天猫精灵的野心，或许是让智能音箱成为家庭新伴侣

2017-07-07 10:40来源:「I/O」

原标题：天猫精灵的野心，或许是让智能音箱成为家庭新伴侣

传闻中的阿里巴巴智能音箱产品终于落地。作为阿里人工智能实验室的第一款产品，这款名叫「天猫精灵」的智能音箱产品同时也是阿里巴巴 NASA 计划的重要探索之一。

关于这款产品的技术参数、功能的讨论已经非常多，这样的讨论往往会局限在技术层面的对比，而在当下智能音箱市场诸侯纷争的大背景里，任何一款产品都会被贴上「同质化」的标签，而如果从计算设备演进的角度入手，则可以更精确理解天猫精灵之于用户以及阿里的意义。

计算设备的发展历史也是人机交互的历史。

首先表现在交互方式上。从鼠标键盘的 PC 时代到手指触摸屏的移动互联网时代，支配每一次交互方式变革的动力只有一个，那就是减少人与设备之间的「中介」。以十年前出现的 iPhone 为例，j2直播，它绝不是第一款智能手机也不是第一款触屏手机，但却是第一款以手指触控操作来定义交互方式的手机——它直接取消了人与手机交互过程的其他中介，比如物理键盘、比如触控笔，在 iPhone 的交互体系，所有的交互都围绕手指与屏幕的接触展开，由此也引发了人类历史上伟大的移动互联网革命。

其次，人机交互的第二层意义则是机器开始变得越来越「聪明」。所谓「聪明」体现在人与机器交互过程中，机器越来越少地询问问题，而是「学会」自己处理问题，比如现在当你使用手机这样的计算设备时，它不会再问「你想把文件存到哪里？」、「你想整理手机相册吗？」，但同时又出现了一些新问题：「你想看哪一位朋友的状态更新？」、「你想吃什么口味的冰淇淋？」等等。

上述问题的变化更像是从简单的「yes/no」的二元回答转向更多元的回答，这背后是计算的改进，是人工智能发展的体现，更是人机交互进入一个全新阶段的开始。在 2016 年「互联网女皇」Mary Meeker 的互联网报告里有一副这样的图：

这是一个颇具前瞻性的预测，Meeker 将语音放在如此重要的层面，一方面是语音识别、语音合成技术的大幅提升，使机器具备了交互的基本功能，开奖，另一方面，语音作为人类最天然最原始的交互方式，将赋予机器更具人性化的价值，这是鼠标、键盘所不能媲美的交互方式，同时也是一种最能体现家庭伴侣的交互方式，想象一下，你心目中的家庭伴侣或家庭机器人，难道还停留在打字交互的层面？

这也是过去一年多来国内外互联网巨头频频推出智能音箱的原因，这些产品毫无例外都押注于语音交互，但其中的诸多产品并不足以成为所谓家庭伴侣，毕竟，语音只是一个功能——一如当年诺基亚为对抗 iPhone 而推出的触屏手机，但推动基于语音交互的音箱真正成为家庭伴侣，却另有原因。

对于任何语音交互产品，从「听见」到「听懂」的距离，或许就是决定这款产品生或死的唯一判断标准，这个差异的背后，第一层的解释当然是技术。当你在客厅使用任何一款智能音箱的语音命令时，环境杂音都会成为「听懂」的障碍，而且，每个家庭环境里的噪音状况各有不同，这也给智能音箱提出了更多技术上的挑战。而在天猫精灵的设计理念里，针对声音环境的学习功能或许能成为一大杀器，它可以根据环境噪音进行优化，适应不同家庭环境噪音。

从「听见」到「听懂」的另一个技术难题则是声纹技术。不久前，汉堡王就曾在一则电视广告里用「OK Google」的广告语「劫持」了很多用户家里的 Google Home，原因就在于由于缺乏声纹识别，这些家庭里的 Google Home，当听到这句唤醒语时，误以为是「主人」在召唤，于是纷纷启动......

这是现代乃至超现代意义上的「劫持」行为。而在阿里巴巴人工智能实验室主任浅雪看来，利用阿里在语音深度学习领域的核心技术，可以将声纹识别技术应用在天猫精灵上，结合服务链多重安全机制，已达到商用的级别。这意味着，唤醒任何一台天猫精灵都需要其「主人」的许可。而且，声纹识别技术还可以应用到一些购物场景中。当用户将自己声音注册后生成声音密码后，以后涉及到购物时，只需要说出 「帮我买一箱牛奶」这样的需求，天猫精灵会要求用户跟着念一串随机数字进行声纹校验，如果确定是「主人」的声音，就可以直接购买。