大家平時有使用手機語音助手的習慣嗎？

(資料圖)

作為人工智能技術在我們日常生活中最直觀的應用，手機的智能語音助手卻總是以一副“人工智障”的面孔出現(xiàn)在大家身邊。無論是外來的Alexa、Google Assistant、Siri還是國內的小愛、小度，由于其智能程度和真正的“人類”還差很長一段距離，這也導致我們能在網(wǎng)上找到許多“戲?！闭Z音助手，讓它進入死鎖不斷循環(huán)的有趣場面。

而蘋果的Siri，毫無疑問就是“人工智障”中的“佼佼者”。

對于Siri的“智能”程度，一句話來概括就是“甚至還不如聯(lián)通的語音機器人”，畢竟即使是聯(lián)通的機器客服，也只會在聽到“機器人”這個關鍵詞后播放語音回復，而蘋果的Siri可是能在成語接龍中被“為所欲為”自己進入無限循環(huán)的存在。

圖片來源：Apple

不過從工作原理來說，Siri能有這樣的“人工智障”表現(xiàn)其實也說得過去：Siri是目前手機語音助手中為數(shù)不多的可以選擇不向蘋果分享數(shù)據(jù)、甚至可以只在設備本地運行的語音助手。這些對用戶信息的隱私處理讓Siri成為了可能是“發(fā)展最慢”的語音助手——Siri的第一個初始版本誕生于2011年10月，誕生至今已經(jīng)超越10年。但在部分冠軍愛你功能上，Siri能實現(xiàn)的甚至還不如一些國內公司的“后起之輩”。

不過對于廣大Siri用戶來說，未來使用Siri的體驗有望踏上一個全新的臺階，因為Siri終于要迎來一個“史詩級”的升級：

以后使用Siri時，不再需要喊“Hey Siri”了，直接喊Siri就可以了。

取消喚醒詞有多難？

說實話，取消“Hey”直接“Siri”并不能從根本解決Siri不好用這個問題，無論你怎么縮減Siri的喚醒詞，Siri能實現(xiàn)的功能依舊只有這么點：你依然沒辦法用一句話讓Siri控制兩個不同的智能家電，也不能阻止Siri用網(wǎng)頁搜索的結果回復你提出的復雜問題，更不能像Google Assistant或小愛同學那樣幫你自動接電話。

但從技術層面來看，取消“Hey”直接“Siri”背后的技術挑戰(zhàn)其實并不簡單。

可能有人認為取消“Hey”背后沒什么單獨，甚至有效降低了Siri識別用戶語音所消耗的時間。如果我們只是簡單把“Hey”從喚醒詞中移除，那確實很簡單。但在此之前，我們還需要考慮另一個問題：如何保證用戶是真的需要喚醒語音助手？

圖片來源：Apple

不能理解？那我們就要從語音助手喚醒詞背后的選擇條件開始說起了。怎樣的短語才是一個“好的”語音喚醒詞？從產(chǎn)品的角度來看，除了便于傳播之外我們還要考慮兩個從一定程度上互斥的因素：容易觸發(fā)和不容易誤觸。

我們先說第一個“容易觸發(fā)”的問題，顧名思義，語音助手的喚醒詞一定要容易觸發(fā)，具體來說就是這個喚醒詞必須好讀、不容易讀錯，同時也不能太長，最好讓用戶可以在一句話里一口氣說完喚醒詞和語音指令。

但另一方面，喚醒詞也不能太短，更不能是日常生活中的高頻常用詞。試想一下如果Siri的觸發(fā)詞時“Hey”，那高頻誤觸只會讓Siri變得更加難用。更重要的是觸發(fā)詞必須具有“排他性”，即當用戶說出“觸發(fā)詞”時，用戶想且只想觸發(fā)語音助手。亞馬遜的Alexa就是語音助手在誤觸這方面的典型代表：

由于亞馬遜語音助手Alexa名字過于大眾，且智能設備的觸發(fā)靈敏度過高，這些設備會對日常生活中所有的“Alexa”做出響應，甚至會被電影電視劇中包含Alexa的臺詞喚醒。這也是從喚醒詞中去掉“Hey”背后的技術難點：修改喚醒詞很容易，但在縮短喚醒詞后避免語音助手誤觸，這并不簡單。

智能的邊界在哪里？

當然有人認為語音助手誤觸無所謂，畢竟誤觸也就手機上的事，把懸浮球劃掉不就好了。但事實并非如此，語音助手觸發(fā)詞背后其實還藏著更長遠的問題：智能助手的邊界應該在哪里？

在各企業(yè)的設想中，智能助手就像是一個貼心的“管家”，這一點在智能家居品牌中尤為常見：作為用戶的我們只要一開口，家里的電器就會自動工作。如果大家有見過TikTok上關于“智能生活”的設想，一定對這種生活“有所耳聞”。

但實際上，還需要依靠語音交互的智能家居已經(jīng)是智能家居2.0時代的“過時產(chǎn)物”了，在智能家居3.0中，智能助手不再需要你的語音指令，就可以在幕后“觀察”用戶的狀態(tài)并

圖片來源：Veer圖庫授權

“主動出擊”調整智能家居的設置。在智能家居體系中，這個特性叫“無感化”，即用戶不需要給出實質性指令（語音、文字或機械開關），智能家居系統(tǒng)就會根據(jù)用戶的實際狀況主動響應。

在技術成熟的情況下，一個優(yōu)秀的智能家居系統(tǒng)能主動識別用戶的真實場景。但對部分關注個人隱私的用戶來說，這種時刻被機器、算法甚至屏幕背后的人觀察的生活卻一刻都不能忍受。這種體驗從好的方面看叫“無感化”，但從另一面看，這仿佛就在“黑鏡”中生活，是魚缸中的“人類生活觀察樣本”。

以此次話題中心的Hey Siri為例：既然我們可以只用Siri來喚醒Siri，那這至少意味著兩件事：

1. 手機時時刻刻在錄音，以響應我的語音喚醒；

2. 手機在錄音后還會經(jīng)過處理，明白我說的話是什么意思，知道我什么時候想喚醒Siri，什么時候只是說話時提到。

而與其他智能助手不同的是，Siri在這里保持著高度的“克制”，即使Siri能做到剛剛提到的兩件事，但設備端處理的機制保證錄音數(shù)據(jù)只會保存在手機本地，不會上傳到其他服務器中（飛行模式可以證明這一點）；另外本地數(shù)據(jù)也在硬件加密設備中保存。

但從iPhone 4S的長按觸發(fā)Siri到后來的語音觸發(fā)Siri，再到手表的“抬腕”喚醒以及未來的“免Hey直接Siri”，可以預見的是智能語音助手必將進一步朝著“無感化”進發(fā)。至于未來的語音助手還能不能把持住功能與隱私之間的界限，以及絕大多數(shù)用戶究竟擔不擔心自己被“大數(shù)據(jù)”，之前魅族的“三零手機”的市場回應已經(jīng)給了我們的答案。

關鍵詞： 什么時候 也不能太