接下來(lái)，我要給你講兩個(gè)簡(jiǎn)單的故事，其中一個(gè)你可能已經(jīng)聽(tīng)過(guò)，另外一個(gè)你應(yīng)該還沒(méi)有。 1979年，年輕的史蒂夫·喬布斯去參觀了Xerox PARC，傳說(shuō)中的在加利福尼亞州帕洛阿爾托R＆D實(shí)驗(yàn)室，并目睹了現(xiàn)在所稱(chēng)的圖形用戶(hù)界面的一些示范。一位PARC的工程師，使用一個(gè)原型鼠標(biāo)來(lái)導(dǎo)航，計(jì)算機(jī)屏幕云集了圖標(biāo)，下拉菜單以及在桌面上相互重疊像紙張的“窗口”。這和喬布斯以前見(jiàn)過(guò)的東西完全不同。 他說(shuō)，“很明顯，以后每臺(tái)計(jì)算機(jī)都會(huì)以這種方式來(lái)工作?！?/p>

傳說(shuō)是，喬布斯跑回蘋(píng)果總部，指揮一個(gè)團(tuán)隊(duì)著手復(fù)制和提高，他剛剛在PARC所看到的東西。就是這樣，個(gè)人計(jì)算近40年發(fā)展迅速，經(jīng)歷了很多，從第一臺(tái)Macintosh一路攀升到iPhone。這種計(jì)算視覺(jué)方式結(jié)束了命令行的苛刻、文字為主的界面的暴政；并把我們帶進(jìn)一個(gè)電腦越來(lái)越簡(jiǎn)單易用的世界里——只需用鼠標(biāo)定位、單擊并拖動(dòng)。

在不太遙遠(yuǎn)的未來(lái)，我們回頭想想和PARC有關(guān)創(chuàng)世神話(huà)，可能會(huì)感到興奮。在喬布斯訪(fǎng)問(wèn)PARC的時(shí)候，一個(gè)獨(dú)立的團(tuán)隊(duì)正在研發(fā)一種完全不同的人機(jī)交互模式，今天我們稱(chēng)之為對(duì)話(huà)用戶(hù)界面。這些科學(xué)家設(shè)想了一個(gè)世界，可能在幾十年以后，這種電腦將變得超強(qiáng)大，以至于需要用戶(hù)記住針對(duì)每一個(gè)動(dòng)作的，一組特殊的命令或工作流，否則將用不了電腦。他們想象，我們會(huì)用你來(lái)我往的對(duì)話(huà)框來(lái)把事情做好，而不是讓計(jì)算機(jī)協(xié)同工作。而其頁(yè)面將是普通的人類(lèi)語(yǔ)言。

該組其中一名科學(xué)家叫羅恩·卡普蘭，一個(gè)粗壯、說(shuō)話(huà)輕聲細(xì)語(yǔ)、留著山羊胡子和頭發(fā)稀疏的人。卡普蘭是相等部分的語(yǔ)言學(xué)家、心理學(xué)家和計(jì)算機(jī)科學(xué)家。他說(shuō)，早在上世紀(jì)70年代，他的團(tuán)隊(duì)在草擬對(duì)話(huà)用戶(hù)界面的一個(gè)關(guān)鍵組成部分的工作走得相當(dāng)遠(yuǎn);他們七拼八湊出了一個(gè)系統(tǒng)，允許你通過(guò)正常的英語(yǔ)計(jì)算機(jī)交換信息類(lèi)型，來(lái)預(yù)訂機(jī)票。但是，該技術(shù)還不能大規(guī)模、系統(tǒng)地工作。 “這樣的成本太高了，可能，每個(gè)用戶(hù)將要花費(fèi)一百萬(wàn)美元?！彼f(shuō)。他們需要更快、更分布的處理方式和更智能、更高效的電腦。卡普蘭認(rèn)為這將需要大約15年。

“四十年后，”卡普蘭說(shuō)，“我們準(zhǔn)備好了。”事實(shí)上，世界也準(zhǔn)備好了。

今天，卡普蘭是Nuance通訊的副總裁和杰出的科學(xué)家，也許還是語(yǔ)音界面業(yè)務(wù)的最大功臣：福特的汽車(chē)同步系統(tǒng)是基于其發(fā)展的，還對(duì)Siri的發(fā)展至關(guān)重要，和幾乎所有行業(yè)都具有合作關(guān)系。但Nuance如今發(fā)現(xiàn)自己身處一個(gè)擁擠的市場(chǎng)。幾乎每個(gè)大的高科技公司，亞馬遜、英特爾、微軟和谷歌，都在追求對(duì)話(huà)用戶(hù)界面：卡普蘭和他的同事們幾十年前在PARC設(shè)想。幾十家初創(chuàng)公司也參與其中。所有公司都希望在人類(lèi)與技術(shù)的關(guān)系強(qiáng)大的轉(zhuǎn)變之中拔得頭籌。這些公司相信，不久后的一天，你會(huì)跟你的小工具說(shuō)話(huà)，就像你跟朋友說(shuō)話(huà)一樣。而你的小工具會(huì)回答你。他們將能夠聽(tīng)到你說(shuō)什么，弄清楚你的意思。

如果你已經(jīng)在今天的技術(shù)浸淫，這些新的工具將延長(zhǎng)你的數(shù)字生活，到圖形用戶(hù)界面不能安全、愉快、禮貌使用之外。而你和設(shè)備之間日益劇增的對(duì)話(huà)性質(zhì)，將使你和技術(shù)的關(guān)系，變得更親近、更忠實(shí)、更私人。

但這種轉(zhuǎn)變影響最大的將是硅谷的核心受眾，其他人則會(huì)感覺(jué)很好。史蒂夫·喬布斯在在1979年看到的圖形用戶(hù)界面（以下簡(jiǎn)稱(chēng)GUI），是擴(kuò)大計(jì)算機(jī)市場(chǎng)的一種方式。但即使是GUI的作用下，仍留有大量的人沒(méi)有使用計(jì)算機(jī)。雖然GUI是優(yōu)雅和高效的，人們?nèi)匀恍枰獙W(xué)習(xí)計(jì)算機(jī)語(yǔ)言。如今電腦終于學(xué)會(huì)如何說(shuō)我們的語(yǔ)言，數(shù)以?xún)|計(jì)的人將高科技有新的認(rèn)識(shí)。

語(yǔ)音界面雖然已經(jīng)存在了多年，事實(shí)上，迄今為止，它們都非常愚蠢。我們不必糾纏于自動(dòng)電話(huà)分支系統(tǒng)，例如：如果你是打電話(huà)來(lái)進(jìn)行付款的，請(qǐng)說(shuō)“支付”。甚至我們更先進(jìn)的語(yǔ)音界面都依賴(lài)講話(huà)，但不知何故缺席語(yǔ)言的力量。如果你問(wèn)Google Now，紐約市的人口有多少，它會(huì)乖乖告訴你。如果問(wèn)帝國(guó)大廈的位置，它會(huì)乖乖回答。但加上邏輯的一步，問(wèn)它有帝國(guó)大廈的城市的人口是多少，它答不上來(lái)。同樣，把Siri逼的太緊，它也會(huì)讓你參考谷歌搜索。任何人看過(guò)柯克船長(zhǎng)和進(jìn)取號(hào)的計(jì)算機(jī)對(duì)話(huà)，或托尼·斯塔克與虛擬助手賈維斯戲謔的電影場(chǎng)景，都忍不住會(huì)對(duì)現(xiàn)實(shí)失望。

可是現(xiàn)今，問(wèn)問(wèn)硅谷周?chē)娜?，你?tīng)到同樣的答案：現(xiàn)在不同了。

六月初炎熱的一天，SoundHound首席執(zhí)行官Keyvan Mohajer，向我展示了一個(gè)原型，近10年來(lái)他的公司一直在秘密研究的新應(yīng)用程序。你印象中的SoundHound，是一個(gè)流行音樂(lè)識(shí)別的應(yīng)用程序，如果你對(duì)著它哼唱一首歌，它可以識(shí)別出歌的名字。事實(shí)上，該應(yīng)用主要是助長(zhǎng)Mohajer真實(shí)的夢(mèng)想只是一種方法：創(chuàng)造世界上最好的基于語(yǔ)音的人工智能助手。

該原型叫Hound，其能力是相當(dāng)驚人的。Mohajer拿著一個(gè)黑色的Nexus，點(diǎn)擊了一個(gè)藍(lán)色和白色的麥克風(fēng)圖標(biāo)，然后開(kāi)始問(wèn)問(wèn)題。他從簡(jiǎn)單入手，問(wèn)了柏林的時(shí)間和日本的人口。很基本的搜索問(wèn)題，接下來(lái)，畫(huà)風(fēng)就變了：“它們之間的距離是多少？”該應(yīng)用程序理解了上下文并回答，“大約5536英里?！?/p>

然后Mohajer微笑著，緊張兮兮地開(kāi)始了復(fù)雜性不斷升級(jí)的問(wèn)題攻勢(shì)。他要求Hound計(jì)算一百萬(wàn)美元的房子，每月按揭付款多少錢(qián)，然后應(yīng)用程序立即問(wèn)他利率和貸款額，然后說(shuō)出了答案：4,270.84美元。

“太空針?biāo)趪?guó)首都的人口是多少？”他問(wèn)。Hound比我還快得知，Mohajer在問(wèn)華盛頓特區(qū)的人口，用其機(jī)器人的聲音道出了正確的答案。 “日本和中國(guó)人口和首都是哪里，他們的領(lǐng)土是多少平方英里和多少平方公里？另外告訴我有多少人生活在印度，德國(guó)、法國(guó)和意大利的區(qū)號(hào)是多少？”Mohajer一直不斷在問(wèn)問(wèn)題，導(dǎo)致上氣不接下氣。而Hound正確回答了每一個(gè)問(wèn)題

Hound現(xiàn)在處于測(cè)試階段，可能是迄今推出的速度最快、功能最全的語(yǔ)音識(shí)別系統(tǒng)。雖然目前它有顯著優(yōu)勢(shì)，因?yàn)樗梢酝瑫r(shí)執(zhí)行語(yǔ)音識(shí)別和自然語(yǔ)言處理。但是，被其他系統(tǒng)趕超，只是時(shí)間問(wèn)題。

畢竟，其基本成分——強(qiáng)大對(duì)話(huà)界面必需的卡普蘭所稱(chēng)的“門(mén)控技術(shù)”，現(xiàn)在基本上有錢(qián)就能購(gòu)買(mǎi)。這是一個(gè)技術(shù)融合的經(jīng)典故事：在處理能力、語(yǔ)音識(shí)別、移動(dòng)通信、云計(jì)算的發(fā)展和神經(jīng)網(wǎng)絡(luò)在大致相同的時(shí)間都飆升至臨界點(diǎn)。這些工具終于夠好、價(jià)格便宜、容易訪(fǎng)問(wèn)，使對(duì)話(huà)界面實(shí)時(shí)、無(wú)處不在。

但不只是對(duì)話(huà)技術(shù)終于可以構(gòu)建，還有持續(xù)增長(zhǎng)的需求。隨著越來(lái)越多的設(shè)備上線(xiàn)，尤其是那些沒(méi)有屏幕的，例如你的燈具、煙霧報(bào)警器，我們需要一種方法來(lái)與它們進(jìn)行交互，不需要按鈕，菜單和圖標(biāo)的方法。

同時(shí)，喬布斯用GUI建立的世界正在達(dá)到瓶頸期。我們非常強(qiáng)大的屏幕界面，每一個(gè)可以想象的特點(diǎn)都需要通過(guò)手工編碼、圖標(biāo)或菜單選項(xiàng)。想想Photoshop或Excel：兩者都十分強(qiáng)大，使用起來(lái)需要通過(guò)正確的鍵盤(pán)快捷鍵、菜單樹(shù)和超難找的工具欄。如果你只是想坐下來(lái)悠閑地裁剪照片，那么祝你好運(yùn)。 “圖形用戶(hù)界面已經(jīng)到頂，”卡普蘭說(shuō)， “現(xiàn)在已經(jīng)是超負(fù)荷了?！?/p>

這就是在虛擬助理市場(chǎng)蓬勃發(fā)展的原因：它是來(lái)拯救你的，當(dāng)你淹沒(méi)在屏幕上打開(kāi)的七個(gè)窗口，五工具欄和30個(gè)頁(yè)面里，并作為應(yīng)用程序和設(shè)備之間的聯(lián)絡(luò)人。

至少在開(kāi)始的時(shí)候，這些新的增強(qiáng)型虛擬助理背后的想法是，他們將簡(jiǎn)化復(fù)雜的，讓人疲倦的多步驟：通過(guò)下拉菜單，復(fù)雜的工作流程，并在應(yīng)用程序間切換。你的助手會(huì)知道手機(jī)上每一個(gè)應(yīng)用程序的每一個(gè)角落，并在你的口語(yǔ)命令下切換它們。而隨著時(shí)間的推移，他們也將了解新的信息：你。

讓我們快速解除一些誤會(huì)：對(duì)話(huà)技術(shù)是不會(huì)滅了觸摸屏，甚至是鼠標(biāo)和鍵盤(pán)。如果你是桌面計(jì)算機(jī)的忠實(shí)用戶(hù)，你可能不會(huì)變。 雖然你可能會(huì)經(jīng)常問(wèn)虛擬助理，裁剪工具在哪里來(lái)著？

但是，對(duì)于某些群體的人，對(duì)話(huà)界面的崛起可能會(huì)在很大程度上，會(huì)成為繞過(guò)熟練GUI技術(shù)的理由。例如，年輕人已經(jīng)跳過(guò)鍵盤(pán)，通過(guò)麥克風(fēng)來(lái)輸入文本。 “他們就是不打字?！闭Z(yǔ)音消息應(yīng)用Cord的CEO和聯(lián)合創(chuàng)始人Thomas Gayno稱(chēng)。結(jié)合其他地方的年齡譜，對(duì)有些人來(lái)說(shuō)，圖形用戶(hù)界面從來(lái)就不管用。對(duì)視障人士、老人而言，聽(tīng)見(jiàn)有人形容現(xiàn)代計(jì)算機(jī)界面為“直觀的”，一直是有點(diǎn)可笑的。

克里斯·莫里很艱辛才明白了這個(gè)道理。在2010年的夏天，當(dāng)時(shí)24歲的他在帕洛阿爾托的朋友家借住，并在一個(gè)叫ImageShack的創(chuàng)業(yè)公司實(shí)習(xí)，剛剛輟學(xué)博士課程來(lái)這里追逐硅谷夢(mèng)。一天晚上，在他下班回家的漫長(zhǎng)路上，他意識(shí)到自己的處方眼鏡不管用了。醫(yī)生告訴他，他患了斯特格氏癥，一個(gè)視力下降，最終會(huì)失明的疾病。

曾經(jīng)想在高科技公司創(chuàng)一番事業(yè)的莫里，立刻不得不考慮，如果失明了他將如何使用電腦。但對(duì)于美國(guó)20 多萬(wàn)盲人來(lái)說(shuō)，使用電腦只有一個(gè)選擇：一個(gè)30多年前的技術(shù)：屏幕閱讀器。

屏幕閱讀器系統(tǒng)要花費(fèi)數(shù)千美元，并通過(guò)需要幾十個(gè)小時(shí)的培訓(xùn)。 “你需要上兩個(gè)課程，才能學(xué)會(huì)用谷歌搜索?！蹦锔嬖V我。隨著數(shù)字環(huán)境變得越來(lái)越復(fù)雜，屏幕閱讀器就變得越來(lái)越難用。“他們太可怕了?！蹦镎f(shuō)。

隨著他的視力開(kāi)始走下坡路，莫里把自己沉浸在盲推特（沒(méi)錯(cuò)，有盲推特這玩意）和輔助運(yùn)動(dòng)里。而在同一時(shí)間，他隱隱意識(shí)到，更好的東西——首次專(zhuān)為語(yǔ)音設(shè)計(jì)的界面，將在硅谷出現(xiàn)。

于是，他開(kāi)始著手為盲人研究技術(shù)。莫里創(chuàng)辦了一家公司：Conversant Labs，希望打造以聲音為先的應(yīng)用和服務(wù)。該公司的第一個(gè)產(chǎn)品，是一個(gè)名為SayShopping的iPhone應(yīng)用程序，它提供了一種完全通過(guò)語(yǔ)音就可以從Target.com買(mǎi)東西的服務(wù)。

2014年秋天的某一天，毫無(wú)預(yù)兆，亞馬遜宣布了一項(xiàng)名為回聲的新產(chǎn)品。該產(chǎn)品的角色被命名為Alexa。回聲使用所謂的遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別到呼喚它的聲音，甚至在有點(diǎn)嘈雜的房間沒(méi)問(wèn)題。這個(gè)想法是，回音屬于你的客廳、廚房、或者臥室里，你會(huì)和它說(shuō)各種事情。

這十分有趣，試圖讓沒(méi)有內(nèi)置可視界面的科技成功。科技媒體都對(duì)亞馬遜這個(gè)“神秘”的新產(chǎn)品感到不解。

當(dāng)我在2014年開(kāi)始使用Alexa時(shí)，它可以告訴我天氣，回答基本的事實(shí)問(wèn)題，列一個(gè)后來(lái)將出現(xiàn)在我智能手機(jī)上購(gòu)物清單，聽(tīng)我的命令播放音樂(lè)，沒(méi)有什么太超然。但是Alexa迅速增長(zhǎng)，變得更聰明更好。它熟悉了我的聲音，學(xué)會(huì)了有趣的笑話(huà)，并開(kāi)始能夠同時(shí)運(yùn)行多個(gè)計(jì)時(shí)器（當(dāng)你在煮滿(mǎn)漢全席的時(shí)候，就非常方便了）。從最初測(cè)試版的發(fā)布，到2015年公開(kāi)發(fā)布的短短7個(gè)月里，Alexa從可愛(ài)卻無(wú)奈，到真正、一直實(shí)用。我認(rèn)識(shí)了它，它也認(rèn)識(shí)了我。

這引出了對(duì)話(huà)高科技更深的道理：你只有在與它個(gè)人關(guān)系的過(guò)程中，才能發(fā)現(xiàn)它的功能。在同行業(yè)中的大玩家都意識(shí)到這一點(diǎn)，并試圖給他們的助手個(gè)性、魅力、適當(dāng)?shù)木嚯x，簡(jiǎn)而言之使他們，討人喜歡。

在研究中，微軟、Nuance和其他公司都得到了同樣的結(jié)論：一個(gè)好的對(duì)話(huà)助理，只有當(dāng)它無(wú)處不在，當(dāng)它可以在多種環(huán)境里了解你：你的習(xí)慣、你的好惡、你的日常和時(shí)間表，它才是真正實(shí)用的。

via wired

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。