編輯導(dǎo)語：在蘋果總的產(chǎn)品序列中，Siri的發(fā)展似乎不那么“順利”；而透視Siri的整體發(fā)展歷程，我們應(yīng)該看到的，是智能語音交互當(dāng)下的發(fā)展現(xiàn)狀，及未來的迭代方向。本文作者針對Siri的發(fā)展，以及智能語音交互的未來做了解讀，一起來看一下。

蘋果吃飽，Siri跌倒，這是不爭的事實。

自2011年在iPhone 4S上驚艷亮相，Siri就成了蘋果的又一符號。畢竟，在那個人工智能剛剛進入深度學(xué)習(xí)的年代，不是每一個普通人都有機會與機器智能主體對話，相比于一款新功能，Siri更像一個未來文明的使者，讓AI的概念得以具象。

但隨著新鮮感褪去，很多問題開始接連浮出水面：開放對話環(huán)境中答非所問，對使用者的口音語調(diào)設(shè)置門檻，僅能完成iOS生態(tài)內(nèi)app的喚醒，十幾年來功能迭代緩慢，智能、語音、助手，定位打出的三個層次，無論是拆開還是組合，Siri都沒有達(dá)成使命。

作為蘋果的產(chǎn)品序列，它就像個異類，如同私生子一般，只有創(chuàng)新的色彩，卻失去了品牌下其他產(chǎn)品共有的實用基因。也正因如此，在蘋果連年增長的同時，人們對Siri的熱情漸漸黯淡，以至于悄悄關(guān)掉了“Hey Siri”的選項，不再喚醒。難道說，Siri的命運，僅僅是一個滿足獵奇的新歡？

問題的答案，可以用數(shù)學(xué)中的三個點來尋找。

一、零點

“零點不是點。”

這是數(shù)學(xué)中最常聽到的概念。作為函數(shù)圖像與軸的交點，零點更多強調(diào)了一種重合的狀態(tài)，而非數(shù)量上的增減。如果把蘋果的業(yè)務(wù)布局看成一條函數(shù)圖像，那么Siri就是其中的零點：它是電子產(chǎn)品與高層次機器智能的交點，代表了向上探索的狀態(tài)，卻不具備龐大的體量。

在被蘋果收購前，Siri就已經(jīng)獨立發(fā)展了2年，背靠官方科研項目，以第三方app的身份出現(xiàn)在蘋果應(yīng)用市場?？粗辛苏Z音助手背后的廣闊前景，喬布斯以2億美元的價格拿下了Siri公司，由此，蘋果有了自己的AI。

喬布斯對Siri的欣賞顯而易見。遺憾的是，發(fā)布后第二天，喬布斯病逝。在接下來頻繁的人員變動中，沒有堅決果斷的引領(lǐng)者出現(xiàn)，Siri開始迷失了自己的方向。投入不足、定位不清、系統(tǒng)封閉，讓Siri的下坡路成為必然。

坦白來說，Siri在發(fā)布時就算不上成功。推出是草率的，初代功能十分局限。當(dāng)時的Siri只能響應(yīng)設(shè)置鬧鐘、打開app等簡單的操作指令；而面對發(fā)送短信、撥打電話、信息檢索等涵蓋更多語言元素、更為靈活的語音指令，卻存在明顯的識別漏洞。

從人工智能深度學(xué)習(xí)的特性來看，這一問題并不難解決，只需要加大訓(xùn)練量就可以逐漸優(yōu)化。問題在于，Siri并不是蘋果的全部，與之同期進行的項目太多，既有地圖、iBook等應(yīng)用，又有iPad Air、iPad Pro、Apple Watch等新產(chǎn)品線。資源被分割，讓本就沒有多少經(jīng)驗可供參考的Siri舉步維艱，“進化”被一推再推；再加上項目負(fù)責(zé)人威廉姆森的一意孤行，本該持續(xù)更新的Siri只能跟隨iOS系統(tǒng)一年一更，使得進步的空間進一步壓縮。

除了投入不夠，定位不清也是一大問題。按照Siri創(chuàng)始人的假設(shè)，語音助手應(yīng)當(dāng)是“執(zhí)行引擎”（do engine），而非簡單的“搜索引擎”。這就意味著Siri要像一個生活中的朋友，不僅能夠響應(yīng)程式化的指令，還要具備應(yīng)對開放性對話場景的能力，前者對應(yīng)自然語言處理（NLP），后者對應(yīng)了更高難度的自然語言理解（NLU）。

然而，蘋果內(nèi)部支持Siri的高管因為內(nèi)斗相繼離職、原始技術(shù)團隊出走，讓“最初的夢想”被涂抹了底色。搜索的功能被放大。除了簡單的日常用語外，大部分語句都會被轉(zhuǎn)化為搜索指令，哪怕文本中包含了“Apple”“Siri”“you”等指向性很強的詞語，它也無法識別到用戶的對話請求，依然會跳轉(zhuǎn)到web search界面。

另外，在部分用戶惡意引導(dǎo)下出現(xiàn)的人群歧視、政治傾向等敏感問題，也促使了技術(shù)團隊做出“一刀切”的決定，讓簡單的搜索成為擋箭牌。

至于系統(tǒng)封閉，就是眾所周知的毛病了。身處iOS圍墻內(nèi)，外部開發(fā)人員無法介入，對于依靠海量數(shù)據(jù)觸發(fā)學(xué)習(xí)的人工智能來說，這個弱點無疑是致命的。雖然后來亡羊補牢地推出了SiriKit接入第三方，但是為時已晚，智能語音助手的市場已經(jīng)有了第三方功能更為豐富的Amazon Alexa和Google Assistant，蘋果也因此丟掉了先發(fā)優(yōu)勢。

二、奇點

奇點，在數(shù)學(xué)中指那些無法定義的點。如Siri一樣的智能語音助手們，正是一個個奇點。

作為后起之秀，它們并不是老牌科技公司的主營業(yè)務(wù)，得不到百分百的關(guān)注；在技術(shù)領(lǐng)域仍存在的諸多未知，也讓發(fā)展有了階段性的天花板，怎樣安排智能語音助手在業(yè)務(wù)板塊中的位次，答案有些模棱兩可。

從蘋果目前的表現(xiàn)來看，很顯然，Siri只被當(dāng)作一個微不足道的功能模塊。耗盡了發(fā)布之初新鮮感帶來的紅利，如今淪為標(biāo)配，仿佛約定俗成，每一款新產(chǎn)品都會搭載Siri，卻不見多少提升；難以成為拉高硬件銷量的賣點，甚至于在HomePod中“倒戈一擊”，間接導(dǎo)致了產(chǎn)品的下線。

實際上，模塊化并不是唯一的選擇，在奇點中，趨向無窮的點被定義為極點。與之相似，語音助手也可以成長為龐大的“極”。

發(fā)布于2014年的Amazon Alexa就是很好的例子。

在發(fā)布時間上未能搶得先機，不代表產(chǎn)品本身技不如人。遲到的三年，反而讓Alexa得以充分進化算法。與智能音箱Echo一同問世，也表明了對產(chǎn)品的設(shè)想絕不僅僅是輔助性的功能模塊，而是一個具備巨大增長空間的業(yè)務(wù)版塊，圍繞著Alexa，又會衍生出諸多觸手，覆蓋更廣的應(yīng)用場景。在產(chǎn)品功能上，與蘋果生態(tài)的封閉性截然相反，開放的環(huán)境讓Alexa擁有上萬功能，包括但不限于外賣訂餐、每日一問、關(guān)注球隊賽況更新等。

獨立的產(chǎn)品形態(tài)提供了“沉浸式”語音交互體驗，但這并不是成功的關(guān)鍵。Alexa能夠達(dá)到Siri難以企及的高度，更主要的原因是技術(shù)在場景中的下沉。

智能音箱的形態(tài)，對應(yīng)著家庭日常生活的應(yīng)用場景；反過來，家庭場景就要求產(chǎn)品具備特定的屬性，比如對不同年齡的匹配性、娛樂性、陪伴性等等，上升至功能，又對應(yīng)著強語言理解能力、豐富的指令選項、自然語義聯(lián)想。通過場景完善產(chǎn)品，再由產(chǎn)品鎖定更加精確的市場，進一步打磨技術(shù)，這樣就形成了閉環(huán)，智能語音交互才得以順利落地。

Siri與Alexa的區(qū)別，也映射了目前涉足AI產(chǎn)業(yè)的企業(yè)表現(xiàn)的模式。如蘋果一樣，只把AI當(dāng)作已有產(chǎn)品系列的附加功能，就會局限在產(chǎn)品本身的應(yīng)用場景，結(jié)果“文不對題”，閉環(huán)無法形成；只有把場景和AI當(dāng)成兩個獨立端點，拿產(chǎn)品當(dāng)作銜接的紐帶，才能得到螺旋上升的良性循環(huán)。

三、原點

“我們究竟需要怎樣的語音交互？”

或許這才是“Siri跌倒”的真正原點，也是“Siri們”共同的問題。至于答案，可以從兩個視野來尋找：現(xiàn)在，未來。

從現(xiàn)在的視野看，語音交互并不是大多數(shù)人的剛需。既有的工作、生活方式中，個人的問題自己解決，團體的問題溝通解決，只要信息是暢通的，不存在使用人工智能充當(dāng)媒介的必要。

然而，以“信息暢通”作為前提，已經(jīng)劃出了存在痛點的受眾：信息不暢通的特殊人群。

小孩、老人、殘障人士，都是信息受阻的一方，在處理問題時存在障礙。克服這種障礙，人們通常會想到一個職業(yè)：保姆。而智能語音交互，恰恰是保姆的最佳替代。充分利用AI的信息處理能力，搭配特定機械結(jié)構(gòu)，為存在重度需求的用戶提供生活輔助；或者僅僅以音箱的形式出現(xiàn)，陪伴需求較輕的受眾，提供陪伴、解答、硬件遠(yuǎn)控等服務(wù)。在與特殊人群相關(guān)的應(yīng)用場景中，智能語音交互的出現(xiàn)無異于一場變革。

將視野轉(zhuǎn)向未來，也許會看到一片迷茫，但參考過去發(fā)生過的種種巨變，也可以猜想到智能交互帶來的震蕩。從信息流通的角度出發(fā)，智能語音交互代表了更快的傳播速度。這和由牘到紙、由馬到車、由2G到5G是一樣的道理。

電影《Her》描繪了一個語音交互高度成熟的時代。片中人物的辦公完全脫離了紙筆，也脫離了我們目前使用的鍵鼠，只需要人坐在電腦屏幕前，口述自己的想法就可以了。不同于簡單的語音轉(zhuǎn)文字，智能語音助手會通過使用者的語氣、神情、語言內(nèi)容等，判斷一個語句是內(nèi)容的一部分還是一條指令。當(dāng)你說“幫我刪掉上一句”，上一句文本就會清除；當(dāng)你說“存?zhèn)€草稿”，文本就會進入草稿箱。

如果有一天，智能語音交互技術(shù)真的發(fā)展到了如此高度，那么可想而知，工作的效率將會提高不止百倍；甚至連工作場景這一概念都會消失不見，只要我們正通過耳機或是更先進的設(shè)備與語音助手保持聯(lián)系，哪怕是躺在床上，我們也能輕松地處理文件、撰寫策劃。

Siri的創(chuàng)始人，諾曼.威納爾斯基曾認(rèn)為，改變?nèi)祟愇磥淼娜笠厥?strong>虛擬助理、人工智能機器人助理、增強現(xiàn)實，它們分別對應(yīng)著信息世界、物理世界和二者之間的接口。很顯然，智能語音交互同時具備這三個要素。在看不到的地方，語音助手進行信息處理；在看得見的地方，它呈現(xiàn)處理的結(jié)果并收集反饋；而它本身，正是那個接口。

眼下的Siri雖已落后，但在大勢所趨下，也絕不會成為棄子。最近幾年，蘋果大肆收購AI公司，也表現(xiàn)出了重心轉(zhuǎn)移的信號。不難想象，接下來的幾個十年里，智能語音交互將成為幾家互聯(lián)網(wǎng)科技巨頭鏖戰(zhàn)之地，這種競爭帶來的正反饋，讓語音交互開始三點成面。

作者：劉思璇，編輯：桑明強；公眾號：新眸

本文由 @新眸 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議