智能音箱迎來升級戰(zhàn)，語音識別能否突破堡壘

戶主回到家，室內(nèi)燈就自動開啟，室溫調(diào)至適宜溫度；

同時類似siri的小管家，還會貼心告訴你該要添置哪些家用了，步驟也不勞你費心，只要下個命令，siri就會去線上下單；

當你出門在外，你的汽車能完美實現(xiàn)自動駕駛，根本不用操心路況和認路問題。

以為這樣就玩了嗎？精彩的還在后頭——

如果在行駛的過程中你做出些違規(guī)操作，siri則是絕對不樂意的，會及時提醒你。

你一定以為這是我幻想出的場景，其實不然，這是日前剛上映的外國科幻驚悚片《升級》中的場景。不過它或許在不久之后會映射入我們的真實生活場景當中。

在目前全球范圍內(nèi)掀起的人工智能浪潮中，智能音箱作為全新的人機交互體驗最佳的入口，成為了世界科技巨頭們打開AI大門必爭的突破口。目前智能音箱市場仍舊以亞馬遜Alexa為領先，其次是谷歌，而蘋果Siri和微軟Cortana仍處于苦苦追趕之勢。據(jù)【TechWeb】8月7日消息，亞馬遜憑借著這波熱潮，在全球售出了超過5000萬臺Alexa智能音箱，并希望憑借這個機會將自家產(chǎn)品與智能音箱進行整合。

再回到國內(nèi)，隨著BAT的不斷加持和其它實力毫不遜色的互聯(lián)網(wǎng)獨角獸的全力布局，國內(nèi)智能音箱市場同樣迎來了前所未有的迅猛發(fā)展。根據(jù)Canalys的最新統(tǒng)計數(shù)據(jù)顯示，在2018年第二季度的全球智能音箱市場份額占比當中，中國智能音箱表現(xiàn)非常強勢，其中可以看到谷歌第一、亞馬遜第二，天貓精靈第三、小米第四。

值得一提的是，小米作為后殺人互聯(lián)網(wǎng)的手機制造商，憑借著“高性價比”和“爆款”的模式迅速突破層層防線入主眾多領域建立起強大的小米生態(tài)體系，智能音箱就是其中輝煌的一筆。

小米從去年到現(xiàn)在扎努了整個市場的12．2％份額，我們看到小愛同學憑借一個非常低的價格，在國內(nèi)市場頗受歡迎。與其他廠商不同的是，小米將智能音箱的門檻放得很低，而且打通了小米手機的語音助手，利用深度學習算法，做到不錯的表現(xiàn)效果。而在剛過去的15日，雷軍就宣布小愛同學的每月活躍設備數(shù)量超過3000萬，這也是小米IPO以來聽到的最好的消息。

由此可見，無論是在國外、還是在國內(nèi)，智能音箱市場似乎整體看起來表現(xiàn)的都還不錯，形勢一片大好。但事實真的是這樣嗎？

世界巨頭都在爭奪智能音箱通往AI的這個超級入口，但并不代表這個入口就已經(jīng)足夠的成熟，只是巨頭們不想錯過這個最佳的入口而已。事實上智能音箱只是一個載體，核心在于搭載的智能語音交互系統(tǒng)（即語音識別），而語音識別作為研究AI的重要基礎，在語意的理解能力和識別的精準度的技術(shù)上是無法達到爐火純青的地步的，尤其是在搭載智能音箱之后的語音的控制上面值得擔憂。

盡管在考慮到全球語音市場的競爭格局之后，據(jù)外媒最新消息，亞馬遜Alexa和微軟的Cortana兩大語音助手正式聯(lián)姻。但也許仍然無法達到其預想中的完美形態(tài)，譬如就無法播放部分在線音樂服務等。

這還不是最關鍵，最關鍵的是你無法掌握語音的可控性，簡單的來說，也就是你根本不知道什么時候就會無意間喚醒siri，更不知到從何時起你的談話被偷聽了，當快遞小哥突然給你送來一個包裹你卻還一臉懵逼。

據(jù)筆者在雷鋒網(wǎng)獲悉，在國外發(fā)生一件奇葩的新聞，亞馬遜Echo協(xié)助警方避免了一起謀殺案。國外一名男子在與女友發(fā)生爭吵時，男子拿槍指著女友質(zhì)問她：“你給警長打電話了？”而在旁邊的谷歌 Home 聽到了“給警長打電話”的命令，所以也就按命令執(zhí)行了。最后特警隊抵達事件所在地，安全的制止了事件的進一步發(fā)生。

這看起來還算是一件很好的事情，至少Echo可以幫你解決突發(fā)的危險和狀況。不過接下來的案例就不得不讓你生無可戀、甚至驚悚。

據(jù)說，國外一家洋娃娃公司在電視上播放了一則玩偶之家的廣告，該地區(qū)竟然數(shù)個家庭的亞馬遜Echo在聽到廣告后自動開始在網(wǎng)上訂購玩偶之家。這還不算，在國內(nèi)浙江大學電氣工程學院智能系統(tǒng)安全實驗室甚至曾成功對亞馬遜的音箱 Echo發(fā)起了“海豚攻擊”，通過利用麥克風的硬件漏洞，成功“黑”進智能設備的語音助手系統(tǒng)，通過發(fā)出人耳無法聽到的超聲波語音，讓語音助手執(zhí)行他們所下達的指令，比如讓 Echo 在亞馬遜上買個東西。

而更加驚悚的是，MWR InfoSecurity 的研究人員發(fā)現(xiàn)，老款亞馬遜 Echo 智能音箱中存在一個安全漏洞，黑客可以將 Echo 音箱變成竊聽器，而又不影響它的整體功效。原理是研究人員通過制作的一個插頭把 Echo 連上了筆記本電腦和 SD 讀卡器。然后利用調(diào)試工具破解了 Echo 的系統(tǒng)，寫進去了一個專用的引導程序。而這臺 Echo 所有聽到的音頻流都會自動轉(zhuǎn)發(fā)到他的遠程服務器上，關鍵的是這臺智能音箱的其他功能看上去竟然一切正常。

也就是如果一旦智能音箱被不法的黑客入侵，用戶的大量數(shù)據(jù)和隱私安全將受到大量的威脅。

再回到語意識別的精準度上，雖然如今全球在AI技術(shù)上不斷的突破，語音識別的精準度和理解能力上也達到堪稱完美的地步，諸如曾經(jīng)有媒體報道，谷歌Google Assistant將在2018年底將支持超過30種語言；除此之外，高通已經(jīng)開發(fā)出了一款能夠識別單詞和短語的語音識別設備，準確率高達95％。

不過如果這用在中文測試上，或許會顯得很Low了。眾所周知，中國在經(jīng)過幾千年的文化更替，其文字早已變得難以捉摸，尤其是演變出濃厚的各種地方特色語言早已超過了30種，就連中國人都不一定能夠聽得懂、更不用說毫無生機的機器語音識別了。

譬如，在一項研究中，就有人通過Alexa測試識別一些非本土口語的語種，結(jié)果顯示不準確率可達30％。而面對以西班牙語和漢語作為第一語言的人說英文，不管是Google Home還是亞馬遜 Echo，其識別率都是低的嚇人。

總而言之，語音識別在目前看來依然還存在眾多技術(shù)在短時間仍舊無法突破的壁壘。巨頭們大量的搶占智能音箱市場，只是因為它作為通往臥室鏈接AI最佳的解決方案。在巨頭們搶占了這個入口的同時，并不代表他就掌握了AI的超級入口，仍舊需要在語音識別的技術(shù)提升、創(chuàng)新上面不斷的研究和突破。

否則，即使你先搶占了智能音箱這個超級入口，但在智能音箱不斷迎來升級戰(zhàn)的過程中，你依然會很容易被后來者輕而易舉的超越和取代，畢竟AI作為技術(shù)創(chuàng)新極強的領域，只有不斷的技術(shù)創(chuàng)新和迭代升級，才有可能安穩(wěn)的渡過這場升級戰(zhàn)，至于說能不能夠成為行業(yè)的標桿，至少得先活下來吧！