Siri是iPhone 4S搭載的一項(xiàng)重要功能，用戶可以直接用語言與智能手機(jī)進(jìn)行簡單的交流并對(duì)手機(jī)發(fā)出指令。能夠“聽話”的手機(jī)，已經(jīng)不再是一臺(tái)冷冰冰的機(jī)器……

在各類故事中，人與機(jī)械的交流總是令人充滿想象的空間。比如《一千零一夜》中四十大盜的藏寶窟：只要來人說一聲“芝麻開門”，大門就會(huì)打開；說一聲“芝麻關(guān)門”，大門則會(huì)關(guān)上。不過，當(dāng)計(jì)算機(jī)出現(xiàn)之初，人們與它只能直接通過機(jī)器語言來交流，這些機(jī)器語言由成千上萬個(gè)“0”和“1”組成，并且被打孔機(jī)打在長長的紙帶上。當(dāng)DOS和UNIX出現(xiàn)后，就可以通過輸入指令來讓計(jì)算機(jī)從事相應(yīng)的工作。圖形界面的出現(xiàn)則是人機(jī)交流的一大飛躍，直到今天，無論我們是用鼠標(biāo)，還是用手指在屏幕上點(diǎn)點(diǎn)戳戳，本質(zhì)上都是基于圖形界面的人機(jī)交流。那么，有沒有可能我們說什么，就能讓電腦執(zhí)行什么呢？這的確是個(gè)很吸引人的課題。從本質(zhì)上而言，無論智能手機(jī)還是機(jī)器人，都是電腦的一種存在形式。如果它們能夠“聽懂”我們的指令，并按照指令來行事，那真是很方便的一件事情。

也許有讀者會(huì)說，這其實(shí)很簡單，比如語音撥號(hào)，只要說出想要聯(lián)系的人名，手機(jī)就會(huì)撥打此人的電話，這個(gè)功能在很早以前就已經(jīng)實(shí)現(xiàn)了。不過，這僅僅是最初級(jí)階段的語音識(shí)別：它基于的是手機(jī)自身的數(shù)據(jù)庫，也是用手機(jī)自身的功能搞定撥號(hào)；而且，即使用戶吐字清晰，并且電話簿沒有重名，面對(duì)好幾個(gè)“張軍”、“張君”、“章均”，手機(jī)也會(huì)暈菜，更別提很多地方的用戶“王”、“黃”不分等發(fā)音的差別了。這樣簡單的功能，本身已經(jīng)是out了，讓我們看看iPhone 4S搭載的Siri能夠做什么。

驚艷的Siri

如果在幾個(gè)月前看到右上圖中的對(duì)話，或許你會(huì)以為這是一個(gè)人在與朋友聊天，而如今我們都知道，這是在Siri在評(píng)測(cè)中給出的回答。此外，通過網(wǎng)上大量的視頻，我們還能夠了解到Siri更加豐富的應(yīng)用，比如設(shè)定和優(yōu)化路線、天氣預(yù)報(bào)等等。Siri的功能實(shí)現(xiàn)有著強(qiáng)大的后盾，首先是對(duì)話式的界面以及相應(yīng)的語音識(shí)別數(shù)據(jù)庫，其次是基于云計(jì)算的數(shù)據(jù)搜索和服務(wù)查詢，最后則是各類功能的智能型整合。它的智能化程度超越了以往的各類語音識(shí)別應(yīng)用軟件，借助它的算法和數(shù)據(jù)庫，Siri可以判斷出你說的地方是賓館還是超市，你想找的東西是化妝品還是食品。我們可以用一個(gè)應(yīng)用例子來分析Siri都在做什么：對(duì)于“I like a romantic place for Italian food near my office（我想在我辦公室附近找個(gè)浪漫的，有意大利食品的地方）”這句話，Siri 回答：“I am looking for a Italian restaurant which reviews say are romantic near your work in San Jose...（我在尋找一個(gè)你在San Jose工作地點(diǎn)附近的擁有浪漫點(diǎn)評(píng)的意大利餐館）”。首先，Siri會(huì)根據(jù)上下文了解用戶的需求條件是辦公地點(diǎn)附近的，擁有意大利食品的浪漫之處，進(jìn)而判斷，意大利食品只能在意大利餐館（要注意到，用戶根本沒有提restaurant這個(gè)詞匯）得到，然后，它會(huì)通過GPS或者無線基站服務(wù)鎖定用戶大致位置，用云端的數(shù)據(jù)庫搜索（遠(yuǎn)程平臺(tái)）尋找該位置附近用戶評(píng)價(jià)為“浪漫”的意大利餐館，并把結(jié)果反饋給用戶。

Siri起源于美國政府2003年投資的“個(gè)人學(xué)習(xí)型助理”研究計(jì)劃，這一計(jì)劃先后資助SRI International等多家公司和研究機(jī)構(gòu)進(jìn)行新一代的智能助理的研究，它們能夠從經(jīng)驗(yàn)中學(xué)習(xí)和推理，并聽從指令完成特定的任務(wù)。此后SRI將這一部分分離出來成為Siri，又進(jìn)行了商業(yè)融資并進(jìn)一步開發(fā)。2010年，蘋果斥資2億美元收購了Siri，并將Siri應(yīng)用放在App Store中銷售，但在iPhone 4S上市后停止了銷售，使之變成目前iPhone 4S獨(dú)享的功能。而且，它已經(jīng)被整合為iOS的一部分，可以想象，蘋果未來的機(jī)型都可以搭載這一功能，而每次對(duì)系統(tǒng)的更新也會(huì)使Siri的用戶受益。

智能語音控制與局限

以Siri為代表的智能語音控制與傳統(tǒng)的語音控制相比最顯著的區(qū)別是前者是模糊的、可學(xué)習(xí)的，而后者只能使用特定的指令，就像四十大盜的藏寶窟只對(duì)“芝麻開門”和“芝麻關(guān)門”兩條指令產(chǎn)生響應(yīng)，而智能語音控制則要靈活得多，只要包含有“開門”和“關(guān)門”這樣的語句，它都會(huì)根據(jù)上下文環(huán)境來判斷是否發(fā)出開關(guān)指令。一個(gè)典型的例子是，用戶通過Siri提問“紐約的天氣如何？”得到回答后，再提問“那么洛杉磯呢？”此時(shí)Siri依然會(huì)給出洛杉磯的天氣信息，而不是到洛杉磯怎么走，或者是洛杉磯有多少人口。不過，智能語音控制實(shí)現(xiàn)的條件要求相當(dāng)高。首先，程序必須要有足夠優(yōu)化的算法，以實(shí)現(xiàn)對(duì)語音的高效識(shí)別和判斷。其次，要有足夠龐大的云端數(shù)據(jù)庫和足夠的帶寬，以便執(zhí)行搜索和反饋。最后，平臺(tái)要有相應(yīng)的功能，用戶既不能讓iPhone 4S去打掃衛(wèi)生，也不能讓它變出一個(gè)美女來聊天。

智能語音控制的前景非常美好，Siri也是非常吸引人的功能，但任何事物都有一定的局限性。Siri對(duì)語音的識(shí)別并非準(zhǔn)確無誤，發(fā)音不準(zhǔn)確會(huì)造成識(shí)別困難，而且目前蘋果還沒有開放中文的Siri功能，這是因?yàn)橛蓡卧~和中文字組成的句子的語義識(shí)別算法有較大差異。此外，模糊化的語音控制本身也是一柄雙刃劍，因?yàn)橐幸欢ǖ娜蒎e(cuò)性，因此很難判斷接收到的語音和指令是否得到授權(quán)。據(jù)傳蘋果準(zhǔn)備在iOS 5.1中加入更加基礎(chǔ)的應(yīng)用，如收發(fā)電子郵件的支持，添加或刪除通訊錄等等，這些功能可能需要用戶的密碼授權(quán)才能完成。

其他平臺(tái)的智能語音控制

盡管蘋果不是手機(jī)平臺(tái)實(shí)現(xiàn)語音控制的第一家企業(yè)，但它絕對(duì)是做得最好的一家企業(yè)。在智能手機(jī)平臺(tái)上，目前能夠與iOS相提并論的只有Android，而且Google公司的搜索引擎無論在功能上還是信息量上都是最出色的，云端技術(shù)也非常強(qiáng)大，這也使廣大Android用戶對(duì)類似的功能充滿了期待。事實(shí)上，早在蘋果在系統(tǒng)中植入Siri之前，Android平臺(tái)上已經(jīng)出現(xiàn)了大量的語音識(shí)別軟件，比如日本的NTT Docomo公司提供的Speakey和Voice IT。在Siri大紅大紫之后，Iris、Speaktoit等Android平臺(tái)第三方語音識(shí)別軟件也借機(jī)火了起來。不過，這些軟件的“智商”和“能力”都無法與Siri相提并論。我們也希望Google能夠憑借自己強(qiáng)大的技術(shù)后盾做出類似的應(yīng)用，不過在Android 4.0中提供的Voice Action也僅僅是過去傳統(tǒng)語音識(shí)別的增強(qiáng)版。

一些智能型玩具和智能型機(jī)器人也能夠理解用戶的語音并完成一些云端提供的服務(wù)，但它們與智能手機(jī)平臺(tái)的側(cè)重點(diǎn)不同。比如騰訊推出的“Qrobot”在娛樂方面的功能就相當(dāng)強(qiáng)大，可稱得上是老少咸宜的互聯(lián)網(wǎng)應(yīng)用型智能玩具，連筆者都動(dòng)心考慮給孩子買一臺(tái)玩玩。總而言之，目前的智能語音控制技術(shù)只能算作剛剛起步，但我們對(duì)它的未來充滿期待。