新时代的人机交互

语音技术的进步增强了电脑的理解能力,减少了对其的恐惧

英国科幻小说家 Arthuc C.Clarke 的笔记提到,

任何科技得到足够的进步时与魔术之间就难以区分了。

计算机语音技术的快速进步。使用这种技术就像念咒语一样,对着空气说几个词,然后在附近的设备就会响应你的命令。

亚马逊出了一款放在桌面的圆柱形的语音设备 Echo,里面的的语音助手叫做 Alexa。你可以叫他播放音乐和电台节目,讲笑话,回答一些琐碎的问题,甚至还能控制一些智能家具。截止至圣诞节前的数据,美国大约有 4% 的家庭拥有该设备,而且语音助手的数量在智能手机上快速增加。苹果公司的 Siri 每周要处理两百万的条命令。美国的安卓用户有 20% 使用 Google 搜索时是用语音输入关键字的。现在用语音来写电子邮件和短信的准确率已经足够令人满意了,那么我们可以用语音输入的时候我们为什么要打字呢?

Amazon 官网上的 echo 的图片
Amazon 官网上的 echo 的图片

语音输入这是非常大的转变。这好像变得变得足够简单,通过使用自然的语句,语音是一种强大的文字转换解决方式。窗口,图标,菜单还有触摸屏,更加喜欢用自然的方式来与计算机交互而不是用键盘输入复杂的命令。

但是不管怎么样在能够与电脑进行沟通前我们需要一个好看的外观。类似于把手机天线隐藏掉,汽车的运输货物时也不再需要用马来拉,因此相对与目前的人们能想到的语音技术,没有屏幕和键盘的电脑可能更加有效,强大和普遍。

语音技术不会完全取代其他形式的输入或输出,有时仍然会使用打字而不是语音( Amazon 说也可以使用 Echo 上的屏幕来实现交互)的方式来与机器进行交互。但是语音可以增加了大量被科技包围的用户间的互动分享。例如洗衣机上的虚拟助手会通过你指定的控制中心告诉你转了多少次。但是,为了发掘全部潜能,需要更加超前的技术还有一系列在方便与隐私之间进行权衡的问题。

Alexa,它是深度学习的吗?

语音识别系统已经出现一年多了,但它还是不可靠而且需要长时间的训练识别才能知道用户的声音。现在计算机借助深度学习这一新「技能」可以不通过训练而且可靠的辨识几乎所有的人的声音。深度学习是使用从互联网上获取的数百万的样本来训练机器,时期具有类似人的智力的一个软件系统。借助深度学习,现在机器具有接近用人来翻译的精确程度,将结果存入翻译系统可以快速提高它的能力,而且机器将语言说出来的时候声音更加自然而不会非常像生硬。总得来说,在各种形式中计算机可以更好的处理自然语言。

虽然深度学习可以使机器辨认说话者更加可靠而且使机器发出的声音更加自然,但是仍然无法理解所说的话的含义。这在所有的因素中是最困难的问题。如果语音设备足够多的话,这个问题可能可以解决。计算机必须要理解其中的内容才能维持连贯的谈话而不是做一些简单的反馈。据调查,一天中使用最多的一条语音命令是「Hey,Siri,设10分钟记时」。大大小小的在大学里和公司里的研究人员都在研究怎么解决这个问题,创建一个「机器人」可以处理更多详细谈话中的复杂内容,例如从获取信息来劝告使用者在抵押贷款来指定旅游计划。(此外,Amazon 悬赏一百万美金在20分钟机器人与人的交流中,机器人具有连贯性和有吸引力的人)

当自然对话代替固定指令时

顾客和监管机构在计算机语音的发展上总是扮演了一个决定性的角色。即使在目前,相对原始的模型已经形成,科技公司处在一个左右为难的位置。实现语音驾驶系统个性化推荐最有用的方法就是使用广泛的个人数据,例如日历,邮件和其他敏感信息。这会增加对隐私和安全的担心。

为了应对未来复杂的事情,许多语音驾驶设备会一直在监听和等待被使用者激活,一些人已经担心会暗中通过互联网来连接麦克风来监听每一间房间和每一台智能手机。其实,不是所有的声音都会发送到云端,设备在开始回应使用者的语音前会等待一些关键词(例如:「Alexa」,「OK,Google」,「Hey,小娜」或者「Hey,Siri」)才会作出对应的回答。但当在存储的语音时,机器是分不清要储存什么和什么时候储存的。

据警察在 Arkansas 调查谋杀犯的时候,他们无意中听到 Amazon Echo 用语音在回答公司的许可证时才将犯人抓获。由于目前的法律条文还不太清析。Amazon 拒绝与其合作调查,(与隐私拥护者)争论。类似的状况也发生在 2016 苹果拒绝 FBI 的请求去解锁恐怖分子的手机[1]。这两件事都放映需要特别的规章来界定面对安全问题时,在什么时候和以怎样的方式来获得个人隐私。

消费者将会适应用语音使用计算机,即使现在还有很多问题没有解决。在很多情况下,语音比起其他的沟通反思更加方便和更加自然。独一无二的交互方式,它可以被用来做一些其他的事情(驾驶,工作中或者在街上行走)。它可以扩展计算机人类无法实现的能力,除了用屏幕和键盘。它不仅会对计算机产生巨大的影响,而且还会对语言本身的使用产生巨大的影响。电脑化的同声翻译可以使不相关的不同外语使用自由交流;而在一个世界里,机器会说话,这样小语种可能更容易生存。触摸屏的到来是过去人类与计算机的交互方式最大的转变。但语音的飞跃更重要。


  1. [事件的经过参考] ( http://technews.tw/2016/03/04/apple-and-the-fbi-are-in-the-middle-of-a-huge-battle-that-could-affect-the-privacy-of-millions-of-people-heres-everything-thats-happened-so-far/ )

推荐阅读更多精彩内容