上周電銷機(jī)器人路途，科大訊飛、搜狗、百度先后召開發(fā)布會，對外公布語音識別準(zhǔn)確率均達(dá)到「97%」。

而一如闌夕所言「一旦語音識別的準(zhǔn)確率達(dá)到99%，那將直接進(jìn)入產(chǎn)業(yè)爆發(fā)的黎明」，在從97%邁進(jìn)到99%的路程中，各大巨頭和資本早已開始造勢布局。

97%的準(zhǔn)確率意味著優(yōu)秀產(chǎn)品落地電銷機(jī)器人路途？

97%這一數(shù)字，看似散發(fā)著勝利的曙光，卻僅僅是語音識別準(zhǔn)確率而已。

大眾預(yù)期的產(chǎn)品里面，智能語音作為人機(jī)交互層，需要達(dá)到完全理解的程度。這不僅需要高準(zhǔn)確度的語音識別，更需要復(fù)雜動態(tài)的語義理解，機(jī)器才能準(zhǔn)確理解用戶意圖。但這是兩種不同的技術(shù)：語音識別僅僅將用戶的語音指令與嘈雜背景音剝離開來，保證原始命令無誤；而語義理解更為復(fù)雜，也是提升用戶體驗(yàn)的關(guān)鍵步驟要支持在不同用戶場景下，理解用戶的指令，理解真正用戶需求，進(jìn)行上下文管理，并有效完成一次對話。

拿簡單的點(diǎn)外賣做個(gè)比方。智能手機(jī)上點(diǎn)外賣方式，無非是打開app，用戶自主選擇、點(diǎn)觸。而以語音交互為入口，用戶會向智能終端說道：「餓了，有什么好吃的？」

「您想吃點(diǎn)什么？」

而用戶會繼續(xù)語音發(fā)布指令：「電銷機(jī)器人路途我想吃火鍋，超級辣的那種。」

哪怕siri級別的助理，也足以搜索出足夠多的推薦，并且語音回復(fù)：「附近的火鍋有xxx，xxx」

「恩，但好像一人份的海底撈好像太多了，還是換冒菜吧?！?/p>

對話如此循環(huán)往復(fù)，機(jī)器接受語音命令，替用戶篩選出有效信息，降低了用戶交互成本。而現(xiàn)有的智能助理到這里往往會犯懵，在用戶切換話題的時(shí)候回答不知所云。而這也是智能助理廣為詬病的主要缺陷，即缺乏對話管理能力，導(dǎo)致用戶體驗(yàn)不佳。而這一部分的提升主要依靠自然語言理解和深度學(xué)習(xí)技術(shù)的進(jìn)步。

而獲取不同用戶場景下的海量數(shù)據(jù)進(jìn)行訓(xùn)練，才能讓機(jī)器滿足復(fù)雜的場景需求。而這也是開發(fā)布會的三大團(tuán)隊(duì)步調(diào)一致的方向。根據(jù)科大訊飛發(fā)布會來看，業(yè)務(wù)從To B轉(zhuǎn)向To C，智能硬件將是下一個(gè)突破點(diǎn)，產(chǎn)品包括智能電視、音箱等。而這些產(chǎn)品的背后都是同一個(gè)技術(shù)平臺AIUI作為核心技術(shù)平臺驅(qū)動。如果說智能硬件是科大在C端嘗試開辟的入口，搜狗和百度依然是從輸入法中獲取用戶數(shù)據(jù)。搜狗自有搜索引擎作為數(shù)據(jù)來源，而百度還有百度地圖等其他產(chǎn)品輔助。

但是在對話交互時(shí)代，智能語音市場占據(jù)用戶入口的真的會是這三家之一嗎？

如果不是訊飛，下一個(gè)巨頭會是誰？

一直以來大幅占據(jù)媒體版面的都是科大訊飛、搜狗、百度，而人們習(xí)慣性地忽略了安靜的一方微信。而在這段跑道上最有優(yōu)勢的是，微信是最靠近C端的App，活躍用戶驚人并天然積累了海量的語料庫。

微信已具備語音識別、語義理解研發(fā)能力，并且占據(jù)了IM入口。早在2012年騰訊就建立了模式識別團(tuán)隊(duì)，后并入微信，逐步加入了語音識別功能。而在微信智能開放平臺的語音識別和語義理解開放接口中，可以窺見微信的技術(shù)能力和產(chǎn)品野心。 而且講真，微信的語音識別體驗(yàn)并不落后于其他團(tuán)隊(duì)，所謂1%或是2%的差距都是在滿足小概率的場景。

當(dāng)然，微信有其先發(fā)優(yōu)勢，但并不意味著不會有后來居上者。在交互方式迭代轉(zhuǎn)變的過程中，常見多種新舊并存的情況。在開辟藍(lán)海的混亂中，似乎看清歷史循環(huán)，更有可能布局成功。

公認(rèn)的上一個(gè)科技風(fēng)口，是由智能手機(jī)開啟的移動互聯(lián)網(wǎng)熱潮。在移動互聯(lián)時(shí)代，人機(jī)交互方式的物理介質(zhì)是觸屏，多由用戶主動發(fā)起。慢慢的，App開始主動向用戶push消息，試圖喚醒用戶，爭奪用戶有限的注意力。

同理，在向新型人機(jī)交互方式轉(zhuǎn)變的過程中，要成為下一個(gè)科技巨頭，不是穩(wěn)坐后端（類似SaaS服務(wù)）就是占據(jù)前端，把握用戶注意力的入口。那在語音技術(shù)和人工智能成熟后，機(jī)器會以何種形態(tài)陪伴用戶，交互會演化到怎樣的地步呢？

如同許多科幻電影著重刻畫的那樣，智能終端的形態(tài)非常多樣。從已問世的Google Home和 亞馬遜Alexa到國內(nèi)的Rokid，科大訊飛以及小米都在推的智能音箱， 都是交互形式進(jìn)化的智能硬件產(chǎn)物。小到個(gè)人可穿戴設(shè)備如藍(lán)牙耳機(jī)、手表，大到智能家居全部24小時(shí)待命，隨時(shí)接受用戶語音指令。

但現(xiàn)階段，僅僅以語音為支撐是不夠的。這些24小時(shí)隨時(shí)待命的智能終端，真的是隨著用戶語音喚起才進(jìn)入工作模式嗎？如果不是，那么用戶在可錄音范圍內(nèi)的活動，都會被智能硬件記錄下來，那么隱私數(shù)據(jù)將會掌握在誰的手里？再設(shè)想一個(gè)極端的用戶場景：戴著智能手表的用戶，擠上地鐵，卻只能用語音對智能助手說：「嘿寶貝兒幫電銷機(jī)器人路途我訂個(gè)飯，叫到公司。」萬一環(huán)境嘈雜，助手寶貝兒聽不懂指令，只能反復(fù)，十足滑稽。這自然不如打字與智能助手聊天來的得體。

人類總是渴望全面智能，同時(shí)也在某些方面極力對抗科技，維護(hù)個(gè)人隱私的體面。

對話式交互將走向何處？

從Chirs Messina提出「Conversational Commerce」這一概念以來，不論媒體與資本如何夸大造勢。但不可否認(rèn)，對話交互確實(shí)是大勢所趨。與此同時(shí)，智能語音不足以全面滿足用戶根本需求。隨著自然語言處理和人工智能的成熟，多樣化的智能終端將會支撐文本和語音交互相輔相成的局面。

就比如最近大熱的微信小程序，支持了websocket協(xié)議。這意味著長連接的用戶場景，例如對話式交互，開發(fā)成本也會降低。屆時(shí)，預(yù)計(jì)會有一大波借對話式交互為載體的場景式服務(wù)將借微信平臺快速崛起，許許多多個(gè)如同「助里來也」的服務(wù)將會向你招手。

無論成熟與否，這都是對話式交互成長的必經(jīng)之路。

本文來源人工智能中文資訊平臺

想要了解智能靈聲機(jī)器人，電銷助手，請關(guān)注“智能小世界”微信公眾號哦！