现实的角度看，它们在存储器的框架结构中存储所有可能的参数)。相比之下，树状存储器既存储函数也存储参

树状查找表
存储空间会随着内存容量的增加而增加。该方案的优势在于：1)检索过程极其简单。给定参数后，先用第一个字符初始化标准寄存器，再获取第二个字符的地址。接着转到第二个寄存器，获取第三个字符的地址，依此类推。2)如果两个参数的初始字符相同，它们将共享这些字符的存储空间。3)参数长度无需相同，也无需提前指定。4)在实际存储之前，任何参数都不会

上述特性并未涵盖所有理想特性，但它们使计算机存储系统与人类操作者及其通过命名或指示来标识事物的偏好产生了共鸣。

5.4 语言问题
人类语言与计算机语言之间存在的根本差异，或许是实现真正共生的最大障碍。不过，令人欣慰的是，通过解释型程序，尤其是像FORTRAN这样的汇编或编译程序，我们在让计算机适应人类语言表达方式方面已经取得了巨大进展。肖、纽厄尔、西蒙和埃利斯提出的"信息处理语言"[24]，则是另一种促进融合的途径。在ALGOL及相关系统中，人类正通过采用易于转换为机器语言的标准表示和表达格式，充分展现出自身的灵活性。

然而，要实现人与计算机之间的实时协作，就必须采用一种额外且截然不同的通信和控制原则。通过将通常发送给智能人类的指令与通常用于计算机的指令进行比较，可以突出这一点。后者会精确地说明需要采取的各个步骤以及执行步骤的顺序。而前者则会呈现或暗示某种激励或动机因素，并为执行指令的人类提供一个标准，让他们知道何时完成了任务。简而言之：针对计算机的指令规定了操作步骤；针对人类的指令则设定了

男性似乎比女性更倾向于从目标而非路径的角度去思考问题。诚然，他们通常对前进的方向或工作思路有所了解，但很少有人一开始就制定出精确的行程计划。例如，谁会带着一份详细的路线指南从波士顿出发前往洛杉矶呢？相反，用维纳的话来说，前往洛杉矶的男性总是不断努力减少与烟雾的距离。

通过明确目标来进行计算机教学，目前主要采用两种方法。第一种方法包括问题解决、爬山算法和自组织程序。第二种方法则涉及实时串联预先编写好的程序段和封闭的子程序，人类操作者只需通过名称即可调用这些程序并启动执行。

沿着这些路径中的第一条，已开展了颇具前景的探索性工作。显然，在预定策略的宽松约束下，计算机终将能够设计并简化自身实现既定目标的程序。迄今为止，这些成果尚未产生实质性影响，仅属"原理验证"之列。然而，其深远意义不容小觑。

尽管第二条路径更为简单，且显然更易于早期实现，但它却一直被相对忽视。弗雷德金的树状存储器提供了一个颇具潜力的范例。未来我们或许会见证一场严肃的研发攻势，目标是开发出能够像语音中的单词和短语那样相互连接的计算机程序，以完成当前所需的任何计算或控制任务。显然，阻碍这项努力的关键因素在于：在现有计算机环境下，此类成果难以创造出具有重大价值的东西。在尚未出现能够对这种语言做出

5.5 输入与输出设备
就人机共生需求而言，数据处理部门中最不先进的当属负责输入和输出设备的部门，或者从操作者角度来看，就是显示和控制设备的部门。说到这里，有必要补充说明一下，因为高速信息输入和提取设备的工程设计已经非常出色，像林肯实验室这样的研究机构也开发出了一些非常先进的显示和控制技术。不过，在市面上常见的计算机中，除了电传打字机之外，几乎没有任何能实现更高效、更即时的人机交流的设备。

显示器的状况似乎比控制器要好一些。许多计算机可以在示波器屏幕上绘制图形，还有一些则充分利用了字符显示管所具备的卓越图形和符号处理能力。然而据我所知，目前还没有任何设备能比得上人们在技术讨论中使用的铅笔和涂鸦板，或是粉笔和黑板所带来的灵活性和便利性。

1) 桌面显示与控制：显然，要实现有效的人机交互，人类和计算机必须能够在同一显示界面上相互绘制图形、图像，书写笔记和方程式。人类应该能够通过绘制图形，以简略但快速的方式向计算机呈现函数。计算机应能读取人类的书写内容

2)计算机发布的墙面显示屏：在某些技术系统中，多名操作员共同负责控制行为相互关联的车辆。有些信息需要同时呈现给所有操作员，最好是在一个共同的显示界面上，以协调他们的行动。其他信息则只与一两名操作员相关。如果所有信息都集中在一个显示屏上呈现给所有操作员，势必会造成信息混乱，难以理解。这些信息必须由计算机发布，因为手动绘图速度太慢，无法及时更新信息。

刚刚提到的这个问题至今仍十分严峻，而且随着时间推移，情况很可能愈发严重。许多设计师坚信，借助闪光灯和基于光阀原理的分时显示屏，我们能够打造出具备理想特性的显示设备。

多数思考过这个问题的人认为，大型显示屏应当辅以单独的显示控制单元。后者能让操作员无需离开当前位置即可对墙面显示内容进行修改。出于某些目的，操作员能够通过辅助显示屏，甚至是墙面显示屏与计算机进行通信，这将十分理想。至少有一种实现此类通信的方案看似可行。

显然，大型墙面显示屏及其相关系统与计算机与团队成员之间的协同合作息息相关。实验室研究多次表明，操作员以非正式、并行的方式组织工作，通过参考大型情况显示屏来协调各自的行动，与更普遍采用的将操作员安排在各自控制台、试图通过计算机来协调其行动的模式相比，具有显著优势。这是需要深入研究的多个操作员团队协作问题之一。

3)自动语音生成与识别：人类操作者与计算机之间的语音通信有多么可取，又有多么可行？每当讨论复杂的数据处理系统时，这个复合问题就会被提出。与计算机共事的工程师对其可取性持保守态度，而有过自动语音识别经验的工程师则对其可行性持保守态度。然而，人们对与计算机对话的兴趣持续不减。这种兴趣很大程度上源于人们意识到，很难让军事指挥官或公司总裁离开工作岗位去学习打字。如果计算机

初步分析他的问题和时间尺度表明，企业总裁对与计算机建立共生关系只会当作一种业余爱好。在商业环境中，事务进展通常较为缓慢，因此有充足的时间用于汇报和会议。因此，让计算机专家直接在商务办公室与计算机进行交互似乎是合理的。

另一方面，军事指挥官面临着在短时间内做出关键决策的更大概率。人们很容易将"十分钟战争"的概念过于戏剧化，但若指望在十分钟以上时间内做出关键决策，那无疑是危险的。随着军事系统的地面环境和控制中心的能力与复杂度不断提升，对计算机自动语音生成与识别功能的实际需求很可能会应运而生。当然，如果相关设备已经开发成功、性能可靠且易于获取的话，它们必将得到广泛应用。

就可行性而言，语音生成所面临的技术难题远不及语音自动识别系统那么严峻。如今，市面上的电子数字电压表能够逐位大声读出显示值。过去八到十年间，贝尔电话实验室、斯德哥尔摩皇家理工学院、克赖斯特彻奇信号研究与开发机构、哈斯金斯实验室以及麻省理工学院的邓恩[6]、范特[7]、劳伦斯[15]、库珀[3]、史蒂文斯[26

自动语音识别的可行性在很大程度上取决于待识别单词的词汇量大小，以及系统需要处理的说话者和口音的多样性。几年前，贝尔电话实验室和林肯实验室就已经实现了对自然口语化十进制数字的98%准确识别[4][9]。若将词汇量规模再提升一个台阶，我们可以说，基于现有技术，开发一个能准确识别清晰发音的字母数字字符的自动识别系统几乎是可行的。由于未经训练的操作员阅读速度至少

然而，要实现真正意义上的共生式实时互动，可能需要掌握约2000个单词的词汇量——比如，1000个基础英语词汇和1000个专业术语。这无疑是个极具挑战性的难题。在声学和语言学界的共识中，目前还无法构建出能识别2000个单词的语音识别系统。不过，有多个机构愿意在五年内承接开发此类词汇自动识别系统的任务。这些机构会明确要求所录制的语音必须清晰、符合口述风格，且不带有任何异常口音。

尽管对自动语音识别技术的详细讨论超出了本文的范围，但值得指出的是，计算机在自动语音识别器的开发中正发挥着主导作用。正是计算机的推动力，才让人们对这一技术产生了乐观预期——或者说，在某些领域已经形成了这种乐观情绪。两三年前，有人认为要实现对大量词汇的自动识别还需等待十到十五年时间，需要在语音通信中的声学、语音学、语言学和心理学过程方面积累更多知识。然而现在，许多人认为借助语音信号的计算机
—————