نظام التعرف على الكلام في ويندوز

كشف رجل الأعمال الأمريكي بيل غيتس خلال مؤتمر مطورو الحاسوب المحترفين عام 2003 عن اعتزام شركة مايكروسوفت دمج إمكانيات التعرف على الكلام في نظام التشغيل ويندوز فيستا، وهو ما اعتبر في ذلك الوقت بمثابة تقدم كبير في نظام ويندوز فيستا، سواءً في قدرات النظام على التعرف أو التوليف للكلام في الوقت الفعلي.^[8][9] ثُم أعلنت مايكروسوفت خلال مؤتمر ويندوز لهندسة عتاد الحاسوب أن نظام التشغيل الخاص بها ويندوز فيستا سوف ييتضمن ميزات جديدة لتحسين وظائف التعرف على الكلام مثل دعم مصفوفة الميكروفون،^[10] وذلك في إطار جهودها الرامية إلى توفير بنية تحتية صوتية عالية الجودة ومتسقة للتعرف على الكلام الطبيعي المستمر والتحكم فيه.^[11] ضمنت مايكروسوفت في إصداراتها الأولية أثناء تطوير ويندوز فيستا محرك كلام مزود بميزات تدريب.^[12] وبحسب ما ذكره مطورو النظام في العرض التقديمي خلال مؤتمر مطوري الحاسوب المحترفين عام 2003 فقد أتى ويندوز فيستا مزودا أيضًا بواجهة مستخدم صوتية تُتيح التحكم في النظام من خلال الميكروفون، مع ميزات لتكوين واجهة المستخدم الصوتية وتدريبها.^[13] وخلال الإعلان عن تطويرها لحزمة من البرامج الخاصة بها، أوضحت مايكروسوفت مدى دمج نظام التعرف على الكلام في منتجاتها، وأنه من خلال التدريب على سياقات الكلام الشائعة ستكون ميزة التحكم الصوتي في القوائم والأيقونات باستخدام الكلام مُفعّلة على مستوى النظام.^[14]

خلال مؤتمر ويندوز لهندسة العتاد الحاسوبي لعام 2004، أدرجت مايكروسوفت ميزة التعرف على الكلام كجزء من استراتيجيتها لتحسين الإنتاجية على أجهزة الحواسب المحمولة.^[15][16] ركّزت مايكروسوفت في وقت لاحق على تعزيز إمكانية الوصول، وسيناريوهات التنقل الجديدة، ودعم لغات إضافية، وتحسينات في تجربة المستخدم الصوتية، وهو ما كشفت عنه خلال مؤتمر ويندوز لهندسة عتاد الحاسوب لعام 2005. بخلاف دعم الكلام المُضمّن في نظام التشغيل ويندوز إكس بي، والذي كان مُدمجًا مع لوحة إدخال الحاسوب اللوحي مما تطلّب التبديل بين وضعي الأوامر والإملاء المُنفصلين،^[17] فقد أتى نظام التشغيل ويندوز فيستا بواجهة مُخصصة لإدخال الكلام على سطح المكتب، مع توحيد وضعي الكلام المُنفصلين، إذ لم يكن بمقدور المستخدمين في السابق نطق أمر صوتي بعد الإملاء أو العكس دون التبديل أولًا بين هذين الوضعين.^[18] تضمّن الإصدار التجريبي الأول من ويندوز فيستا ميزة التعرف على الكلام المُدمجة.^[19] ولتحفيز موظفي الشركة على تحليل نظام التعرف على الكلام المُدمج في ويندوز بحثًا عن أي خلل أو أخطاء برمجية وتقديم الملاحظات، عرضت مايكروسوفت على مختبريها فرصة الفوز بإصدار مميز من إكس بوكس 360.^[20]

خلال العرض التقديمي الذي أجرته مايكروسوفت في 27 يوليو (آب) 2006، قبل إصدار ويندوز فيستا للتصنيع، حدث خطأ برمجي ملحوظ في نظام التعرف على الكلام المُدمج في ويندوز أدى إلى ظهور رسالة غير مقصودة مفادها "عزيزتي العمة، لنضع ضعف القيمة القاتلة لحذف وتحديد الكل"، كما أدت عدة محاولات للإملاء إلى أخطاء متتالية في الإخراج.^[21][22] أثار هذا الحادث سخرية الكثير من المحللين والصحفيين الحاضرين خلال العرض التقديمي،^[23][24] على الرغم من نجاح النظام في عرض تقديمي آخر أجرته إدارة التطبيقات والتنقل في مايكروسوفت في وقت سابق.^[21] كشفت مايكروسوفت لاحقا أن هذه المشكلات كانت ناجمة عن خلل حدث عند تضخيم الصوت تسبب في تشويش جهاز التعرف على الأوامر والإملاء، وتمكنت من إصلاح الخلل قبل إصدار ويندوز فيستا.^[25]

أشارت التقارير الصادرة في أوائل عام 2007 إلى وجود ثغرة في نظام ويندوز للتعرف على الكلام يُمكن استغلالها من المهاجمين الذين يستخدمون تقنية التعرف على الكلام في عمليات ضارة من خلال تشغيل أوامر صوتية معينة عبر مكبرات صوت الهدف.^[26][27] وكانت هذه أول ثغرة تُكتشف في نظام ويندوز فيستا بعد طرحه رسميا وإتاحته لجميع المُستخدمين.^[28] صرحت مايكروسوفت أنه على الرغم من إمكانية حدوث مثل هذا الهجوم نظريًا، إلا أن عددًا من العوامل المخففة والمتطلبات الأساسية قد تحد من فعاليته أو تمنعه تمامًا، فمثلًا، سيتطلب هذا الهجوم أن يكون جهاز التعرف لدى الهدف نشطًا ومُهيأً لتفسير هذه الأوامر بشكل صحيح، إلى جانب تمكين الميكروفونات ومكبرات الصوت وضبطها على مستويات صوت كافية؛ كما سيتطلب الهجوم من الحاسوب إجراء عمليات مرئية وإصدار ملاحظات صوتية دون أن يلاحظ المستخدمون. وسيمنع التحكم في حساب المستخدم حدوث العمليات ذات الامتيازات.^[29]