多點(diǎn)觸控技術(shù)是具有開創(chuàng)性、革命性的發(fā)明。iPhone手機(jī)憑此技術(shù)，在短短幾年時(shí)間內(nèi)，引領(lǐng)手機(jī)從按鍵時(shí)代進(jìn)入觸控時(shí)代。單就中國手機(jī)市場(chǎng)來看，智能手機(jī)占比已經(jīng)超過90%，而智能手機(jī)的人機(jī)交互方式，基本以觸控為主。
當(dāng)智能手機(jī)創(chuàng)新面臨乏力時(shí)，Google、蘋果等巨頭開始智能硬件創(chuàng)新探索。一方面在于設(shè)備形態(tài)上的創(chuàng)新，如推出谷歌眼鏡、蘋果手表等產(chǎn)品，另一方面是在人機(jī)交互的方式上變革，如從iPhone 4S開始，蘋果力推Siri智能語音助手，語音控制技術(shù)在國內(nèi)外得到熱捧。
一、人機(jī)交互未來發(fā)展三個(gè)發(fā)展趨勢(shì)：多元化、智能化、人格化
人機(jī)交互的歷史可以追溯到18世紀(jì)中期的珍妮紡紗車，即從第一次工業(yè)革命，人們就開始了系統(tǒng)思考人機(jī)交互的問題。20世紀(jì)之后，人機(jī)交互的問題，從工業(yè)領(lǐng)域進(jìn)入到生活領(lǐng)域，這與計(jì)算機(jī)的發(fā)明與普及有很大關(guān)系。進(jìn)入21世紀(jì)，隨著傳感器的普及與應(yīng)用，人機(jī)交互出現(xiàn)了本質(zhì)性變化，正朝著三個(gè)方向發(fā)展。
一是多元化。鍵盤和鼠標(biāo)控制在與計(jì)算機(jī)的交互上應(yīng)用廣泛，觸控主要是在平板電腦和智能手機(jī)的操作上，隨著智能終端種類越來越多，人們對(duì)交互體驗(yàn)要求越來越高，交互方式也越來越多元化，人機(jī)交互體驗(yàn)更加自然、直接。當(dāng)前并存的幾種交互方式是：鍵盤、鼠標(biāo)控制，觸控，語音控制，體感控制，眨眼及眼球控制，甚至是腦波控制�？梢钥闯�，只要是能夠向機(jī)器傳遞出信息的方式，人們都在進(jìn)行探索。
二是智能化。人機(jī)交互的第一階段是人適應(yīng)計(jì)算機(jī)，計(jì)算機(jī)的功能是固有的，交互的意義就在于通過一定的指令獲得相應(yīng)的反饋。而到了第二階段，則是計(jì)算機(jī)逐步適應(yīng)人。比如傳感器的發(fā)展，使得人的各個(gè)器官都可以與機(jī)器進(jìn)行交互；再比如，在下班路上讓家里的空調(diào)自動(dòng)開啟，讓機(jī)器人幫我們做家務(wù)，讓汽車自動(dòng)駕駛等服務(wù)，正在陸續(xù)實(shí)現(xiàn)并在生活中應(yīng)用。
三是人格化。接著上面向人提供更多服務(wù)來談，為你提供服務(wù)的也許沒有一個(gè)機(jī)器人的實(shí)體，但會(huì)讓你感覺到是在與人交互。典型的例子如siri、微軟小冰等語音助理軟件，它們沒有實(shí)體，而是通過大量的語言、語義的學(xué)習(xí)，更加了解人的思維、文化等，在你提出問題時(shí)，它盡可能的去理解你的意思，提供相應(yīng)的答案。從交互體驗(yàn)來講，人們更需要的是，與同伴或者助理之間或親密或輕松的交互氛圍，基于人工智能的交互方式正向這種人格化的方向發(fā)展。
三個(gè)發(fā)展趨勢(shì)現(xiàn)在已有雛形，在接下來的一段時(shí)期內(nèi)，將會(huì)繼續(xù)深化。能夠順應(yīng)這三種趨勢(shì)進(jìn)行人機(jī)交互變革的企業(yè)，將會(huì)在未來發(fā)展中掌握主動(dòng)權(quán)。
二、一段時(shí)期內(nèi)，語音控制將是人機(jī)交互的核心，引領(lǐng)智能硬件創(chuàng)新
包括手機(jī)在內(nèi)的智能硬件面臨創(chuàng)新困境，人機(jī)交互方式變革是一個(gè)較好的切入點(diǎn)。從對(duì)操作個(gè)性化、方便快捷的智能化角度看，無論是鍵盤還是觸控都遠(yuǎn)遠(yuǎn)不能與語音相比，語音才是人類溝通和獲取信息最自然的便捷手段和方式。在未來一段時(shí)期內(nèi)，語音控制方式將是人機(jī)交互的核心。輸入法中加入語音輸入基本已經(jīng)成為標(biāo)配，基于IM軟件的智能機(jī)器人越來越活躍，語音助理軟件、語音搜索也被蘋果、Google等企業(yè)應(yīng)用。
致力于語音控制研究與實(shí)踐的企業(yè)及機(jī)構(gòu)較多。2014年9月業(yè)內(nèi)成立的“智慧語音聯(lián)盟”，將整合產(chǎn)業(yè)鏈上下游的語音技術(shù)和資源優(yōu)勢(shì)，共同完善終端語音生態(tài)系統(tǒng)。這里面有我們耳熟能詳?shù)钠髽I(yè)，包括中興、Nuance、Audience、高德、百度、中國科學(xué)院自動(dòng)化所等。Nuance曾是蘋果語音助手siri的技術(shù)提供商；Audience是音訊芯片解決方案廠商，相關(guān)產(chǎn)品在三星、LG、小米等手機(jī)有所應(yīng)用。需要特別強(qiáng)調(diào)的是中興和百度。
中興看準(zhǔn)的是用戶對(duì)語音控制需求的快速膨脹，遂將智慧語音定位為戰(zhàn)略級(jí)技術(shù)，在人機(jī)交互上解放雙手。應(yīng)用智慧語音的星星系列產(chǎn)品，與蘋果siri不同，是系統(tǒng)級(jí)的語音手機(jī)，能夠用于多種場(chǎng)景，包括撥打電話、駕車、出國旅行、辦公記錄等。試想，當(dāng)你行駛在高速路上需要導(dǎo)航時(shí)，只需說出目的地手機(jī)就能迅速做出反應(yīng)并給出路線圖，是不是更安全、更方便呢。事實(shí)上，中興發(fā)布的星星2號(hào)手機(jī)已經(jīng)可以實(shí)現(xiàn)這一功能，帶來了優(yōu)秀的全語音操控的駕駛模式體驗(yàn)。當(dāng)然，此類的應(yīng)用還有很多，比如出國游，對(duì)于多數(shù)國內(nèi)游客而言語言不通是最大的障礙，而現(xiàn)在用戶只需要對(duì)著星星2號(hào)說出想要表達(dá)的句子或單詞，手機(jī)能快速準(zhǔn)確的實(shí)現(xiàn)翻譯，仿佛有“同聲翻譯”陪伴左右。
中興通訊終端CEO曾學(xué)忠表示：在星星2號(hào)上，中興已經(jīng)實(shí)現(xiàn)了系統(tǒng)級(jí)別的語音控制，基本實(shí)現(xiàn)了對(duì)話式的操控體驗(yàn)。在語音操控方面，我們要做的是突破人機(jī)之間語言的障礙，通過一步步研究的深入，對(duì)交互技術(shù)的深入，從產(chǎn)品設(shè)計(jì)、功能設(shè)定、場(chǎng)景應(yīng)用等方面，深入到心理、語義、語調(diào)、行為乃至情感層面。聲控只是最終的表現(xiàn)，中興要挖掘潛藏在背后的人機(jī)交互的深層。而在產(chǎn)品布局方面，未來3-5年，中興將建立起語音操控的平臺(tái)，以智能手機(jī)為中心，將語音操控的人機(jī)互動(dòng)模式輻射到穿戴、智能家居、汽車等不同領(lǐng)域，推動(dòng)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)的發(fā)展和完善。最終，在以語音操控為核心的人機(jī)交互領(lǐng)域，中興將成為行業(yè)領(lǐng)導(dǎo)者、規(guī)則的制定者。
而百度語音是基于深度學(xué)習(xí)，以百度大腦為基礎(chǔ)的。百度大腦是百度在人工智能時(shí)代的核心智能平臺(tái)。在語音識(shí)別、語義理解上，百度具有較大的優(yōu)勢(shì)。百度公司CEO李彥宏在今年兩會(huì)提案中，還提出建立“中國大腦”計(jì)劃，讓大家在語音識(shí)別、視覺識(shí)別和自然語言理解上進(jìn)行技術(shù)創(chuàng)新。百度同時(shí)也在打造開放的語音平臺(tái)，深度融合百科知識(shí)、地圖路線、問答結(jié)果、天氣等中間頁服務(wù)，向不同行業(yè)提供不同的模板。
曾有人說，打電話撥號(hào)就好，為什么要對(duì)著電話說“打電話給XX”呢？并認(rèn)為語音控制只是噱頭，其實(shí)這是沒有找對(duì)應(yīng)用場(chǎng)景，在大量的生活領(lǐng)域甚至是工作領(lǐng)域，都有需要解放雙手的場(chǎng)景。比如，你正在洗菜為家人準(zhǔn)備晚飯，忽然想電話問問女兒何時(shí)到家，但雙手沾滿了水騰不出來，這時(shí)候星星2號(hào)就體現(xiàn)出優(yōu)勢(shì)了，“打電話給女兒”兩個(gè)字就能讓你順利撥打電話而不用停下手中的活，諸如此類場(chǎng)景還有很多�？梢韵胂笤谖磥淼闹悄苌钪校悄芷囆枰訌氐椎倪x擇語音控制，觸控、手勢(shì)和眼睛都不理想；智能電視會(huì)給觸控留下生存的機(jī)會(huì)嗎？如果是的話，僅停留在部分遙控器上；智能手表、眼睛等可穿戴設(shè)備，太小的屏幕和特殊的位置，語音控制的優(yōu)勢(shì)更加明顯。
當(dāng)前，語音控制確實(shí)存在一定的問題，如語音識(shí)別的準(zhǔn)確性和交互的人性化等，但不要低估它五到十年的未來。隨著語音控制交互方式更加智能化、人格化的發(fā)展，其潛力將會(huì)被不斷激發(fā)出來。
