Nel 1961, William C. Dersch, un ingegnere della Divisione Sviluppo Sistemi Avanzati di IBM, tenne una conferenza stampa per presentare Shoebox, una macchina sperimentale creata per riconoscere la voce umana. Sotto gli occhi attenti e curiosi del pubblico, Dersch pronunciò ad alta voce una serie di numeri e comandi: “Sette più tre più sei più nove più cinque. Totale”. Shoebox comprese correttamente ogni cifra e comando e poi, come richiesto, calcolò la risposta: 30. Un vero miracolo fantascientifico considerando la tecnologia del tempo!

Però il progetto Shoebox non fu sviluppato ulteriormente a causa dei limiti, soprattutto tecnologici, ma anche economici e strategici dell’epoca; il dispositivo riconosceva solo poche parole: principalmente numeri e semplici comandi e pronunciati molto lentamente. La scarsa potenza di calcolo, la memoria limitata e gli algoritmi “primordiali” impedivano un riconoscimento vocale fluido, rendendo la tecnologia poco pratica per un ampio uso. Per non parlare poi dei costi elevati e dell’ingombro dell’hardware che ne impedivano la commercializzazione.

In pratica Shoebox fu solo una dimostrazione tecnologica e IBM si concentrò su settori più redditizi, lasciando il riconoscimento vocale in fase di ricerca. Tuttavia, il progetto ha gettato le basi per future tecnologie vocali.