本文来自微信公众号：KnowingAI知智（ID：Knowing_AI），作者：虞喵喵。
在一片嘈杂中听到自己想注意的声音，是人类的本能，但这对机器来说可没有那么容易。
“鸡尾酒会问题”（Cocktail Party Problem）诞生于 1953 年，是语音识别领域的经典问题，指是人们在鸡尾酒会中交谈，语音信号会重叠在一起，机器需要将它们分离成独立的信号。
对于计算机来说，这个问题与图像识别中的物体识别非常相似。物体就像我们想要注意到的声音，图片的背景则是其他声音。
关于这个问题目前有两种解决思路。一种基于单通道系统，即依靠语音的频谱解决问题。比如将想听到的声音的时频元（time-frequency unit）标注为 1，其他声音标注为 0，让机器学习去输出 1 的部分；
另一种方法是基于多通道系统，即在鸡尾酒会的不同位置布置多个麦克风，利用空间属性对声音进行分离。
虽然深度学习已经在鸡尾酒会问题中取得很大突破，但仍无法真正解决这一问题。
人工智能，也不一定就是“全能”。