交互新革命 淺談?wù)Z音控制面臨的幾點(diǎn)挑戰(zhàn)

OFweek電子工程網(wǎng)訊：近幾年，在新手機(jī)面世時(shí)的廣告語中，“交互新革命”“全新的交互體驗(yàn)”等名詞層出不窮，在眾多交互方式中最為突出的一種當(dāng)屬語音交互。語音交互，說白了就是采用語音助手等系統(tǒng)級應(yīng)用或者第三方應(yīng)用來對手機(jī)進(jìn)行控制。自蘋果的Siri打開了智能語音助手之門后，各類語音助手野蠻生長，互聯(lián)網(wǎng)巨頭、移動運(yùn)營商、手機(jī)廠商等眾多企業(yè)紛紛涌入，手機(jī)應(yīng)用市場內(nèi)多達(dá)幾十款之多的語音助手讓人看得眼花繚亂，各類內(nèi)置語音操控的智能手機(jī)也陸續(xù)問世。但是，我們會一個(gè)奇怪的現(xiàn)象——并沒有多少人去用它。就連整體性能最優(yōu)的蘋果的Siri助手，我們也鮮少看到有人使用，這是為什么呢?本文就粗略來分析一下。

不確定性

目前，大多數(shù)語音助手對于自然語言識別率已經(jīng)達(dá)到了一個(gè)較高的水準(zhǔn)，對于常用的手機(jī)語音操控短句識別率較高并且擁有極高的響應(yīng)速度。但是，識別并不等同于理解，對于一些復(fù)雜句式的長句，在人看來很正常很容易理解，機(jī)器可能就無法理解。于是，這就導(dǎo)致了一個(gè)不確定性的問題：語音助手大多采取一問一答的方式來處理問題，很多情況下你問了卻沒有回復(fù)，一方面是無法準(zhǔn)確識別語音內(nèi)容，另一方面就是系統(tǒng)可能不支持你的語音控制命令。在使用手機(jī)助手時(shí)，如果經(jīng)常遇到這樣的問題，那就自然有了“說了后未必能得到回復(fù)”或是“可能要再說一遍”的潛意識。重復(fù)幾次失敗后，人們自然會對這種理解能力的東西意興闌珊了。

針對不確定性的兩個(gè)方面，首先固然是語音識別技術(shù)本身，自然語言的算法速率和準(zhǔn)確率需要進(jìn)一步提升，另外，還需要龐大的時(shí)間去機(jī)械地積累語料庫，這些可能只能等待人工智能的進(jìn)一步發(fā)展了。就算不用像人類這樣聰明，其程度也必須要達(dá)到基本通過“圖靈測試”(一種測試機(jī)器是不是具備人類智能的方法。其內(nèi)容是，如果電腦能在5分鐘內(nèi)回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認(rèn)為是人類所答，則電腦通過測試)。

無法排除的環(huán)境干擾

由于手機(jī)使用的場所十分多變，有可能時(shí)常處于聲音極其嘈雜的環(huán)境下，所以要實(shí)現(xiàn)準(zhǔn)確的識別功能，智能設(shè)備也需要像人耳一樣具有排除噪聲的能力。這就涉及到噪聲的過濾，這類良好的噪聲過濾的實(shí)現(xiàn)需要軟硬件共同的努力：硬件上，已有的方法例如使用兩個(gè)麥克風(fēng)進(jìn)行信號收集比對，混合處理，達(dá)到剔除噪聲的目的;軟件上，主要依賴于各類濾波算法的使用，這也是最難的，目前大多還停留在實(shí)驗(yàn)階段，并沒有什么特別成熟的解決方案。

另外，現(xiàn)行的語音操作過程甚至還強(qiáng)迫用戶手動輔助完成，這根本是語音助手類應(yīng)用致命性的缺陷。語音交互的根本目的在于解放人的雙手，人機(jī)的語音交流應(yīng)該是具備相較于“觸摸”更遠(yuǎn)的交互距離。比如你的手機(jī)在桌上，你躺在沙發(fā)上。這時(shí)候你拿手機(jī)會比較麻煩，所以就會用到語音交互的方式。但較遠(yuǎn)的距離也勢必會影響聲音的傳達(dá)，所以除了噪聲過濾算法之外，模糊人聲識別也會成為一個(gè)必要的技術(shù)方向。

無法覆蓋App功能

在三大手機(jī)平臺上，蘋果的Siri、安卓的GoogleNow以及微軟的 Cortana可以說都算不錯的語音助手。但是都有一個(gè)通病，就是基本只限于自身系統(tǒng)這個(gè)層級，無法滲透到APP中去。或者換個(gè)說法，也就是語音助手無法實(shí)現(xiàn)完全語音控制。舉個(gè)例子，使用系統(tǒng)語音助手可以輕松打開一款第三方的音樂播放軟件，但是打開這款軟件后就沒有與之相配套的語音命令了，例如“暫停”、 “下一首”、“調(diào)高/低音量”或重復(fù)播放等等。從技術(shù)角度來說，這種完全語音控制APP幾乎不存在任何障礙，幾乎所有語音命令系統(tǒng)都能理解上述這些簡單的詞匯。解決這個(gè)也只需系統(tǒng)開發(fā)者提供相應(yīng)的語音助手API(應(yīng)用程序接口)即可，可是如今卻沒有一個(gè)廠商愿意這么做。

其實(shí)，這涉及到一個(gè)業(yè)界生態(tài)的問題，雖然語音識別和屏幕觸控都可以通過開發(fā)API的方式在非系統(tǒng)層級應(yīng)用中使用。但語音識別是暫時(shí)是需要通過云端服務(wù)器來實(shí)時(shí)返回結(jié)果的，而不是像屏幕響應(yīng)這樣在本機(jī)上就可以處理完成結(jié)果。那么就算安卓或是iOS開發(fā)出了相應(yīng)的語音識別API，各大應(yīng)用服務(wù)商會允許谷歌或是蘋果深入到應(yīng)用的數(shù)據(jù)上面嗎?

就像騰訊是以中國幾億QQ用戶的關(guān)系鏈數(shù)據(jù)發(fā)家，它是否會允許蘋果在語音識別的API上深入到其數(shù)據(jù)內(nèi)部呢?所以這些也涉及到商業(yè)利益的問題。

隱私及安全問題

在上一節(jié)中提到，語音識別會通過云端服務(wù)器來返回結(jié)果。既然涉及到了云存儲，那么又會帶來隱私與安全的問題。任何一家公司都無法回避這樣的問題，即使是“最好”的蘋果公司也因?yàn)閕Cloud導(dǎo)致的好萊塢女星艷照事件而備受指責(zé)。

撇開個(gè)人隱私不說，這還可能上升至國家信息安全的問題。在今年8月，蘋果公司把中國用戶的數(shù)據(jù)轉(zhuǎn)存至中國電信的云服務(wù)存儲器上。從關(guān)注信息安全的人士看來，蘋果此舉相當(dāng)于“把球踢給了中國政府”。業(yè)內(nèi)人士表示，如果不從法律法規(guī)上對跨境數(shù)據(jù)的流動進(jìn)行規(guī)范和管理，那么即使蘋果等境外互聯(lián)網(wǎng)公司租用中國的服務(wù)器，對于中國的信息安全局勢而言，安全風(fēng)險(xiǎn)并不會降低，而是變得更高。[!--empirenews.page--]

回歸本文，如果語音交互開放到一定程度，未來用戶可能使用語音來輸入賬號、密碼或者進(jìn)行相對私密會話，這類語音信息的安全存儲能否得到保證也值得關(guān)注。

總結(jié)

隨著智能手機(jī)的發(fā)展，關(guān)于語音交互的革命仍然會繼續(xù)，這將是一場持久戰(zhàn)。一項(xiàng)新技術(shù)的誕生到被人們完全接受使用必定要經(jīng)歷一段陣痛?？偟膩碚f，語音控制的未來是光明的，這是一項(xiàng)造福于人類，改變?nèi)藗兩罘绞降男滦图夹g(shù)，讓我們共同期待吧。