這些聲音的資訊，現在重新被編碼，透過部分的腦干例如，耳蝸核和下丘沿著聽覺神經移下，進一步在各個小站被處理。資訊最終到達丘腦，并且從那里它被傳遞到腦皮層。

        那么，作為仿生學的人工智能，就需要用電子元件來實現聲音的采集、傳輸、編碼、轉換和譯碼，然后以顯示屏來代替大腦的感知來顯示收集到的聲音所代表的文字或物體。

        另外，代替大腦感知的還應該有一個芯片或芯片組，來分析和處理所聽到的聲音中，那些是需要過濾掉的，哪些是需要送到下一個部件進行具體處理的。

        如果，楊小樂能將這個聽覺系統設計得如同設想的一樣，那么就標志著他已經踏進了人工智能的殿堂，因為，語言就是一個具備模糊和不確定、并且阻擾機器智能化的因素之一。

        就比如，我們平常聊天時一樣，我們把別人說的話經耳朵送入大腦后，經大腦分析和思考之后，確定哪些詞我們需要注意、并回答，哪些可以忽略。

        所以，如何將人說的話，通過聲電轉換，再編碼成一定格式的數據流，然后在芯片或芯片組中譯碼還原，并與數據庫中的數據進行比對，提取出對應的字庫，一路送到顯示屏進行顯示，另一路送到邏輯分析電路，對這句句話進行分析，以判斷是否需要對這句話進行處理。

        那么，問題就來了，聲電轉換之后，編成什么樣的格式？芯片或芯片組能用現成的cpu芯片嗎？需要對應的操作系統嗎？數據庫怎么建立？字庫是硬件化還是軟件化？怎么設計邏輯分析電路？是用cpu加操作系統還是另外設計？

        楊小樂躺在床上，越想越頭疼，越想越是勇氣不足。

        前世的機器人聽覺系統主要是對人的聲音進行語音識別并做出判斷，然后輸出相應的動作指令控制頭部和手臂的動作，傳統的機器人聽覺系統一般是以pc機為平臺對機器人進行控制，其特點是用一臺計算機作為機器人的信息處理核心通過接口電路對機器人進行控制，雖然處理能力比較強大，語音庫比較完備，系統更新以及功能拓展比較容易，但是比較笨重，不利于機器人的小型化和復雜條件下進行工作，此外功耗大、成本高。

        小型化和復雜條件下工作的機器人的聽覺系統，在前世基本上都是由于微型處理器性能的提高促進了機器人的迅速發展,特別是大存儲量及高速運算dsp處理芯片的出現使機器人在脫機狀態下,獨立完成復雜的語音信號處理和動作指令成為可能。

        因此數字信號處理dsp的出現，簡化了機器人聽覺系統的電路結構，只有四個組件就構成了聽覺系統：麥克風、語音處理芯片、dsp芯片和數據庫fsh芯片，而聽覺系統的大腦就是fpga芯片。

        內容未完，下一頁繼續閱讀