誘人的Siri 開啟人機交互的大門

時間：2011-12-11 02:24:03

關(guān)鍵字：人機交互 PC 電腦智能手機

手機看文章

掃描二維碼
隨時隨地手機看文章

[導讀]誘人的Siri 開啟人機交互的大門

Siri，蘋果新發(fā)布的手機iPhone 4S的語音助手功能，正在成為大家熱議的話題，而我們預言，它極有可能開啟個人電腦類產(chǎn)品應用的新篇章，人機交互將真正進入大家的生活。

智慧誘人的Siri帶來人機交互熱

一場并不那么精彩的發(fā)布會，蘋果的iPhone 4S發(fā)布了。大家對iPhone 4S在硬件端缺乏創(chuàng)新很失望。不過，敏銳的我們發(fā)現(xiàn)了Siri這一功能，這個基于語音交互的助手功能將成為iPhone 4S的最大賣點。

事情的發(fā)展正如我們預料的那樣，現(xiàn)在，Siri語音助手已經(jīng)成為全球熱議的話題，iPhone 4S熱賣，而且用戶發(fā)現(xiàn)Siri能夠幫助我們通過語音輕松完成很多事情，比如：閱讀并回復短信、介紹餐廳（位置、名稱）、詢問天氣、設置鬧鐘、查看日程等。

不過大家更著迷于她的神奇：買iPhone 4S后用戶都沖著Siri那優(yōu)美的女聲提出各種稀奇古怪的問題來看她的反應。這些問題甚至包括了“你穿的什么衣服”，“生命的意義是什么”，甚至有不少人沖著她嚷嚷“我愛你”。讓人驚嘆的是，Siri完全理解這些問題，且懂得如何婉轉(zhuǎn)而詼諧地回答，且知道如何在法律范疇內(nèi)引導大家的行為。針對前面兩個問題，她的回答是“你怎么總是要問我這個呢”；“生命：一種原則或力量，被認為是獨特動態(tài)存在的基礎(chǔ)。我想我也算是一種生命”。而對于“我愛你”之類的告白，Siri則會說“我希望你不會對別的手機也這樣說”。她甚至能夠?qū)B續(xù)性的問題給出符合人類邏輯的不同回答。有人連續(xù)向Siri“求婚”三次，第一次Siri回答：“聽起來很甜蜜，不過我還有什么可以幫你的嗎？”第二次回答：“讓我們只做朋友，好嗎？”第三次Siri干脆攤牌了：“我的用戶協(xié)議沒有包括和你結(jié)婚，我很抱歉。”

很顯然，Siri是智慧的，智慧得令人驚嘆、智慧得誘惑，智慧得令人愛。難怪在iPhone 4S熱銷缺貨的同時，黑客都在致力于將智慧且誘人的Siri移植到其他iOS設備上。視頻網(wǎng)站上，關(guān)于Siri問答的視頻也被瘋狂點擊。而大量開發(fā)類似軟件的廠商，也在近期跳出來表示他們的軟件也很好……

一場人機交互熱正在到來！

Siri現(xiàn)在成了最熱門的應用，事實上，它正在引領(lǐng)人機交互的大潮

Siri背后的技術(shù)

Siri的神奇和強大，是如何實現(xiàn)的？有人說她的背后是“印度云”，用戶在語音提問時，iPhone 4S就偷偷接通了遠在印度的CALL CENTER（呼叫中心），那邊的印度工程師瘋狂地打字回答，iPhone 4S端再轉(zhuǎn)換為語音回給用戶——當然，這只是個玩笑。

Siri的背后，其實是眾多技術(shù)的結(jié)合，總體來看是兩大類：人工智能和云計算。如果非要綜合描述成一個概念，則是“計算技術(shù)”，而這一計算技術(shù)又是很多類技術(shù)整合而成的。下面，我們來對Siri進行一個大概的技術(shù)分拆（目的是讓大家理解分類的技術(shù)，Siri的每個部分不一定就是采用的下文所舉例的技術(shù)）。[!--empirenews.page--]

首先，在前端（面向用戶）的，是用戶交互技術(shù)（從表象來看，也就是我們平時所說的人機交互），主要是語音識別及語音合成技術(shù)。語音識別技術(shù)把用戶的口語轉(zhuǎn)化成文字，其中需要強大的語音知識庫，因此需要用到云計算。而語音合成則是把返回的文字結(jié)果重新轉(zhuǎn)化成語音輸出，這一步理論上本地就能完成。

其次是后臺技術(shù)，這才是重角兒。這些技術(shù)的目的就是處理用戶的請求，并返回最匹配的結(jié)果。因為請求類型超多，且千奇百怪，要處理好可不簡單?；镜慕Y(jié)構(gòu)可能是分析用戶的輸入（已轉(zhuǎn)化為文本），根據(jù)輸入類型，分別采用對應的后臺進行處理。這些對應的后臺包括：①以Google為代表的網(wǎng)頁搜索技術(shù)；②以Wolfram Alpha為代表的知識搜索技術(shù)（或知識計算技術(shù)，百度框計算與之有些類似）；③以維基百科為代表的知識庫技術(shù)（包括其他百科，如電影百科等）；④以Yelp（可以理解為國外的大眾點評網(wǎng)）為代表的問答以及推薦技術(shù)。當然，未來也許還會有更多的后臺技術(shù)。

例如，當你詢問某個酒店在哪里時，Google的網(wǎng)頁搜索和地圖搜索就會派上用場；當你要詢問NVIDIA是什么時，維基百科的信息就會被直接調(diào)用；而你要了解附近哪些餐館各自有什么特色時，谷歌和Yelp就會同時起作用。

總體來說，Siri不是某一種獨立的技術(shù)，而是將若干現(xiàn)有技術(shù)進行了整合。這些技術(shù)并非革命性的，但當它們整合后，在用戶面前就展現(xiàn)出了神奇的一面。

語音人機交互的技術(shù)模型

為什么是手機

如果你比較喜歡研究各種計算技術(shù)，以上技術(shù)你應該不會陌生。說白了，很多人都或多或少地用過以上提到的技術(shù)，只是因為停留在應用層面，沒有把它們技術(shù)化罷了。無論是語音識別、語音合成，還是各種后臺計算技術(shù)，其實PC上都有。那么，為什么它在智能手機上一炮而紅？

整合，是一個原因，也是很重要的原因。在目前的科技公司中，對技術(shù)分類得非常詳盡，每個公司都在某一個領(lǐng)域鉆研得非常深，但想到要把它們整合起來的公司并不多。Siri做到了，喬布斯看到了，并把它收購了，專為自己所用（再次贊一下已逝去的喬布斯的眼力）。

另外，“給出回應”也是重要原因。其實語音識別并進行相應的動作，這一點很多廠商都在做，也有很多產(chǎn)品。例如桌面Windows系統(tǒng)和Windows Phone系統(tǒng)上就有語音控制和語音搜索功能。但是它缺乏智能的語言反饋，更沒有想到要把這種反饋合成為誘人的人聲來回應用戶——這兩點中，語音合成技術(shù)不算難，但很多廠商都沒想到。

最后，也是最關(guān)鍵的原因：智能手機是隨身攜帶的。它的硬件雖然已經(jīng)“PC化”，比較強大，但輸入依舊是個麻煩事兒，而基于語音的交互恰好是最理想的解決方案。另外，智能手機還有很多PC不具備的特性：例如地理位置定位、聯(lián)系人列表、人們總是通過它在移動中解決問題。這些，也都為語音交互提供了更多更豐富的功能點。這一切因素的整合，促成了Siri，也促成了她在智能手機上的一炮而紅。[!--empirenews.page--]

不只是手機：從PC中來到PC中去

有一點是不言而喻的，隨著Siri的出現(xiàn)，下一波智能手機的應用熱潮肯定是人機交互應用了?！稌f話的湯姆貓》這類變聲軟件將迅速淪為小兒科（其實它本來也是小兒科）。會有越來越多的“Siri”涌現(xiàn)。

實際上正如前文所述，目前黑客們已經(jīng)在忙著將Siri移植到其他iOS系統(tǒng)移動設備上，例如iPad，但目前能夠完成移植，Siri卻還無法連接服務器（云端），也就是說基本不可用。但我們相信，這種應用一旦出現(xiàn)，就會有大量的開發(fā)商蜂擁而至。在Android上、在Windows Phone上，也會涌現(xiàn)類似的應用。事實上我們有理由相信，具備人機交互功能的語音助手將成為未來智能手機能否成功占領(lǐng)市場的關(guān)鍵點之一。

不過，我們認為Siri開啟的，不僅僅是手機應用的新篇章，而是整個PC應用的新篇章（其實，智能手機也算是PC——個人電腦的一種形態(tài)）。未來，在平板上，在上網(wǎng)本上，在Ultrabook上，在傳統(tǒng)筆記本上，在一體機和臺式機上，甚至在工作站上，基于語音的人機交互系統(tǒng)將大放異彩。

這樣說是有根據(jù)的，首先，在微軟全新的手機操作系統(tǒng)Windows Phone上，已經(jīng)有了語音控制。而Windows 8和Windows Phone 8的統(tǒng)一，也會讓語音控制更加普及。而且，在PC端長期以老大自居的微軟肯定不會坐視蘋果借Siri霸占手機市場，肯定會對現(xiàn)有的語音控制進行改良做到人機交互。在未來的Win8和Windows Phone 8上，語音人機交互是完全有可能出現(xiàn)的。

而且，前面說了，Siri整合的技術(shù)，實際上是各種現(xiàn)有的，基于PC開發(fā)的技術(shù)，每個獨立的技術(shù)都在PC端有獨立的應用。Google的搜索大家都異常熟悉了；維基百科、百度百科用過的人也不在少數(shù)；大眾點評這類網(wǎng)站也是非常熱的。語音控制電腦操作也已相當成熟（見注解1），只是由于缺乏足夠的吸引力和宣傳，用者寥寥罷了。只要做好自然語言的識別和理解，加上云端的自然語言知識搜索系統(tǒng)，以及語音合成回饋技術(shù)，這些來自于PC，經(jīng)整合后在智能手機上大放異彩的技術(shù)，完全可以再回到PC中，在性能強大得多的PC上扮演更具誘惑力的個人語音助手，甚至是“商務助手”、“辦公助手”、“專業(yè)設計助手”等各種角色。我們甚至可以期待數(shù)字家電成型后，通過語音助手控制電腦，進一步完成對所有家電的控制。想遠點，或許幾年后，我會對著電腦說：請幫我關(guān)閉家里的電視，另外繳納上兩個月的電費，同時預訂下午2點使用會議室，另外在下午5點30分給家里打電話告訴家人我加班不回家吃飯，并在最近的必勝客幫我訂一塊肉香滿溢披薩上門”。我的電腦就會聯(lián)合手機，完成我所有的安排，并自動詢問我披薩送上門的時間，還自動將繳費發(fā)票信息提交到我的電腦屏幕上……

一場關(guān)于個人電腦應用革命的大門正在被開啟！這一切令我們激動！我們無比期待！

Windows上其實也有非常成熟的語音控制系統(tǒng)，不過智能的人機交流是它匱乏的，但未來前景會很驚人[!--empirenews.page--]

注解1：

目前PC上的語音控制操作已相當成熟，包括中文在內(nèi)的語音識別也已很不錯。Win7自帶語音控制（叫作“語音識別”），你只要在稍微安靜點的地方經(jīng)過20分鐘左右的“適應訓練”，基本上Win7上的絕大部分操作都可以用語音進行控制，包括專業(yè)軟件操作。

其實很多操控通過語音的確非?？旖?，比如平時我們要開啟計算器、寫字板、記事本等小軟件是很麻煩的，而通過語音控制，你只需說出“開啟XXX”即可打開對應軟件，且可進行語音輸入。

關(guān)于語音人機交互的熱點問題解答

1、Siri是專門給蘋果iPhone 4S準備的嗎？Android系統(tǒng)上有嗎？

Siri本來是App Store上的一個應用，不過前期被喬布斯相中了，買了下來，現(xiàn)在專屬于蘋果的iPhone 4S。我們相信未來會植入新款iPhone甚至iPad中，但Android系統(tǒng)上……恐怕有點難了。

2、Siri能夠聽得懂并會說漢語嗎？

這小妞目前只會英語、法語和德語，不過蘋果公司已經(jīng)承諾，會在2012年推出支持漢語、日語、韓語、意大利語及西班牙語的Siri。

3、還有哪些操作系統(tǒng)或者說產(chǎn)品上有語音助手這種好玩的東東呢？

你的電腦的Windows上就有，Win7上的“語音識別”就比較好用。另外Windows Phone 7上也有語音控制功能，比如你可以詢問手機某個地方怎么走。不過，這些應用都不會給你幽默有趣的語音反饋，說簡單點就是：只會照著你說的做，不會智能地和你聊天。