6月6日，蘋果發(fā)布一系列新產(chǎn)品，最受關(guān)注的是它的智能音箱HomePod，名稱上它延續(xù)了iPod音樂播放器的命名。亞馬遜的echo智能音箱是目前的領(lǐng)先產(chǎn)品，據(jù)預(yù)測2017年銷量可能達(dá)1000萬臺。

當(dāng)下，人們很關(guān)注這些設(shè)備背后的東西，也就是人工智能。這兩款智能音箱的共同點是，它們都是智能音箱和能語音對話的“人工智能助手”的組合：蘋果音箱背后是Siri，亞馬遜音箱背后是A lexa。這些所謂的人工智能助手設(shè)想的使用場景是，我們?nèi)祟悤蜋C(jī)器對話。你可以跟這些音箱說話，讓它們干點什么，比如，我們跟蘋果音箱說，“嘿，Siri”，就可以啟動它。

問題是，你想跟機(jī)器聊天嗎？我不想。我的iPhone手機(jī)有一個功能總是被誤按出來，然后發(fā)出奇怪的聲音：“我聽不懂你在說什么”。它就是蘋果的智能語音助手Siri。當(dāng)然，跟朋友說起這個缺點時，她說了另外一種情況，她上小學(xué)的兒子總是搶手機(jī)玩，用各種二次元語言調(diào)戲Siri，玩得不亦樂乎。玩樂性質(zhì)的人機(jī)互動不是新鮮事，玩具公司孩之寶的能人機(jī)互動的菲比精靈(Furby)早在1997年就出現(xiàn)，孩子與玩具說話的確會覺得很好玩。

那么，語音交互可以變成一個不是玩具的產(chǎn)品嗎？現(xiàn)在，人工智能技術(shù)產(chǎn)生最大進(jìn)展的領(lǐng)域是語音識別與合成、自然語言理解、圖像識別和機(jī)器翻譯等。技術(shù)的進(jìn)步讓跟機(jī)器對話成為可能，現(xiàn)在它可以聽得懂、能理解，它也能模仿我們的語音說話，因而很多人把跟機(jī)器對話看成一種人工智能的未來應(yīng)用場景。

尼葛洛龐帝在20多年前出版的《數(shù)字化生存》中，對人機(jī)界面有兩個預(yù)測，一個是手指會成為“圖形輸入領(lǐng)域的一匹黑馬”，一個是聲音會成為交互界面。前者已經(jīng)是我們活在其中的現(xiàn)實，我們現(xiàn)在用的智能手機(jī)的核心之一就是多點觸動屏幕，當(dāng)年他很形象地說這是“指上神功”，每個人現(xiàn)在都在手機(jī)屏幕上施展著。在我們開車時無法用手操作手機(jī)時，在設(shè)備本身很小不能容納一個屏幕時，用聲音來操控設(shè)備似乎是不錯的選擇。但這一預(yù)言到現(xiàn)在都沒有實現(xiàn)，固然有技術(shù)的障礙，使用場景的障礙亦是明確存在著。我們很難放棄已經(jīng)非常熟悉、體驗更好、效率更高的屏幕。

有人會說，現(xiàn)在人們不就在跟手機(jī)說話嗎？我們用微信跟人語音留言，智能手機(jī)看起來是很符合語音的場景。在手機(jī)上消費音頻內(nèi)容，聽音樂、現(xiàn)在聽付費知識產(chǎn)品都是自然而然的。但要注意的是，當(dāng)我們微信語音跟朋友聊天時，我們不是在跟機(jī)器說話，而是在跟另一臺機(jī)器背后的人說話。

不想跟機(jī)器說話，并不是它不能理解我們的話，而是因為我們想要的是被當(dāng)成人對待。機(jī)器可能永遠(yuǎn)無法讓我們覺得，我們被像人一樣對待?，F(xiàn)在，人工智能的應(yīng)用場景中的兩個可能誤區(qū)是，一是把機(jī)器人按人的樣子造，也就是所謂的人形機(jī)器人，一是讓人跟機(jī)器說話，也就是這些會說話的人工智能助手。這兩種思路的問題是，它們都沒有把人當(dāng)成人來看待。

我們不想跟機(jī)器聊天，而只想讓機(jī)器幫幫忙。我們知道，通過掌握大量的數(shù)據(jù)，機(jī)器比我們還了解自己，機(jī)器可以幫我們個性化，可以讓工作生活更便利。我們需要的可能是藏在人性化界面的“智能助理”或“智能代理”。智能代理(agent)一直以來是研究者們設(shè)想的人工智能使用場景之一。

或許很快，人工智能技術(shù)的進(jìn)步可以做到，每個人手機(jī)里面可以有一個這樣熟悉我們的喜好、代表我們利益的智能代理。在過去，只有大公司老板才能雇傭精明能干又八面玲瓏的助理。未來，每個人都可以有一個。但是，我們跟這個“助理”交流的方式，不一定是跟它說話。我會更期待，我們每次回家打開音箱時，它不是等我們說“嘿”，而是直接就播放了，并且播放適合我們當(dāng)時心情的音樂。