接下來，我要給你講兩個簡單的故事，其中一個你可能已經(jīng)聽過，另外一個你應(yīng)該還沒有。 1979年，年輕的史蒂夫·喬布斯去參觀了Xerox PARC，傳說中的在加利福尼亞州帕洛阿爾托R＆D實驗室，并目睹了現(xiàn)在所稱的圖形用戶界面的一些示范。一位PARC的工程師，使用一個原型鼠標來導(dǎo)航，計算機屏幕云集了圖標，下拉菜單以及在桌面上相互重疊像紙張的“窗口”。這和喬布斯以前見過的東西完全不同。 他說，“很明顯，以后每臺計算機都會以這種方式來工作?！?/p>

傳說是，喬布斯跑回蘋果總部，指揮一個團隊著手復(fù)制和提高，他剛剛在PARC所看到的東西。就是這樣，個人計算近40年發(fā)展迅速，經(jīng)歷了很多，從第一臺Macintosh一路攀升到iPhone。這種計算視覺方式結(jié)束了命令行的苛刻、文字為主的界面的暴政；并把我們帶進一個電腦越來越簡單易用的世界里——只需用鼠標定位、單擊并拖動。

在不太遙遠的未來，我們回頭想想和PARC有關(guān)創(chuàng)世神話，可能會感到興奮。在喬布斯訪問PARC的時候，一個獨立的團隊正在研發(fā)一種完全不同的人機交互模式，今天我們稱之為對話用戶界面。這些科學(xué)家設(shè)想了一個世界，可能在幾十年以后，這種電腦將變得超強大，以至于需要用戶記住針對每一個動作的，一組特殊的命令或工作流，否則將用不了電腦。他們想象，我們會用你來我往的對話框來把事情做好，而不是讓計算機協(xié)同工作。而其頁面將是普通的人類語言。

該組其中一名科學(xué)家叫羅恩·卡普蘭，一個粗壯、說話輕聲細語、留著山羊胡子和頭發(fā)稀疏的人?？ㄆ仗m是相等部分的語言學(xué)家、心理學(xué)家和計算機科學(xué)家。他說，早在上世紀70年代，他的團隊在草擬對話用戶界面的一個關(guān)鍵組成部分的工作走得相當遠;他們七拼八湊出了一個系統(tǒng)，允許你通過正常的英語計算機交換信息類型，來預(yù)訂機票。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，每個用戶將要花費一百萬美元?！彼f。他們需要更快、更分布的處理方式和更智能、更高效的電腦?？ㄆ仗m認為這將需要大約15年。

“四十年后，”卡普蘭說，“我們準備好了?！笔聦嵣?，世界也準備好了。

今天，卡普蘭是Nuance通訊的副總裁和杰出的科學(xué)家，也許還是語音界面業(yè)務(wù)的最大功臣：福特的汽車同步系統(tǒng)是基于其發(fā)展的，還對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)自己身處一個擁擠的市場。幾乎每個大的高科技公司，亞馬遜、英特爾、微軟和谷歌，都在追求對話用戶界面：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與技術(shù)的關(guān)系強大的轉(zhuǎn)變之中拔得頭籌。這些公司相信，不久后的一天，你會跟你的小工具說話，就像你跟朋友說話一樣。而你的小工具會回答你。他們將能夠聽到你說什么，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你的數(shù)字生活，到圖形用戶界面不能安全、愉快、禮貌使用之外。而你和設(shè)備之間日益劇增的對話性質(zhì)，將使你和技術(shù)的關(guān)系，變得更親近、更忠實、更私人。

但這種轉(zhuǎn)變影響最大的將是硅谷的核心受眾，其他人則會感覺很好。史蒂夫·喬布斯在在1979年看到的圖形用戶界面（以下簡稱GUI），是擴大計算機市場的一種方式。但即使是GUI的作用下，仍留有大量的人沒有使用計算機。雖然GUI是優(yōu)雅和高效的，人們?nèi)匀恍枰獙W(xué)習(xí)計算機語言。如今電腦終于學(xué)會如何說我們的語言，數(shù)以億計的人將高科技有新的認識。

語音界面雖然已經(jīng)存在了多年，事實上，迄今為止，它們都非常愚蠢。我們不必糾纏于自動電話分支系統(tǒng)，例如：如果你是打電話來進行付款的，請說“支付”。甚至我們更先進的語音界面都依賴講話，但不知何故缺席語言的力量。如果你問Google Now，紐約市的人口有多少，它會乖乖告訴你。如果問帝國大廈的位置，它會乖乖回答。但加上邏輯的一步，問它有帝國大廈的城市的人口是多少，它答不上來。同樣，把Siri逼的太緊，它也會讓你參考谷歌搜索。任何人看過柯克船長和進取號的計算機對話，或托尼·斯塔克與虛擬助手賈維斯戲謔的電影場景，都忍不住會對現(xiàn)實失望。

可是現(xiàn)今，問問硅谷周圍的人，你聽到同樣的答案：現(xiàn)在不同了。

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

該原型叫Hound，其能力是相當驚人的。Mohajer拿著一個黑色的Nexus，點擊了一個藍色和白色的麥克風(fēng)圖標，然后開始問問題。他從簡單入手，問了柏林的時間和日本的人口。很基本的搜索問題，接下來，畫風(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。”

然后Mohajer微笑著，緊張兮兮地開始了復(fù)雜性不斷升級的問題攻勢。他要求Hound計算一百萬美元的房子，每月按揭付款多少錢，然后應(yīng)用程序立即問他利率和貸款額，然后說出了答案：4,270.84美元。

“太空針塔所在國首都的人口是多少？”他問。Hound比我還快得知，Mohajer在問華盛頓特區(qū)的人口，用其機器人的聲音道出了正確的答案。 “日本和中國人口和首都是哪里，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、法國和意大利的區(qū)號是多少？”Mohajer一直不斷在問問題，導(dǎo)致上氣不接下氣。而Hound正確回答了每一個問題

Hound現(xiàn)在處于測試階段，可能是迄今推出的速度最快、功能最全的語音識別系統(tǒng)。雖然目前它有顯著優(yōu)勢，因為它可以同時執(zhí)行語音識別和自然語言處理。但是，被其他系統(tǒng)趕超，只是時間問題。

畢竟，其基本成分——強大對話界面必需的卡普蘭所稱的“門控技術(shù)”，現(xiàn)在基本上有錢就能購買。這是一個技術(shù)融合的經(jīng)典故事：在處理能力、語音識別、移動通信、云計算的發(fā)展和神經(jīng)網(wǎng)絡(luò)在大致相同的時間都飆升至臨界點。這些工具終于夠好、價格便宜、容易訪問，使對話界面實時、無處不在。

但不只是對話技術(shù)終于可以構(gòu)建，還有持續(xù)增長的需求。隨著越來越多的設(shè)備上線，尤其是那些沒有屏幕的，例如你的燈具、煙霧報警器，我們需要一種方法來與它們進行交互，不需要按鈕，菜單和圖標的方法。

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

這就是在虛擬助理市場蓬勃發(fā)展的原因：它是來拯救你的，當你淹沒在屏幕上打開的七個窗口，五工具欄和30個頁面里，并作為應(yīng)用程序和設(shè)備之間的聯(lián)絡(luò)人。

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

讓我們快速解除一些誤會：對話技術(shù)是不會滅了觸摸屏，甚至是鼠標和鍵盤。如果你是桌面計算機的忠實用戶，你可能不會變。 雖然你可能會經(jīng)常問虛擬助理，裁剪工具在哪里來著？

但是，對于某些群體的人，對話界面的崛起可能會在很大程度上，會成為繞過熟練GUI技術(shù)的理由。例如，年輕人已經(jīng)跳過鍵盤，通過麥克風(fēng)來輸入文本。 “他們就是不打字?！闭Z音消息應(yīng)用Cord的CEO和聯(lián)合創(chuàng)始人Thomas Gayno稱。結(jié)合其他地方的年齡譜，對有些人來說，圖形用戶界面從來就不管用。對視障人士、老人而言，聽見有人形容現(xiàn)代計算機界面為“直觀的”，一直是有點可笑的。

克里斯·莫里很艱辛才明白了這個道理。在2010年的夏天，當時24歲的他在帕洛阿爾托的朋友家借住，并在一個叫ImageShack的創(chuàng)業(yè)公司實習(xí)，剛剛輟學(xué)博士課程來這里追逐硅谷夢。一天晚上，在他下班回家的漫長路上，他意識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，一個視力下降，最終會失明的疾病。

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。但對于美國20 多萬盲人來說，使用電腦只有一個選擇：一個30多年前的技術(shù)：屏幕閱讀器。

屏幕閱讀器系統(tǒng)要花費數(shù)千美元，并通過需要幾十個小時的培訓(xùn)。 “你需要上兩個課程，才能學(xué)會用谷歌搜索?！蹦锔嬖V我。隨著數(shù)字環(huán)境變得越來越復(fù)雜，屏幕閱讀器就變得越來越難用?！八麄兲膳铝??！蹦镎f。

隨著他的視力開始走下坡路，莫里把自己沉浸在盲推特（沒錯，有盲推特這玩意）和輔助運動里。而在同一時間，他隱隱意識到，更好的東西——首次專為語音設(shè)計的界面，將在硅谷出現(xiàn)。

于是，他開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)。該公司的第一個產(chǎn)品，是一個名為SayShopping的iPhone應(yīng)用程序，它提供了一種完全通過語音就可以從Target.com買東西的服務(wù)。

2014年秋天的某一天，毫無預(yù)兆，亞馬遜宣布了一項名為回聲的新產(chǎn)品。該產(chǎn)品的角色被命名為Alexa?；芈暿褂盟^的遠場語音識別到呼喚它的聲音，甚至在有點嘈雜的房間沒問題。這個想法是，回音屬于你的客廳、廚房、或者臥室里，你會和它說各種事情。

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

當我在2014年開始使用Alexa時，它可以告訴我天氣，回答基本的事實問題，列一個后來將出現(xiàn)在我智能手機上購物清單，聽我的命令播放音樂，沒有什么太超然。但是Alexa迅速增長，變得更聰明更好。它熟悉了我的聲音，學(xué)會了有趣的笑話，并開始能夠同時運行多個計時器（當你在煮滿漢全席的時候，就非常方便了）。從最初測試版的發(fā)布，到2015年公開發(fā)布的短短7個月里，Alexa從可愛卻無奈，到真正、一直實用。我認識了它，它也認識了我。

這引出了對話高科技更深的道理：你只有在與它個人關(guān)系的過程中，才能發(fā)現(xiàn)它的功能。在同行業(yè)中的大玩家都意識到這一點，并試圖給他們的助手個性、魅力、適當?shù)木嚯x，簡而言之使他們，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：一個好的對話助理，只有當它無處不在，當它可以在多種環(huán)境里了解你：你的習(xí)慣、你的好惡、你的日常和時間表，它才是真正實用的。

via wired

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