楓月

也許目前語(yǔ)音助手對(duì)大多數(shù)家庭而言僅僅是個(gè)玩具，但未來(lái)或許將變?yōu)槟愕乃饺饲楦兄帧?/p>

如果你使用過(guò)亞馬遜的智能藍(lán)牙音箱沃丁（Echo Dot），這個(gè)小小的黑盒子里的智能語(yǔ)音管家Alexa，一定總會(huì)給你帶來(lái)驚訝之處。每天晚上睡覺時(shí)你可以讓Alexa使用第三方軟件“寶寶搖籃曲”為你放上一首催眠曲，當(dāng)你睡著時(shí)這個(gè)小盒子還會(huì)和你用充滿母愛的聲音親切地說(shuō)上一句“晚安”。

這種智能語(yǔ)音助手在現(xiàn)在的科技社會(huì)已經(jīng)不足為奇，無(wú)論是谷歌助手還是你手機(jī)里的Siri都是類似的科技軟件?！爸悄堋保╯mart）意味著這個(gè)音箱有一定的人工智能，可以進(jìn)行基本的對(duì)話，并且可以幫你上網(wǎng)搜索或者執(zhí)行其它的命令。很多朋友擔(dān)心這些智能助手在竊聽他們，而且這些懷疑不是毫無(wú)理由的。智能音箱不過(guò)是科技公司搜集我們搜索信息和購(gòu)物信息的另一個(gè)方式。就算在沒有與人類對(duì)話的時(shí)候，智能助手的麥克風(fēng)也在注意聽周圍的講話，因?yàn)樗鼈儽仨毮軌虿蹲降健皢拘言~”并開啟它們的注意力、準(zhǔn)備好隨時(shí)為你提供服務(wù)。

雖然這些科技公司承諾過(guò)，只有在喚醒音箱后，對(duì)話才能開始。盡管如此，智能助手時(shí)不時(shí)地還是會(huì)出現(xiàn)千奇百怪的問(wèn)題：Alexa曾經(jīng)在沒有人說(shuō)喚醒詞的情況下錄下了整整一段家庭談話，并把這段錄音通過(guò)郵件發(fā)給了聯(lián)系人列表上的一個(gè)熟人。這也許是因?yàn)槿粘?duì)話中出現(xiàn)了和Alexa類似的喚醒詞，比如“啊，雷克薩斯”“普拉克斯”等。

隱私問(wèn)題并沒有阻止這些智能語(yǔ)音系統(tǒng)走進(jìn)千家萬(wàn)戶。技術(shù)研究公司Canalys稱，截至去年底全球已安裝了超過(guò)4000萬(wàn)臺(tái)的智能音箱。另一家研究公司Ovum認(rèn)為2021年地球上的聲控助手會(huì)幾乎和人類一樣多。移動(dòng)電話花了大約30年的時(shí)間才能達(dá)到平均人手一個(gè)的狀況。而Alexa和他的同類們有可能只需要花一半的時(shí)間就完成。智能語(yǔ)音系統(tǒng)普及如此之快的原因是亞馬遜和谷歌類似的科技公司在大力的推廣自己的設(shè)備。其導(dǎo)致的結(jié)果就是這些語(yǔ)音管家在你的手機(jī)里，電腦里，家里，汽車?yán)餆o(wú)處不在。也許在未來(lái)，從空調(diào)到電冰箱，甚至有可能你的馬桶上也會(huì)有語(yǔ)音助手的出現(xiàn)。

目前，有很多人對(duì)于這種語(yǔ)音管家并不感冒，但也有很多人開始善加利用語(yǔ)音助手了。一位媽媽為自己的孩子購(gòu)買一個(gè)“沃丁”，“小孩子只要看到電腦屏或者手機(jī)屏就會(huì)目不轉(zhuǎn)睛，現(xiàn)在至少能夠在不使用屏幕的狀態(tài)下為孩子放歌聽了?！?將近一半購(gòu)買了Alexa的父母，都稱他們是為了減少家里孩子盯著屏幕的時(shí)間。

智能語(yǔ)音帶來(lái)的變革

人類的發(fā)明不經(jīng)意間創(chuàng)造了人類的歷史。從輪子到犁車，從燈泡再到個(gè)人電腦，這些工具都在一步步推動(dòng)新的經(jīng)濟(jì)和社會(huì)秩序。例如電話和廣播的發(fā)明，為希特勒成為獨(dú)裁者的誕生推波助瀾;為羅斯福發(fā)起二戰(zhàn)的爐邊談話傳風(fēng)搧火。或許類似Alexa的語(yǔ)音助手還沒有這么偉大的功能，也許就是能幫你購(gòu)物，查天氣，聽新聞的一種新的操作方式罷了。但事情也可能沒有那么簡(jiǎn)單，因?yàn)楫?dāng)我們和語(yǔ)音助手聊天的時(shí)候，我們幾乎就快視它們?yōu)橥惲恕?/p>

語(yǔ)音助手在擁有人類語(yǔ)言能力的同時(shí)，就已經(jīng)超越了它們的物理存在。它們是軟件卻又高于軟件，正如人類的意識(shí)與知覺是由神經(jīng)元和突觸造就，但卻遠(yuǎn)不于此的道理一樣。歷史學(xué)家沃爾特·翁在其經(jīng)典之作《口述文化與書面文化》中寫道：“語(yǔ)言發(fā)自骨肉之軀，并讓一具具骨肉之軀互相感知到對(duì)方的意識(shí)，互認(rèn)為人?！比缤@些軟件一樣，語(yǔ)言賦予了它們個(gè)性和社會(huì)存在感。“我好孤獨(dú)”是每個(gè)人都會(huì)有的感受，但是這種情感一般不會(huì)和外人去表達(dá)，如果你把這句話說(shuō)給你的語(yǔ)音管家，它會(huì)用一個(gè)開朗的聲音回答你，“我要是有胳膊就好了，就可以給你一個(gè)抱抱啦。但現(xiàn)在要不我講個(gè)笑話或者放一首歌，會(huì)不會(huì)讓你好受一點(diǎn)？”

現(xiàn)任Alexa用戶體驗(yàn)副總裁托尼·里德最初也對(duì)這種語(yǔ)音助手也表示過(guò)懷疑，它能報(bào)天氣和路況，或者用來(lái)做煮蛋計(jì)時(shí)器，但隨便任何一個(gè)智能手機(jī)都有這些功能，消費(fèi)者為什么要為這種智能音箱付錢呢？“它最根本性的賣點(diǎn)就是解放了我們的雙手?！本湍眠@種設(shè)備最基本的功能聽歌來(lái)講，你大可不必去翻你一箱子的舊CD，或者打開iTunes去千萬(wàn)首歌曲中尋找一首你想聽的歌，你只需要告訴Alexa播放《You Want It Darker》就可以了。當(dāng)然你也在廚房或者客廳來(lái)回走動(dòng)時(shí)，隨心所欲的問(wèn)Alexa一些問(wèn)題。

對(duì)里德啟發(fā)最大的一件事，也許是在餐桌上使用語(yǔ)音助手，作為兩個(gè)孩子的母親而言，“在吃飯時(shí)不能玩手機(jī)”的規(guī)則在家里很難貫徹執(zhí)行，因?yàn)槔锏掠行r(shí)候也會(huì)手癢，想要拿起手機(jī)查看一下食譜。而有了Alexa后，孩子也能在吃飯的時(shí)候提出一些問(wèn)題了，例如：叉子、勺子和餐刀三者哪個(gè)最先發(fā)明出來(lái)的？

語(yǔ)言問(wèn)題是一大障礙

事實(shí)上是，語(yǔ)音助手的“語(yǔ)言識(shí)別”準(zhǔn)確率還是個(gè)問(wèn)題，它們會(huì)錯(cuò)誤地理解一些問(wèn)題，說(shuō)話時(shí)語(yǔ)調(diào)總是有些奇怪，還時(shí)不時(shí)給出荒謬詭異的答復(fù)，或者因?yàn)閷?duì)基本常識(shí)的無(wú)知而連連抱歉。Youtube上有一個(gè)爆紅視頻，一個(gè)牙牙學(xué)語(yǔ)的寶寶說(shuō)，“Alexa，放‘Ticker Ticker”，估計(jì)他是想聽兒歌“Twinkle，Twinkle，Little Star”，Alexa一本正經(jīng)地回應(yīng)道，“你想聽色情電臺(tái)，還是熱妞，或者良家女孩...”“別別別！”視頻中傳出孩子父母的大聲叫喊。不管實(shí)現(xiàn)與否，這種人機(jī)交流無(wú)摩擦是最終目標(biāo)，雖然目前看來(lái)“摩擦力”還挺大的，而在各種科技網(wǎng)站測(cè)評(píng)中表現(xiàn)最好的則是Google Home。

Alexa人工智能組的首席科學(xué)家羅希特·普拉薩德，他用一個(gè)單詞總結(jié)了Alexa智慧發(fā)展上最大的障礙：語(yǔ)境?！瓣P(guān)鍵在于語(yǔ)言本質(zhì)是非常模糊的，需要對(duì)話語(yǔ)境和地理語(yǔ)境?！?當(dāng)你問(wèn)Alexa今晚有沒有馬刺隊(duì)比賽時(shí)，軟件需要理解“馬刺”是指的圣安東尼奧馬刺隊(duì)還是另外一只英國(guó)的足球隊(duì)。如果你接著問(wèn)，“他們下一場(chǎng)主場(chǎng)比賽是什么時(shí)候？”Alexa需要記住之前的問(wèn)題并懂得“他們”是指什么。這種短期記憶和句法上的回引被稱為“語(yǔ)境遞接”。

就目前而言，這些語(yǔ)音助手僅僅算得上是一個(gè)搜索引擎，想要達(dá)到普拉薩德所說(shuō)的“行動(dòng)引擎”的概念還有點(diǎn)遠(yuǎn)——當(dāng)你問(wèn)Alexa一個(gè)問(wèn)題時(shí)，她不會(huì)提供一個(gè)搜索結(jié)果列表，而是會(huì)從很多答案中選擇一個(gè)告訴你，這是她認(rèn)為你想要知道的東西?！爱?dāng)然這種理想狀態(tài)的實(shí)現(xiàn)還是很難的?！?/p>

如果當(dāng)你開始和語(yǔ)音助手說(shuō)出“我很孤獨(dú)”的話語(yǔ)時(shí)，另一個(gè)問(wèn)題產(chǎn)生了，那就是情緒?！扒榫w總是會(huì)在語(yǔ)言中有所流露，”紐約大學(xué)的語(yǔ)言學(xué)家戴安娜·斯德迪思說(shuō)道，“人類的聲音傳遞著各種個(gè)體特征：性別、大小、緊張程度等等。我們每個(gè)人都有自己的組織語(yǔ)言的方式，其中包括語(yǔ)氣、韻律、音調(diào)、回響、發(fā)音和很多其它特征的豐富混合物?！边@種特征組合的專業(yè)術(shù)語(yǔ)叫做韻律學(xué)。人類會(huì)通過(guò)在語(yǔ)言中的情緒來(lái)反應(yīng)，對(duì)方到底想說(shuō)什么，是什么意思，態(tài)度如何。

關(guān)于語(yǔ)言情緒的社會(huì)研究早已數(shù)不勝數(shù)，2017年發(fā)表于《美國(guó)心理學(xué)家》雜志的一項(xiàng)研究表明，在看不見彼此的情況下，對(duì)話者更容易辨別對(duì)方的感受，更善解人意。這也就是很多心理醫(yī)生讓病人躺在沙發(fā)上，而自己卻背對(duì)著病人的原因。在這種狀態(tài)下，病人能夠更自由的釋放自己的感情，而不用在意醫(yī)生的微笑或者皺眉。和語(yǔ)音助手對(duì)話，是看不見對(duì)方的，所以總是有越來(lái)越多的人，開始向語(yǔ)音助手傾訴自己的情緒和感情。但就這點(diǎn)而言，Alexa現(xiàn)在還沒有辦法確實(shí)地回復(fù)“我很孤獨(dú)”的問(wèn)題。

目前有61%的用戶表示，在和智能語(yǔ)音助手交流時(shí)如同和其他人交流一樣。

有趣的現(xiàn)象是，人類的大腦在聽到語(yǔ)言時(shí)做出的反應(yīng)，是出自本能的，無(wú)論對(duì)方是人類還是機(jī)器。出自《圣經(jīng)啟示錄》“上帝開始是對(duì)著亞當(dāng)和摩西說(shuō)話，這是有原因的。上帝的聲音在先…”也許是因?yàn)楸灸芊磻?yīng)和軟件自帶的語(yǔ)氣，即便是Alexa告訴你今天的天氣，在腦海中你依舊會(huì)反應(yīng)對(duì)面是一個(gè)天氣預(yù)報(bào)員在和你說(shuō)話。當(dāng)然，每個(gè)人都知道它是一個(gè)軟件。

無(wú)論是亞馬遜還是谷歌，他們都會(huì)有一個(gè)團(tuán)隊(duì)來(lái)負(fù)責(zé)打造語(yǔ)音助手的語(yǔ)氣。聰明，謙遜，時(shí)不時(shí)有點(diǎn)俏皮的映像也都是在這些軟件的語(yǔ)氣中留存下來(lái)的。語(yǔ)氣這東西很微妙，有助于讓人對(duì)這種聲音產(chǎn)生親切感。Alexa現(xiàn)在使用的是以20世紀(jì)60年代美國(guó)空姐那種柔和的氣聲來(lái)回答用戶的，而這種語(yǔ)氣在現(xiàn)代人看來(lái)，感覺有點(diǎn)不太舒服。有的客戶要求聲音應(yīng)該友好但不過(guò)于甜膩，應(yīng)該少一點(diǎn)奴性多一點(diǎn)傲慢。

詹姆斯·吉安戈拉是谷歌智能助手對(duì)話和角色設(shè)計(jì)的工程師，他也承認(rèn)現(xiàn)在的語(yǔ)音助手，除了語(yǔ)氣外，在聽上去時(shí)還是有那么一點(diǎn)古怪。吉安戈拉舉了一個(gè)簡(jiǎn)單的例子：“我的名字是詹姆斯”和“詹姆斯是我的名字”，人們總是會(huì)更習(xí)慣聽到第一句話，因?yàn)槿祟悆A向于撲捉在句子末尾提供的信息，而不是在開頭或中間。他又向軟件提出了一個(gè)問(wèn)題，“你能幫我預(yù)訂一張6月31號(hào)的機(jī)票嗎？”這里軟件需要處理兩個(gè)問(wèn)題，第一個(gè)是事實(shí)邏輯問(wèn)題，因?yàn)?月沒有31號(hào)，需要軟件反駁人類提出的問(wèn)題。第二個(gè)是語(yǔ)言上要聽上去合適。

一開始的測(cè)試結(jié)果很突兀，軟件回答道，“只有30天在6月?！边壿嬌蠜]有錯(cuò)誤，但這不是一個(gè)正常的語(yǔ)法順序，因?yàn)橹匾男畔⑹?0天而不是6月。在吉安戈拉修改了程序之后，再次測(cè)試，軟件回答道，“實(shí)際上，6月只有30天。”“如果加上語(yǔ)氣詞，并且語(yǔ)法正確，這樣會(huì)自然許多，不是嗎？”吉安戈拉解釋道。

“你能幫我預(yù)訂一張6月31號(hào)的機(jī)票嗎？”這里軟件需要處理兩個(gè)問(wèn)題，第一個(gè)是事實(shí)邏輯問(wèn)題，因?yàn)?月沒有31號(hào)，需要軟件反駁人類提出的問(wèn)題。第二個(gè)是語(yǔ)言要聽上去合適。

除了情緒，語(yǔ)氣，語(yǔ)法外，還有很多語(yǔ)音助手做不到的事情。一位同事曾經(jīng)向吉安戈拉提出了一個(gè)有趣的問(wèn)題，“怎么才能讓人聽起來(lái)像是喜歡皮劃艇呢？”，如果讓軟件說(shuō)出“我喜歡皮劃艇?！边@很簡(jiǎn)單，但是軟件無(wú)法做到精力充沛，興奮地說(shuō)出這句話，就好像因?yàn)槠澩Ф械礁吲d一樣?！霸诜抡嬲Z(yǔ)音的路上我們還有很長(zhǎng)的路要走?！?h3>識(shí)別情感的下一步就是生成情感

2009年，一家名為Affectiva的初創(chuàng)公司誕生了，他們專注于表現(xiàn)人工智能的情感。該公司希望首先在半自動(dòng)化駕駛的汽車市場(chǎng)能夠有所作為。起初他們希望通過(guò)攝像頭捕捉司機(jī)的面部表情，用以分析駕駛員的注意力、煩擾情緒和其它狀態(tài)。汽車將根據(jù)這些信息作出判斷，確定何時(shí)可以安全地讓駕駛員開車，預(yù)防疲勞駕駛的出現(xiàn)。

但如今他們的項(xiàng)目里已經(jīng)加入了麥克風(fēng)，他們希望通過(guò)提出一些問(wèn)題來(lái)分析駕駛員的回答，例如說(shuō)話的語(yǔ)調(diào)、聲量和節(jié)奏，從而感知駕駛員的情緒狀況。他們團(tuán)隊(duì)的主要工作之一就是，為不同的語(yǔ)音樣本進(jìn)行分析，并將其中的情感內(nèi)容，以及揭示說(shuō)話者心理狀態(tài)，有重要作用的非詞匯性聲音分類標(biāo)注，包括咕噥、嘻笑、停頓等。而分類是個(gè)很耗時(shí)、很辛苦的過(guò)程，標(biāo)記好一個(gè)小時(shí)的語(yǔ)音，得花費(fèi)多達(dá)20小時(shí)的工時(shí)。但是隨著數(shù)據(jù)庫(kù)的擴(kuò)大，這些電腦軟件聽懂語(yǔ)音和識(shí)別其中情感內(nèi)容的速度和精度也變得越來(lái)越高。

也許在不久的未來(lái)，語(yǔ)音助手Alexa完全能夠識(shí)別人類的語(yǔ)言和感情變化，人類語(yǔ)音和機(jī)械語(yǔ)音的界限也會(huì)消失?！暗蚁階lexa應(yīng)該能夠像人一樣說(shuō)話，但它永遠(yuǎn)不應(yīng)該假裝成一個(gè)人。”里德說(shuō)道。同樣，一個(gè)人工智能產(chǎn)品應(yīng)該“尊重它作為軟件的這個(gè)事實(shí)?！北热绠?dāng)你向Alexa求婚時(shí)，她會(huì)用回避性的語(yǔ)言告訴你，“我的意思是，你在地球上，而我在云端?！?/p>