Sprachassistenten verbinden uns mit der Welt der Künstlichen Intelligenz. Und das tun sie ohne dass man den Finger rühren muss. Sie verbinden uns weder durch einen Knopfdruck noch durch eine Tastatur. Stattdessen verbinden sie uns auf eine ganz und gar menschliche Weise mit dem maschinellen Kosmos: Durch die Sprache. Genau das ist der Punkt, an dem die kühnsten Träume der alten Science Fiction-Filme wahr geworden sind.
Nicht nur in Filmen sind die Träume groß. Und an der Kommunikation mit einer nicht menschlichen Intelligenz wird auch nicht erst seit gestern gearbeitet. Die Geschichte dazu ist lang und wahrscheinlich ist sie noch nicht einmal zu Ende geschrieben. Selbst wenn sie in den letzten Jahren eine hohe Rasanz an den Tag gelegt hat und Sprachassistenten an Bedeutung zugenommen haben. Ob durch Alexa, Cortana oder Siri, als Interface (Schnittstelle) machen Sprachassistenten das Leben mit künstlicher Intelligenz in vielen Bereichen inzwischen erst möglich. Keine Frage, dass die Entwicklung nicht stehen bleibt. Laut einer Schätzung von ComScore, eines der führenden Unternehmen in der Messung der digitalen Welt, sollen bis 2020 rund 50% aller Suchanfragen reine Sprachsuchen sein.
Die Geschichte der Sprachassistenten
Die Geschichte der Spracherkennung beginnt bereits sehr früh. Sozusagen als Urgroßmutter der digitalen Assistenten geschaffen, stehen nämlich die Diktiergeräte an erster Stelle. Die kleinen Apparate, die von Thomas Edison entwickelt wurden, konnten Sprache erfassen. Die ersten massentauglichen Diktiergeräte kamen als Edison Business Phonograph heraus. Das war Anfang des 20sten Jahrhunderts. Sie dienten damit vor allem Ärzten und Sekretären und waren damit die ersten künstlichen Assistenten für Menschen, die täglich viele Notizen hatten. Großer Vorteil: Man hatte die Hände frei. Und genau der gleiche Vorteil macht auch unsere virtuoser agierenden Sprachassistenten auch heute noch so besonders.
Inhaltich verstanden hat der Phonograph damals natürlich nichts. Geschweige denn, dass es zu einer Kommunikation fähig wäre. Bis dahin musste noch einiges in der Entwicklung passieren. Den ersten Durchbruch erzielte das Team von Bell Labs. Audrey, eine Maschine, konnte die Ziffern 0–9 mit einer Genauigkeit von bis zu 90% verstehen. Jedoch gab es noch Unterschiede, je nachdem, wer die Ziffern sprach. Genau hier lag nämlich die große Herausforderung der Spracherkennung. Je nach Person, Dialekt oder Redegeschwindigkeit konnte das Spracherkennungssystem noch Probleme bekommen.
IBM veröffentlichte Mitte der 80er Tangora, benannt nach Albert Tangora, der damals schnellsten Schreibkraft der Welt. Tangora konnte sich erstmals in seinem Verständnis von Lauten an die Stimme des Sprechers anpassen. Jedoch durften keine Hintergrundgeräusche stören. Außerdem musste der Sprecher möglichst langsam reden. Immerhin aber konnte Tangora schon bis zu 20.000 englische Wörter und einige vollständige Sätze verstehen.
Als die Sprachassistenten freundlich wurden
Im Jahr 1997 wurde schließlich der erste “Continuous Language Recognizer” präsentiert. Hierbei musste man zwischen den Wörtern keine langen Pausen mehr einlegen. Die NaturallySpeaking Software von Dragon machte es möglich. Zeitgleich kam auch IBM mit einem ähnlichen Durchbruch durch IBM ViaVoice heraus. Die Spracherkennungssysteme waren inzwischen auch in der Lage, das gesprochene Wort in geschriebenen Text umzusetzen oder sogar Befehle am Computer auszuführen. Wie das funktionierte? Wie in so vielen ähnlichen Bereichen hat auch im Bereich der Spracherkennung vor allem das Maschinelle Lernen für die ein oder andere wichtige Entwicklung gesorgt. Und das allgemeine Wettrennen beim Erfinden natürlich. 2004 nämlich machte IBM Teile seiner Spracherkennungsanwendungen als Open Source zugänglich. IBM selbst stellte die Entwicklung von IBM ViaVoice irgendwann ein. Derweil wurde Dragon NaturallySpeaking zur meist genutzten Spracherkennungssoftware für Windows-PCs.
Aber auch andere Unternehmen blieben nicht untätig. Im Jahr 2007 wurde die Firma Siri Inc. Ins Leben gerufen. Im April 2010 schon kaufte Apple dann das Unternehmen und was daraus entstand, ist ja nun weithin bekannt. Siri bietet sich inzwischen in vielen Haushalten an. Für Aufsehen sorgte hierbei vor allem die Intention, der kalten Welt der Künstlichen Intelligenz etwas Menschliches zu verleihen. Nicht in der Form wie HAL es in Odyssey 2001 vermag. Vielmehr wurde Spracherkennung plötzlich zu etwas, das menschlich anmutet. Schließlich kamen weitere Sprachassistenten auf den Markt. So wurden neben Siri auch Cortana von Microsoft oder Alexa aus dem Hause Amazon ins Rennen um unsere Gunst geschickt.
Sprache verbindet nicht nur Menschen miteinander
Die Akzeptanz von Sprachassistenten steigt, was wohl dem bereits angesprochenen Vorteil zu verdanken ist. Und natürlich der gelungenen Evolution der virtuellen Helfer. Spracherkennung funktioniert immer besser. Sogar Konversationsantworten sind möglich. Sie verstärken natürlich auch die Anmutung von Menschlichkeit. Genau das ist auch der Punkt, der die Spracherkennung immer tiefer in unser Leben eindringen lässt. Es ist nett und praktisch, wenn wir Alexa nach dem Wetter fragen, die Bahnverbindung erfahren und Wikipedia-Wissen oder das Kuchenrezept für den Geburtstag abrufen. Der Mensch gewöhnt sich schnell daran, dass er keine Hände mehr frei haben muss, um Antworten zu bekommen.
Außerdem ist Sprache gesellig. Sie ist unser Kommunikationsmittel Nr. 1, weil sie die natürlichste Art der Kommunikation ist. Auch mit vollen Händen ist es möglich zu kommunizieren. Nun also auch mit Maschinen, mit Künstlicher Intelligenz, die ja bereits Einzug in unser Heim erhalten. Man sagt „Licht an“ und das Wohnzimmer erstrahlt im hellen Schein. Als wäre unsere Bude uns wohlgesonnen. Auch in Connected Cars findet die Spracherkennung ihre Anwendung. Das alles sorgt ganz nebenbei dafür, dass unsere Gegenstände einen ganz eigenen Charakter erhalten. Auch wenn dieser genauso künstlich ist wie ihre Intelligenz.
Die Zukunft der Spracherkennung
Sprachsteuerung ist also auch eine besondere Form der Künstlichen Intelligenz. Oder zumindest findet sie ihren Ausdruck darin. Sie steht dabei nicht einmal in Konkurrenz zu einer Tastatur oder einem Touchscreen. Vielmehr ermöglicht sie uns, eine neue Art der Beziehung zu den „Dingen“ aufzubauen. Sie macht Künstliche Intelligenz erlebbar. Die Zahl der internetfähigen Geräte wird entsprechend steigen. Vor allem im Haushalt. Intelligente Kühlschränke oder Spiegel sind neben vielen anderen Dingen bereits auf den Weg gebracht. Laut einer Erhebung von Statista liegt der Umsatz der Connected Devices im Haushalten in 2018 bei rund 13,797 Millionen Euro. Der Prognose zufolge soll das Markvolumen in 2023 rund 41,862 Millionen Euro betragen. Und überall wird der Sprachassistent die Schnittstelle sein, welche unsere Verbindung mit der Welt der Künstlichen Intelligenz möglich und das Internet der Dinge erfahrbar macht.
Von Sprachassistenten profitieren und mit dem IOX BMS einfach und schnell deinen ersten Chatbot für Alexa oder Google Home bauen: