10 年前電影《鋼鐵俠》上映，影片中那個(gè)能幫助主人翁 TonyStark 處理各種事物、計(jì)算各種信息的智能管家 Jarvis，憑借著流暢無(wú)障的人機(jī)對(duì)話(huà)、近乎無(wú)所不能的技能、具備人格和獨(dú)立思維等理想的設(shè)定，成為了不少人對(duì) AI 助手的完美假想對(duì)象。

是的，在科幻作品從來(lái)都不缺乏想象力，回憶起早期標(biāo)榜科幻的動(dòng)漫作品《人型電腦天使心》，同樣也為我們描繪了一個(gè)更加理想化的 AI 世界：AI 變成人型具象的產(chǎn)品形態(tài)，來(lái)服務(wù)人類(lèi)。

當(dāng)然，以上只是科幻作品對(duì)于 AI 所進(jìn)行的暢想，距離現(xiàn)實(shí)生活仍有非常大的差距，不過(guò)一部分在過(guò)去曾被認(rèn)為是科幻情節(jié)的功能，例如語(yǔ)音助手，其實(shí)已經(jīng)在智能手機(jī)、智能音箱等產(chǎn)品上露面了。

盡管它們不能做到像 Jarvis 那樣將自主意識(shí)轉(zhuǎn)移到云端，從而變得無(wú)處不在；也不能做到像人型電腦那般擬人仿真，但作為一個(gè)搭載智能語(yǔ)音助手的產(chǎn)品，它們基本也能完成用戶(hù)在日常生活中指派的多數(shù)命令。

（圖自：TechHive）

相比起智能手機(jī)，在銷(xiāo)量上還不足以被稱(chēng)得上是「爆款」的智能音箱，近年來(lái)反而變成了被越來(lái)越多企業(yè)寄予厚望的 AI 「新容器」，在現(xiàn)今的智能音箱領(lǐng)域里，不僅有硅谷科技巨頭的風(fēng)向指引，還有一部分國(guó)內(nèi)創(chuàng)業(yè)團(tuán)隊(duì)全力押注。

盡管智能音箱的存在感正在逐漸變得越來(lái)越明顯，但有不少用戶(hù)反饋，現(xiàn)階段的智能音箱仍然無(wú)法勾起他們的購(gòu)買(mǎi)欲望。

不過(guò)，這問(wèn)題到底出在哪里？

這可能是「落差感」的鍋

前面之所以提到科幻作品中 AI 的情節(jié)與現(xiàn)實(shí)中 AI 情況的對(duì)比，其實(shí)我想順延下來(lái)表達(dá)一個(gè)點(diǎn)—落差感。實(shí)際上，大多數(shù)用戶(hù)在買(mǎi)智能音箱之前和買(mǎi)智能音箱之后，往往都會(huì)形成這樣一個(gè)非常明顯的反差：

買(mǎi)之前：這些功能看上去好方便、好好用！

買(mǎi)之后：用起來(lái)好像也就那樣…

如果將智能音箱帶來(lái)的這個(gè)落差感從使用體驗(yàn)的角度再進(jìn)一步分析并拆分，我們基本上可以總結(jié)出造就這種反差感受的幾個(gè)細(xì)分點(diǎn)。

功能并非剛需

現(xiàn)在的智能音箱在功能上基本都大同小異，它們大多都是以播放音頻內(nèi)容作為核心，并在語(yǔ)音交互的基礎(chǔ)上，拓展了聊天、控制智能家居、查詢(xún)天氣、講笑話(huà)、查交通、定鬧鐘等方面的功能。

XX，幫我設(shè)一個(gè) 7 點(diǎn)的鬧鐘。

XX，播放一首周杰倫的歌。

XX，今天需要帶雨傘嗎？

…

實(shí)際上，對(duì)于用戶(hù)來(lái)說(shuō)，這些功能并非剛需，況且一部分智能手機(jī)已經(jīng)兼具了語(yǔ)音助手，透過(guò)這些智能手機(jī)，你也能獲得相似的功能和體驗(yàn)。

（圖自：Tata CLiQ）

不懂人意，答非所問(wèn)

與宣傳視頻中描繪的美好景象不同，在實(shí)際體驗(yàn)中，語(yǔ)音識(shí)別率和句意理解仍然是阻礙用戶(hù)獲得良好使用體驗(yàn)方面的障礙之一。

首先是語(yǔ)音識(shí)別率，我想很多用戶(hù)在多次喚醒智能音箱未遂，或音箱多次無(wú)法準(zhǔn)確識(shí)別出指令后，應(yīng)該會(huì)對(duì)智能音箱的興趣減掉了一大半。

其次是句意理解的問(wèn)題，在某些時(shí)候，大多數(shù)智能音箱其實(shí)是不能聽(tīng)懂你的意思的。一旦提問(wèn)句式變得復(fù)雜、句子結(jié)構(gòu)與智能音箱預(yù)設(shè)不符，那么它很容易將你的指令變成搜歌或搜索網(wǎng)頁(yè)的關(guān)鍵詞。

不具備「流暢」的對(duì)話(huà)能力

也正因?yàn)樗欢艘狻⒋鸱撬鶈?wèn)，并且它響應(yīng)速度慢、每次接受指令前，都需要喚醒詞喚醒。因而這些問(wèn)題所帶來(lái)的中斷感和不便，就讓你很難與智能音箱展開(kāi)一次流暢的對(duì)話(huà)。

而且，目前還有蠻多的智能音箱并不支持聊天內(nèi)容上下文關(guān)聯(lián)，簡(jiǎn)單來(lái)說(shuō)，就是智能音箱已經(jīng)記不住你上幾句話(huà)說(shuō)了什么。

AI 仍需要用戶(hù)幫忙培育

實(shí)際上，現(xiàn)在的智能音箱產(chǎn)品還不能做到真正的「智能」。它需要繼續(xù)積累用戶(hù)的數(shù)據(jù)，并通過(guò)分析用戶(hù)的使用情況，逐步完善其智能性，這樣它才能在你需要的時(shí)候，變得相對(duì)更懂你。

從這一過(guò)程到真正成熟，可能需要相對(duì)漫長(zhǎng)的時(shí)間，而這對(duì)于購(gòu)買(mǎi)了產(chǎn)品的用戶(hù)來(lái)說(shuō)，可能不是一件能接受的事情。因?yàn)檫@樣便會(huì)在他們的主觀(guān)印象中，留下一個(gè)智能音箱技術(shù)不成熟、不實(shí)用的烙印。

用戶(hù)希望從智能音箱中獲得什么呢？

外媒 Forbes 曾在《解釋人工智能重要性的關(guān)鍵定義》一文中提到，人工智能的定義已經(jīng)逐漸從傳統(tǒng)字面上的理解轉(zhuǎn)變?yōu)?3 種試圖實(shí)現(xiàn)的形態(tài)：

構(gòu)建與人類(lèi)思維方式相近的系統(tǒng)（強(qiáng) AI）

只會(huì)執(zhí)行而不懂人類(lèi)思維方式的系統(tǒng)（弱 AI）

基于人類(lèi)思維方式作為模板，但最終不斷進(jìn)化和發(fā)展的系統(tǒng)

如果從上述的概念看，現(xiàn)階段的智能音箱應(yīng)該是屬于第二種弱 AI 的范疇內(nèi)，它們不具備獨(dú)立的思維，無(wú)法揣測(cè)用戶(hù)的想法，并且只會(huì)執(zhí)行預(yù)設(shè)的指令。

對(duì)于這種程度的 AI 智能音箱，其實(shí)指望它能像 Jarvis、人型電腦那樣知你懂你，是不現(xiàn)實(shí)的。不過(guò)，回歸到實(shí)際需求上來(lái)看，用戶(hù)希望從智能音箱中獲得什么呢？如果將上面列出的這些問(wèn)題歸納總結(jié)起來(lái)，大致能得出兩個(gè)方面的需求，一個(gè)是要足夠智能，另一個(gè)是技能和服務(wù)要多。

要足夠智能

這里又可以拆分為兩部分：一個(gè)是智能音箱要「知你懂你」，另一個(gè)是盡可能地想你所想。

「知你懂你」這里所說(shuō)的含義，是指音箱能夠知道你說(shuō)的指令，并懂你想表達(dá)的意思。簡(jiǎn)單來(lái)說(shuō)，就是語(yǔ)音識(shí)別準(zhǔn)確率和句意理解能力。

之前在我體驗(yàn)渡鴉 Raven H 智能音箱的時(shí)候，它的語(yǔ)音識(shí)別準(zhǔn)確率就讓我滿(mǎn)意：即便是用 80% 的音量播放音樂(lè)、離 Raven H 相距 3 米左右的距離時(shí)，它都能響應(yīng)到，并準(zhǔn)確識(shí)別出語(yǔ)音指令。

而說(shuō)到句意理解能力這一塊，目前大多數(shù)智能音箱仍然限制在預(yù)設(shè)句式的條條框框之中。

但實(shí)際上「知你懂你」這個(gè)問(wèn)題，已經(jīng)隨著專(zhuān)用語(yǔ)音芯片的逐步成熟以及語(yǔ)音交互生態(tài)的支持，能夠從根本改善這個(gè)方面的體驗(yàn)。

至于想你所想，其實(shí)就是通過(guò)了解用戶(hù)的使用習(xí)慣來(lái)，來(lái)提前預(yù)知用戶(hù)的需求。現(xiàn)在大多數(shù)智能音箱還不具備這樣的能力，那么有沒(méi)有解決的方法？渡鴉使用了一種「非智能」的方式來(lái)解決這個(gè)問(wèn)題。

在 Raven H 上，渡鴉提供了一個(gè) Flow 的功能，通過(guò)用戶(hù)手動(dòng)預(yù)先設(shè)置后， Raven H 會(huì)在每天鬧鐘提醒后，自動(dòng)播報(bào)當(dāng)天的天氣、路況、限行以及你的日程安排。

盡管這離真正的想你所想還有蠻大的差距，但起碼在 AI 技術(shù)還不夠成熟的時(shí)候，這也算是一種折中的方案。

技能和服務(wù)要盡可能多

在使用各種不同的智能音箱后，它們留給我印象最深的并不是那些像播放音樂(lè)、查天氣、講笑話(huà)等基礎(chǔ)功能，而是它們的技能與服務(wù)所帶來(lái)的延伸功能。

例如，我就記住了天貓精靈 X1 可以點(diǎn)外賣(mài)、充話(huà)費(fèi)；小米 AI 音箱和渡鴉 Raven H 能夠查找手機(jī)…

盡管這當(dāng)中某些技能和服務(wù)，未必是每個(gè)用戶(hù)最需要、最實(shí)用的功能，但在基礎(chǔ)功能體驗(yàn)拉不開(kāi)較大差距的智能音箱領(lǐng)域，這些小技能和服務(wù)，反而是一款智能音箱相較于其他競(jìng)品獨(dú)有的小優(yōu)勢(shì)。

實(shí)際上，作為參照對(duì)象的亞馬遜 Echo 智能音箱，它在剛開(kāi)始面世的時(shí)候音質(zhì)一般智能不足，但是隨著亞馬遜不斷讓其學(xué)習(xí)更多的技能，于是它終成標(biāo)桿。

其中 Echo 利用技能和服務(wù)所做到了的一個(gè)優(yōu)勢(shì)，便是將功能延伸到更多的智能家居設(shè)備上，并與它們建立起聯(lián)動(dòng)性。

而在聯(lián)動(dòng)智能家居這方面，愛(ài)范兒此前體驗(yàn)蘋(píng)果的樣板房時(shí)，就已經(jīng)感受到這方面的便利性。當(dāng)時(shí)，蘋(píng)果還未推出智能音箱 HomePod，覆蓋了不少 HomeKit 設(shè)備的樣板房仍以 Apple TV 或 iPad 作為智能家居的中樞。

但使用 Apple TV 控制又有些繁瑣，iPad 又因隨身攜帶的幾率高而容易失去對(duì)智能家居中樞的遠(yuǎn)程控制。這個(gè)時(shí)候，音箱就是這個(gè)場(chǎng)景下最佳的解決方案。

畢竟，用戶(hù)面對(duì)的都是一些邏輯簡(jiǎn)單的操作，如控制設(shè)備開(kāi)關(guān)和調(diào)整溫度。這些通過(guò)語(yǔ)音就能夠操控，中間也不需要屏幕的參與。在這個(gè)狀態(tài)下，用戶(hù)只需要一個(gè)可聯(lián)網(wǎng)、帶智能助手的音箱就能夠解決問(wèn)題。

因此，盡可能多地?cái)U(kuò)展智能音箱的技能和服務(wù)，也是智能音箱一個(gè)關(guān)鍵的點(diǎn)。

總的來(lái)說(shuō)，作為一種基于弱 AI 形態(tài)的產(chǎn)品，智能音箱的本質(zhì)其實(shí)還只是生活中的一種「輔助」工具，但這也不是說(shuō)，它就沒(méi)有成為生活必需品的潛質(zhì)。隨著 AI 技術(shù)的不斷發(fā)展，硬件芯片的功能逐漸完善、語(yǔ)音識(shí)別等核心技術(shù)取得突破以及智能家居的普及，可以預(yù)見(jiàn)的是，像智能音箱這樣的產(chǎn)品將會(huì)慢慢變得成熟、可靠，并且更好地為我們的生活服務(wù)。

指不準(zhǔn)，未來(lái)的智能音箱形態(tài)就真的會(huì)變成一個(gè)無(wú)處不在的 Jarvis，或是一位人型電腦呢？