語音輸入技術是一座橋樑，但並不能顛覆一切

在過去三年里，語音輸入作為一項可選擇性的用戶界面，獲得了很大的吸引力。事實上，許多人將2017年稱為語音之年。這使得大規模的資金湧入語言項目，以其作為一個投資平台。（例如Alexa、谷歌家居、Siri、Bixby等）然而，在所有的投資和創新中，了解語音界面的具體含義，並且了解其替代的主體是至關重要的。

語音是一種輸入機制

語音最開始是一種輸入機制。通過大量的機械化基礎設置，你輸入命令、文本、聲音等，並通過一些機制翻譯、使用這些信息，最終得到你想要的。在這種情況下，聲音往往只是簡單的輸入移位機制。我們正在從單擊按鈕或者打字轉換到使用語音，使用自然語言處理技術去創造類似的輸入。

語音是一種輸入功能，它取代了目前的輸入模式（打字、單擊按鈕等）。

在一些情況下，語音輸入常常比手動輸入更加方便，至少它在一定程度上減少了「摩擦力」。舉個例子來說，如果你有Alexa這個軟體，你可以簡單問它：「Alexa，今天的天氣怎麼樣？」然而如果使用手動輸入，你將不得不拿出你的手機，找到相關的天氣軟體，或者到谷歌上查詢。雖然這看起來似乎只有很小的差異，但語音輸入往往是更加便捷的。考慮到整個過程，結果常常是相似的。一種是視覺上的，一種是聽覺上的，同樣的信息被利用，並且同時呈現在用戶面前。

語音是顛覆性的嗎？

「破壞」（或「顛覆」、「革命」）這個詞在我們身邊被多次使用，這幾乎成了一個每個人都喜歡用的熱門辭彙，但是很少人用它表示一些實際含義。我認為破壞行為在基礎上顯著的改變了系統輸入機制、功能機制、或者輸出機制，從而推動其他模式的出局。的確，在現在，語音正在扮演者一個這樣的身份，但是它並沒有像其他破壞性的科技那樣無處不在，它沒有明顯讓人感覺到改變正在發生。

我會進一步深入研究以此證明語音永遠不會變成破壞性科技所有的樣子。語音根本不是「輸入>功能>輸出」機制的優化（並不是說真的有一個「最優」狀態）。總而言之，傳統機制的「最優」狀態不是讓輸入本身變得簡單（在這方面，語音也往往難以或者不能做到），而是消除所需的輸入量或者將輸入行為一同省去。

語音依然存在在與聊天機器人，SMS助手，以及其他依然高度依靠輸入的機制中，但是真正的破壞是理解上下文並且不需要任何輸入行為的。這一階段是以AI、學習機器以及輔導網路的形式出現的，在今天依然保持著新鮮度。

一個「無輸入」的未來世界

現在，不需要輸入的世界是獨特的，因為這需要嘗試完成以下任務的功能：1）尋找相關數據；2）將相關數據語境化；3）使用相關數據創建有意義的輸出。這樣可以使現有的模型不被消除，而是使其在不需要人為操作的前提下實現自動化。

例如，當你到達某地時，電腦可能需要提前為您訂購麥當勞的早餐。因此它可能必須及時發現你即將要離開公寓，並且知道製作一個Egg McMuffin需要3.2分鐘，你的通勤時間是5.1分鐘，你喜歡在早上喝一杯咖啡。所以它收集所有的信息，將數據整體考慮，將其發送給麥當勞餐廳，以便他們可以準時製作出你的早餐。

現在，你也可以告訴你的手機「我要出門了」，並且輸入麥當勞的地址以及你想要的早餐。但是真正的魔力是機器已經了解了所有的事情。

這顯然是一種基於我們的能力去創建應用程序和UI的方法。但是這才是真正的最佳狀態。想像一下，在這件情況中，語音是否發揮了作用。這可能依然是今天和全自動化之間的差距。但是在漫長的過程中，它能夠平衡兩者從而為未來做好準備。

對於大多數投資語音項目的公司來說，投資語音平台需要很強的洞察力。如果著眼於未來的話，這項技術還是很值得投資的。

來源：36氪http://36kr.com/p/5077207.html

GIF/1076K

點擊【分享到朋友圈】並關注【人民日報數字上海】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！