Siri，蘋果新發(fā)布的手機(jī)iPhone 4S的語音助手功能，正在成為大家熱議的話題，而我們預(yù)言，它極有可能開啟個(gè)人電腦類產(chǎn)品應(yīng)用的新篇章，人機(jī)交互將真正進(jìn)入大家的生活。
智慧誘人的Siri帶來人機(jī)交互熱
一場(chǎng)并不那么精彩的發(fā)布會(huì)，蘋果的iPhone 4S發(fā)布了。大家對(duì)iPhone 4S在硬件端缺乏創(chuàng)新很失望。不過，敏銳的我們發(fā)現(xiàn)了Siri這一功能，這個(gè)基于語音交互的助手功能將成為iPhone 4S的最大賣點(diǎn)。
事情的發(fā)展正如我們預(yù)料的那樣，現(xiàn)在，Siri語音助手已經(jīng)成為全球熱議的話題，iPhone 4S熱賣，而且用戶發(fā)現(xiàn)Siri能夠幫助我們通過語音輕松完成很多事情，比如：閱讀并回復(fù)短信、介紹餐廳（位置、名稱）、詢問天氣、設(shè)置鬧鐘、查看日程等。
不過大家更著迷于她的神奇：買iPhone 4S后用戶都沖著Siri那優(yōu)美的女聲提出各種稀奇古怪的問題來看她的反應(yīng)。這些問題甚至包括了“你穿的什么衣服”，“生命的意義是什么”，甚至有不少人沖著她嚷嚷“我愛你”。讓人驚嘆的是，Siri完全理解這些問題，且懂得如何婉轉(zhuǎn)而詼諧地回答，且知道如何在法律范疇內(nèi)引導(dǎo)大家的行為。針對(duì)前面兩個(gè)問題，她的回答是“你怎么總是要問我這個(gè)呢”；“生命：一種原則或力量，被認(rèn)為是獨(dú)特動(dòng)態(tài)存在的基礎(chǔ)。我想我也算是一種生命”。而對(duì)于“我愛你”之類的告白，Siri則會(huì)說“我希望你不會(huì)對(duì)別的手機(jī)也這樣說”。她甚至能夠?qū)B續(xù)性的問題給出符合人類邏輯的不同回答。有人連續(xù)向Siri“求婚”三次，第一次Siri回答：“聽起來很甜蜜，不過我還有什么可以幫你的嗎？”第二次回答：“讓我們只做朋友，好嗎？”第三次Siri干脆攤牌了：“我的用戶協(xié)議沒有包括和你結(jié)婚，我很抱歉。”
很顯然，Siri是智慧的，智慧得令人驚嘆、智慧得誘惑，智慧得令人愛。難怪在iPhone 4S熱銷缺貨的同時(shí)，黑客都在致力于將智慧且誘人的Siri移植到其他iOS設(shè)備上。視頻網(wǎng)站上，關(guān)于Siri問答的視頻也被瘋狂點(diǎn)擊。而大量開發(fā)類似軟件的廠商，也在近期跳出來表示他們的軟件也很好……
一場(chǎng)人機(jī)交互熱正在到來！
Siri現(xiàn)在成了最熱門的應(yīng)用，事實(shí)上，它正在引領(lǐng)人機(jī)交互的大潮
Siri背后的技術(shù)
Siri的神奇和強(qiáng)大，是如何實(shí)現(xiàn)的？有人說她的背后是“印度云”，用戶在語音提問時(shí)，iPhone 4S就偷偷接通了遠(yuǎn)在印度的CALL CENTER（呼叫中心），那邊的印度工程師瘋狂地打字回答，iPhone 4S端再轉(zhuǎn)換為語音回給用戶——當(dāng)然，這只是個(gè)玩笑。
Siri的背后，其實(shí)是眾多技術(shù)的結(jié)合，總體來看是兩大類：人工智能和云計(jì)算。如果非要綜合描述成一個(gè)概念，則是“計(jì)算技術(shù)”，而這一計(jì)算技術(shù)又是很多類技術(shù)整合而成的。下面，我們來對(duì)Siri進(jìn)行一個(gè)大概的技術(shù)分拆（目的是讓大家理解分類的技術(shù)，Siri的每個(gè)部分不一定就是采用的下文所舉例的技術(shù)）。
首先，在前端（面向用戶）的，是用戶交互技術(shù)（從表象來看，也就是我們平時(shí)所說的人機(jī)交互），主要是語音識(shí)別及語音合成技術(shù)。語音識(shí)別技術(shù)把用戶的口語轉(zhuǎn)化成文字，其中需要強(qiáng)大的語音知識(shí)庫，因此需要用到云計(jì)算。而語音合成則是把返回的文字結(jié)果重新轉(zhuǎn)化成語音輸出，這一步理論上本地就能完成。
其次是后臺(tái)技術(shù)，這才是重角兒。這些技術(shù)的目的就是處理用戶的請(qǐng)求，并返回最匹配的結(jié)果。因?yàn)檎?qǐng)求類型超多，且千奇百怪，要處理好可不簡(jiǎn)單�；镜慕Y(jié)構(gòu)可能是分析用戶的輸入（已轉(zhuǎn)化為文本），根據(jù)輸入類型，分別采用對(duì)應(yīng)的后臺(tái)進(jìn)行處理。這些對(duì)應(yīng)的后臺(tái)包括：①以Google為代表的網(wǎng)頁搜索技術(shù)；②以Wolfram Alpha為代表的知識(shí)搜索技術(shù)（或知識(shí)計(jì)算技術(shù)，百度框計(jì)算與之有些類似）；③以維基百科為代表的知識(shí)庫技術(shù)（包括其他百科，如電影百科等）；④以Yelp（可以理解為國(guó)外的大眾點(diǎn)評(píng)網(wǎng)）為代表的問答以及推薦技術(shù)。當(dāng)然，未來也許還會(huì)有更多的后臺(tái)技術(shù)。
例如，當(dāng)你詢問某個(gè)酒店在哪里時(shí)，Google的網(wǎng)頁搜索和地圖搜索就會(huì)派上用場(chǎng)；當(dāng)你要詢問NVIDIA是什么時(shí)，維基百科的信息就會(huì)被直接調(diào)用；而你要了解附近哪些餐館各自有什么特色時(shí)，谷歌和Yelp就會(huì)同時(shí)起作用。
總體來說，Siri不是某一種獨(dú)立的技術(shù)，而是將若干現(xiàn)有技術(shù)進(jìn)行了整合。這些技術(shù)并非革命性的，但當(dāng)它們整合后，在用戶面前就展現(xiàn)出了神奇的一面。
語音人機(jī)交互的技術(shù)模型
為什么是手機(jī)
如果你比較喜歡研究各種計(jì)算技術(shù)，以上技術(shù)你應(yīng)該不會(huì)陌生。說白了，很多人都或多或少地用過以上提到的技術(shù)，只是因?yàn)橥Ａ粼趹?yīng)用層面，沒有把它們技術(shù)化罷了。無論是語音識(shí)別、語音合成，還是各種后臺(tái)計(jì)算技術(shù)，其實(shí)PC上都有。那么，為什么它在智能手機(jī)上一炮而紅？
整合，是一個(gè)原因，也是很重要的原因。在目前的科技公司中，對(duì)技術(shù)分類得非常詳盡，每個(gè)公司都在某一個(gè)領(lǐng)域鉆研得非常深，但想到要把它們整合起來的公司并不多。Siri做到了，喬布斯看到了，并把它收購(gòu)了，專為自己所用（再次贊一下已逝去的喬布斯的眼力）。
另外，“給出回應(yīng)”也是重要原因。其實(shí)語音識(shí)別并進(jìn)行相應(yīng)的動(dòng)作，這一點(diǎn)很多廠商都在做，也有很多產(chǎn)品。例如桌面Windows系統(tǒng)和Windows Phone系統(tǒng)上就有語音控制和語音搜索功能。但是它缺乏智能的語言反饋，更沒有想到要把這種反饋合成為誘人的人聲來回應(yīng)用戶——這兩點(diǎn)中，語音合成技術(shù)不算難，但很多廠商都沒想到。
最后，也是最關(guān)鍵的原因：智能手機(jī)是隨身攜帶的。它的硬件雖然已經(jīng)“PC化”，比較強(qiáng)大，但輸入依舊是個(gè)麻煩事兒，而基于語音的交互恰好是最理想的解決方案。另外，智能手機(jī)還有很多PC不具備的特性：例如地理位置定位、聯(lián)系人列表、人們總是通過它在移動(dòng)中解決問題。這些，也都為語音交互提供了更多更豐富的功能點(diǎn)。這一切因素的整合，促成了Siri，也促成了她在智能手機(jī)上的一炮而紅。
不只是手機(jī)：從PC中來到PC中去
有一點(diǎn)是不言而喻的，隨著Siri的出現(xiàn)，下一波智能手機(jī)的應(yīng)用熱潮肯定是人機(jī)交互應(yīng)用了。《會(huì)說話的湯姆貓》這類變聲軟件將迅速淪為小兒科（其實(shí)它本來也是小兒科）。會(huì)有越來越多的“Siri”涌現(xiàn)。
實(shí)際上正如前文所述，目前黑客們已經(jīng)在忙著將Siri移植到其他iOS系統(tǒng)移動(dòng)設(shè)備上，例如iPad，但目前能夠完成移植，Siri卻還無法連接服務(wù)器（云端），也就是說基本不可用。但我們相信，這種應(yīng)用一旦出現(xiàn)，就會(huì)有大量的開發(fā)商蜂擁而至。在Android上、在Windows Phone上，也會(huì)涌現(xiàn)類似的應(yīng)用。事實(shí)上我們有理由相信，具備人機(jī)交互功能的語音助手將成為未來智能手機(jī)能否成功占領(lǐng)市場(chǎng)的關(guān)鍵點(diǎn)之一。
不過，我們認(rèn)為Siri開啟的，不僅僅是手機(jī)應(yīng)用的新篇章，而是整個(gè)PC應(yīng)用的新篇章（其實(shí)，智能手機(jī)也算是PC——個(gè)人電腦的一種形態(tài)）。未來，在平板上，在上網(wǎng)本上，在Ultrabook上，在傳統(tǒng)筆記本上，在一體機(jī)和臺(tái)式機(jī)上，甚至在工作站上，基于語音的人機(jī)交互系統(tǒng)將大放異彩。
這樣說是有根據(jù)的，首先，在微軟全新的手機(jī)操作系統(tǒng)Windows Phone上，已經(jīng)有了語音控制。而Windows 8和Windows Phone 8的統(tǒng)一，也會(huì)讓語音控制更加普及。而且，在PC端長(zhǎng)期以老大自居的微軟肯定不會(huì)坐視蘋果借Siri霸占手機(jī)市場(chǎng)，肯定會(huì)對(duì)現(xiàn)有的語音控制進(jìn)行改良做到人機(jī)交互。在未來的Win8和Windows Phone 8上，語音人機(jī)交互是完全有可能出現(xiàn)的。
而且，前面說了，Siri整合的技術(shù)，實(shí)際上是各種現(xiàn)有的，基于PC開發(fā)的技術(shù)，每個(gè)獨(dú)立的技術(shù)都在PC端有獨(dú)立的應(yīng)用。Google的搜索大家都異常熟悉了；維基百科、百度百科用過的人也不在少數(shù)；大眾點(diǎn)評(píng)這類網(wǎng)站也是非常熱的。語音控制電腦操作也已相當(dāng)成熟（見注解1），只是由于缺乏足夠的吸引力和宣傳，用者寥寥罷了。只要做好自然語言的識(shí)別和理解，加上云端的自然語言知識(shí)搜索系統(tǒng)，以及語音合成回饋技術(shù)，這些來自于PC，經(jīng)整合后在智能手機(jī)上大放異彩的技術(shù)，完全可以再回到PC中，在性能強(qiáng)大得多的PC上扮演更具誘惑力的個(gè)人語音助手，甚至是“商務(wù)助手”、“辦公助手”、“專業(yè)設(shè)計(jì)助手”等各種角色。我們甚至可以期待數(shù)字家電成型后，通過語音助手控制電腦，進(jìn)一步完成對(duì)所有家電的控制。想遠(yuǎn)點(diǎn)，或許幾年后，我會(huì)對(duì)著電腦說：請(qǐng)幫我關(guān)閉家里的電視，另外繳納上兩個(gè)月的電費(fèi)，同時(shí)預(yù)訂下午2點(diǎn)使用會(huì)議室，另外在下午5點(diǎn)30分給家里打電話告訴家人我加班不回家吃飯，并在最近的必勝客幫我訂一塊肉香滿溢披薩上門”。我的電腦就會(huì)聯(lián)合手機(jī)，完成我所有的安排，并自動(dòng)詢問我披薩送上門的時(shí)間，還自動(dòng)將繳費(fèi)發(fā)票信息提交到我的電腦屏幕上……
一場(chǎng)關(guān)于個(gè)人電腦應(yīng)用革命的大門正在被開啟！這一切令我們激動(dòng)！我們無比期待！
Windows上其實(shí)也有非常成熟的語音控制系統(tǒng)，不過智能的人機(jī)交流是它匱乏的，但未來前景會(huì)很驚人
注解1：
目前PC上的語音控制操作已相當(dāng)成熟，包括中文在內(nèi)的語音識(shí)別也已很不錯(cuò)。Win7自帶語音控制（叫作“語音識(shí)別”），你只要在稍微安靜點(diǎn)的地方經(jīng)過20分鐘左右的“適應(yīng)訓(xùn)練”，基本上Win7上的絕大部分操作都可以用語音進(jìn)行控制，包括專業(yè)軟件操作。
其實(shí)很多操控通過語音的確非�？旖�，比如平時(shí)我們要開啟計(jì)算器、寫字板、記事本等小軟件是很麻煩的，而通過語音控制，你只需說出“開啟XXX”即可打開對(duì)應(yīng)軟件，且可進(jìn)行語音輸入。
關(guān)于語音人機(jī)交互的熱點(diǎn)問題解答
1、Siri是專門給蘋果iPhone 4S準(zhǔn)備的嗎？Android系統(tǒng)上有嗎？
Siri本來是App Store上的一個(gè)應(yīng)用，不過前期被喬布斯相中了，買了下來，現(xiàn)在專屬于蘋果的iPhone 4S。我們相信未來會(huì)植入新款iPhone甚至iPad中，但Android系統(tǒng)上……恐怕有點(diǎn)難了。
2、Siri能夠聽得懂并會(huì)說漢語嗎？
這小妞目前只會(huì)英語、法語和德語，不過蘋果公司已經(jīng)承諾，會(huì)在2012年推出支持漢語、日語、韓語、意大利語及西班牙語的Siri。
3、還有哪些操作系統(tǒng)或者說產(chǎn)品上有語音助手這種好玩的東東呢？
你的電腦的Windows上就有，Win7上的“語音識(shí)別”就比較好用。另外Windows Phone 7上也有語音控制功能，比如你可以詢問手機(jī)某個(gè)地方怎么走。不過，這些應(yīng)用都不會(huì)給你幽默有趣的語音反饋，說簡(jiǎn)單點(diǎn)就是：只會(huì)照著你說的做，不會(huì)智能地和你聊天。
Andorid系統(tǒng)上有兩個(gè)軟件倒是值得關(guān)注：Vlingo和Speaktoit�？傮w來說，Vlingo和PC上的語音識(shí)別相差不多，只能算是執(zhí)行命令的“機(jī)器”，而Speaktoit則非常智能，比較類似于Siri，能夠和你智能對(duì)話，只是沒有Siri那么“幽默”。
WP7上的語音控制基本就是“我說你照做”，不過相信微軟對(duì)Siri不會(huì)視而不見的，肯定會(huì)進(jìn)行改進(jìn)
Android系統(tǒng)上的Speaktoit和Siri有一拼
4、那么智慧的Siri和Speaktoit是不是能回答我的所有問題呢？
她們足以讓你感到吃驚了，但并非能夠給你所有的問題予你想要的回答。當(dāng)然，我這么說了也沒用，你肯定還是會(huì)問她們各種問題的^__^。自己試試看吧。
