文｜腦極體
可能人人都希望自己有個“賈維斯”。
雖然已經退出漫威電影很多年，但是我們還是能夠記起那個鋼鐵俠戰(zhàn)衣里無所不能的AI助手。獨特的幽默、優(yōu)雅的語調，以及非?？孔V的人設，讓無數(shù)科幻迷對這個看不見聽得到的角色產生了無盡好感。
對賈維斯的迷戀有多瘋狂呢？我見過賈維斯版本的電腦桌面程序，賈維斯模樣的手機UI，以及以賈維斯命名的AI算法。設計師和極客們，迄今為止想了無數(shù)辦法來“復活”屬于自己的賈維斯。
然而畫面越來越逼真的賈維斯界面，顯然無法得到它的精髓：像朋友一樣的溝通與陪伴。
假如說有某種技術希望能夠在“本質”上尋找賈維斯，那么一定非語音助手莫屬。
由于身處一個科技爆炸的年代，日常生活中我們可能不太留心某種技術的發(fā)展。但是如果一旦停下來回頭看看，會驚奇地發(fā)現(xiàn)一門技術原來經歷了相當驚人的變化。比如說手機中的語音助手，已經成為了日常生活的一部分。而如果回首一下它的歷史，說不定會大吃一驚：原來用語音助手復活賈維斯，并不是說著玩玩的。回看這些年語音助手的成長，會發(fā)現(xiàn)在人性化交互、應用能力拓展，以及功能集成上，語音助手的體驗確實在一步步逼近“賈維斯”這個終極目標。
最近好像流行寫各種簡史，那不妨讓咱們今天來講一段，關于“尋找賈維斯”的簡史。不難發(fā)現(xiàn)，語音助手的進化軌道，其實已經非常清晰明確。
語音助手初長成
大家都知道，最早的語音助手是蘋果推出的Siri。
想當年，在大家都沒跟手機說過話的時候，Siri小姐姐真的可謂是叱咤江湖?！渡畲蟊ā防锷踔劣幸患瑢ｉT安排拉杰什和Siri談了回戀愛。
然而要承認的是，技術必然尤其階段性。就像老爺車雖然經典，但是肯定無法開上21世紀的高速路。初始階段的Siri，在今天來體驗其實是很初級的。
語音助手這件事，之所以得到了蘋果的大規(guī)模投入，其實主要是云計算系統(tǒng)的功勞。其實更早時候，語音助手的雛形已經出現(xiàn)。只是當時云計算體系沒有鋪開，只能把若干語音指令存儲在手機中，這導致用戶的問答模板過分單調。
而從Siri開始，語音助手完成了云端部署。這樣可以在云端存儲大量的對應模板，并且實時更新，從而讓語音服務成為可能。
這時候的Siri雖然知道的多了，但是智商卻十分堪憂。由于當時的語音助手完全是模板化的，換句話說你必須準確說出了問題，并且被Siri準確識別了，才能給你找出對應的答案。
然而套路終歸是套路。那個時候，應用Siri的體驗大概是這樣的：
Siri，幫我給xx打電話
好的，已經撥打
Siri，幫我打個電話，我要聯(lián)系xx
對不起，Siri沒有聽懂……
總之就是，模板不能錯一點點，否則就是推到重來。好在，這種語音助手完全比拼模板數(shù)量的時代，很快就過去了——因為AI來了。
AI來了之后
早期語音助手的最大缺點，在于問答只能模板化。用戶實際上不是在跟語音助手聊天，只是把遙控器換成了語音操作而已。這在某種程度反而是增加了用戶的交互成本，同時也讓用戶心中對于“語音助手“這個概念的智能化期待大打折扣。
好在AI來了。
隨著深度學習的復興，以神經網絡處理語音任務逐漸成為主流。隨著AI加入之后，語音助手開始呈現(xiàn)語義理解、多輪對話，聲音合成等能力，并且在這幾條軌道上不斷發(fā)展。于是我們看到了語音助手的聽力越來越敏捷，很多情況能夠和用戶像正常聊天一樣說下去。甚至方言、兒童音等問題都得到了一定程度的解決。
這個時期的語音助手，最具特色的代表應該是谷歌語音助手Google Assistant和微軟小冰。前者去年曾經創(chuàng)造過模仿真人打電話而不露餡的“壯舉“，而后者也常年活躍于聊天界，以不被發(fā)現(xiàn)是AI而著稱。
這個時候的語音助手體驗，已經有了比較明顯的升級。比如用戶數(shù)我想打個電話/幫我打個電話/幫我查一下某人的號碼，然后打電話，語音助手基本都能明白。
而且在深度學習的幫助下，語音助手還能記住用戶的聊天習慣，時不常還能跟用戶逗個悶子，聊天時立個人設。
然而這并不是終點。隨著AI語音助手的普及，尤其是在手機中的廣泛應用，用戶發(fā)現(xiàn)它能干的事情還是太少了。基本就停留在打電話、發(fā)短信、整理日程表等幾種。然而這幾種在今天已經是名副其實的邊緣應用。
只能聊而沒啥用的語音助手，就好像賈維斯只能陪著托尼瞎聊天，卻無法啟動鋼鐵俠戰(zhàn)衣——這顯然是嚴重影響票房的。
在移動AI覺醒的這兩年，隨著終端AI處理能力越發(fā)強大，事情開始有了更多發(fā)展。
從軟件到硬件的折疊
在語音助手的進化上，有兩件事決定了今天的故事走向。一個是客觀上來說，無論是端側還是云測的AI處理能力都在變強。許多之前無法觸發(fā)的AI應用開始變?yōu)楝F(xiàn)實，這些能力就像鋼鐵俠的裝甲和武器，讓語音助手有更多可以操縱的空間。
更明顯的改變來自于消費者和廠商，對語音助手這件事發(fā)生了主觀上的升級。過去語音助手作為一個“嘗鮮品“，主要能力是顯露自己多么智能強大。而在今天，已經習慣語音交互的用戶需要的是”以我為主“，讓語音助手提供服務，而不是炫技。
眾所周知，我們在手機中的主要服務，是基于APP產生的。那么語音助手的下一步也就是要融合到APP當中，把服務抽象出來，帶給用戶方便。比如三星的Bixby最先嘗試了打穿APP的方案。
這主客觀兩個條件結合，構成了今天語音助手的主要升級方案：折疊交互，融合應用，體現(xiàn)人性化。而語音助手與手機硬件的折疊，這兩年主要賽道開始轉移到國產手機當中，榮耀的YOYO，華為的小藝，都在語音助手角度加大投入。
把軟件和硬件折疊到一起，讓語音助手完成了眾多新的功能。比如今天我們已經可以看到語音助手的一些新能力：
1、能聽能說，也要能看
語音助手這東西，大家已經默認其能力就是聽和說。然而實際上，一個真正的“助手“還需要一個基本的能力，那就是視覺。在華為EMUI 9.1版本里，已經可以實現(xiàn)用語音助手調動攝像頭里的AI識別功能。比如直接問手機“這是什么”，語音助手就可以調動攝像頭來識別花草汽車之類的東西。
2、穿透APP來服務你
我們今天的生活，就是在無數(shù)APP中穿梭。同時也要承認，很多功能其實隱藏在APP深處，想要完成是有點麻煩的。
舉個例子，在你口渴難耐時，想要去自動售貨機買瓶水。一頓操作終于選到了合適的飲料，這時提示你要掃碼付款，然后此時要先經歷找到支付寶，打開支付寶，點擊掃碼——這個過程中每一秒都是煎熬。
而在今天的語音助手中，現(xiàn)在可以直接對手機說“掃碼“，一句話喚醒掃碼支付。這個技能適用于各種著急買東西的場景，其中滋味大家不妨自己體會。讓語音穿透APP，已經成為今天語音助手領域的主要方向。去APP化和AI中心化，也在整個趨勢下開始成為業(yè)界對未來新的猜測。
3、可學習和可定義
小藝的另一個升級點，在于學習用戶語音習慣和使用習慣的能力得到了加強，同時開啟了自定義組合技能的新模式。
比如我們周五下班坐進車里，這時候其實是有很多事先要用手機完成的。比如說，打開導航確認目的地，放首《今天是個好日子》聽聽，給哥們發(fā)微信約去看球，給老牌發(fā)短信說今天要加班不回家吃飯了…這種做法并不值得提倡。
可以看到的是，這一波操作雖然心情愉快，但是未免復雜了點。手速慢的人分分鐘就會被晚高峰給追上。而通過語音助手對手機功能的整合，用戶可以自定義這些操作，整合成同一個語音命令。比如說對手機大吼“勞資下班了！“語音助手就會自動進行用戶設定的上述操作，又簡單又解氣。
可以看到的是，手機語音助手走到今天，已經不僅僅是一個語音軟件本身的智能程度問題，而是整部手機的能力，都要通過語音助手來集成和調動。把多種能力、多個應用，多個交互進行折疊，最終折疊出的才是跟省時省力，符合用戶期待的自然交互。
而從語音助手誕生時的套模板，再到AI的入場，隨后發(fā)展到手機軟硬一體化的智能折疊時代，語音助手的變遷史中，似乎可以總結出一個公式。
語音助手的“賈維斯公式”
到底怎么才能做出大家心目中的賈維斯？通過手機和語音助手的不斷耦合，我們可以發(fā)現(xiàn)這樣幾件事是先覺條件：
1、不斷升級的AI綜合體
從谷歌、微軟、亞馬遜激烈競爭的語音助手，到國內的智能音箱熱潮、手機語音助手不斷升級，而AI能力始終是這個故事的“主線劇情”。
而隨著步入移動AI時代，語音助手現(xiàn)在的任務，從整合AI技術，開始發(fā)展到了整合AI應用、AI能力和AI技術的三合一模式。
2、軟硬件不分彼此
在手機當中，一款軟件的能力總歸有限，只有與應用、內容和硬件層面更好結合，才能真正讓用戶獲得智能的體驗和實際的應用價值。
這就好比只會逗悶子的賈維斯并不招人喜歡，天文地理無所不知，還能操縱鋼鐵俠戰(zhàn)衣的才是“真·賈維斯”。
3、基于人性，去折疊每一個交互
要注意的是，語音助手始終伴隨著一條炫技之路：由于AI帶來的技術非常充沛，開發(fā)者很容易把語音交互搞得復雜無比。雖然初心是讓消費者感受到技術爆發(fā)的魅力，但實際應用中消費者往往不勝其擾，只能敬而遠之。，
所以在語音助手的進化中，需要基于人性化的產品思考，基于用戶感受去折疊和省略交互。只要技術復雜同時交互簡單，語音助手才有親和力可言。
至此，不難發(fā)現(xiàn)，這條尋找賈維斯之路，似乎可以被總結成這樣的公式：智能技術更復雜，產品融合度更強，交互更人性=語音助手更像賈維斯。
并且我們有理由相信，所有尋找終歸能夠抵達終點。
快報
根據(jù)《網絡安全法》實名制要求，請綁定手機號后發(fā)表評論