现如今，语音识别已经是微软的核心产品之一了，微软在Cortana身上投入了那么多就能看得出来，语音识别技术的一大挑战就是要让系统识别出用户究竟说了些啥。这实际上一直都是个挑战，尤其是在全球这么多语言和方言的情况下。而微软在这个市场上实际已经奋战了超过20年。
微软语音工程师与***科学家黄学东在接受采访时表示，微软在这部分市场的投入是20年前Windows 95时就开始的，不过当时语音识别的错误率接近100%。也就是说，那个时候的系统几乎听不懂你所讲的每个词，所以说当时用语音来控制电脑还是几乎不可能的。
但随后，这项技术就在大幅发展中，语音识别技术随后准确度提升了20%，据黄学东所说，这意味着不久之后，0%的错误率是完全可以做到的。
他预测：“未来4-5年内，计算机就能达到和人类一样了。”而实际上，这方面***的挑战并不是计算机能不能理解人所说的每个词，而是理解人所说的内容，这也是微软目前专注于Cortana的核心问题。
也就是说，5年以后，我们要跟手机对话还是可以达成的，但可能情况仍然不会特别好。黄学东说，微软已经明确这个是努力方向，而Cortana在Project Oxford和Microsoft Azure的帮助下，未来几年内就会成为语音识别系统的先锋。
