Już w legendarnym i kultowym serialu Star Trek cała załoga mogła sterować wszystkim, co znajdowało się na pokładzie, wydając komendy głosowe komputerowi. Ten sposób sterowania był bardzo naturalny, przez co zdominował wszystkie seriale spod znaku Sci-Fi. To także nakręcało przemysł oprogramowania, by te marzenia urzeczywistnić. Prace nad algorytmami rozpoznawania mowy stawały się coraz bardziej zaawansowane.

Jednak dopiero na przełomie XX i XXI wieku moc obliczeniowa komputerów umożliwiła sprawne działanie takich algorytmów w czasie rzeczywistym. Zaczęły powstawać programy rozpoznające komendy, a później także przyjmujące całe zdania. Z drugiej strony w telefonach komórkowych wprowadzono systemy wybierania głosowego numerów. Rozpoznawanie mowy stało się popularną dziedziną oprogramowania; zaczęły powstawać liczne prace magisterskie i doktorskie. Czołowi producenci zaczęli tworzyć specjalne platformy rozpoznawania systemu mowy (od Windowsa XP każdy jest wyposażony w ten mechanizm, który można wykorzystać w oprogramowaniu; podobne rozwiązania ma Sun dla swojego czołowego produktu - Javy).

Od tego czasu minęło sporo lat, jak na standardy informatyczne. A jednak wciąż nie mówimy do komputerów, a wszelkie tego typu możliwości traktowane są bardziej jako ciekawostka, niż narzędzie pracy. Z jednej strony wpływ na to ma zapotrzebowanie na zasoby procesora, które w większości przypadków wciąż szkoda marnować na takie możliwości. Z drugiej, mechanizmy rozpoznawania mowy są wciąż zbyt mało dokładne. Znamiennym jest tu przykład, gdy konferencja Microsoftu prezentująca możliwości dyktowania tekstów w Wordzie zakończyła się raczej porażką. Ponadto, niestety wciąż nie wymyślono algorytmów, które by rozpoznawały głos wszystkich. To powoduje, że komputer najpierw trzeba nauczyć naszej mowy, co jest zajęciem bardzo czasochłonnym. Szczególnie, jeśli nie chcemy ograniczać się do kilku prostych, pojedynczych komend.

Z tych wszystkich powodów wciąż zamiast mowy rozlega się stukanie w klawiaturę. No i właśnie powód najważniejszy - czy ktoś sobie wyobraża, gdyby wszyscy zaczęli mówić do komputerów, zamiast używać klawiatury? W większości przypadków powstałby wielki harmider, a to spowodowało by problemy z "dogadaniem się". Ponadto prowadzenie np. równolegle rozmowy telefonicznej i sterowanie komputerem stało by się praktycznie niewykonalne, gdyż ani rozmówca ani komputer nie potrafiłby rozpoznać, do kogo kierowane są słowa, lub bardzo by to zakłócało tak jedną jak i drugą czynność. No i wreszcie - co potwierdzi każdy nauczyciel - mówienie jest po prostu zdecydowanie bardziej męczące od pisania.

Tym to sposobem ta, niegdyś futurystyczna, a dziś już realna wizja nie ma zbyt dobrego podłoża, aby się przyjąć. Tym bardziej, że problem rozpoznawania mowy to jeszcze nie koniec, gdyż do tego trzeba dołączyć algorytmy rozumowania kontekstowego. A i czy ktoś umiałby powiedzieć, jak to się dzieje, że dyktując treść potrafimy rozpoznać wtrącenia?
- Proszę Pana, nie ucz Pan ojca dzieci robić.
- Wężykiem, wężykiem!
- A jak! (...)