文｜脑极体

可能人人都希望自己有个“贾维斯”。

虽然已经退出漫威电影很多年，但是我们还是能够记起那个钢铁侠战衣里无所不能的AI助手。独特的幽默、优雅的语调，以及非常靠谱的人设，让无数科幻迷对这个看不见听得到的角色产生了无尽好感。

对贾维斯的迷恋有多疯狂呢？我见过贾维斯版本的电脑桌面程序，贾维斯模样的手机UI，以及以贾维斯命名的AI算法。设计师和极客们，迄今为止想了无数办法来“复活”属于自己的贾维斯。

然而画面越来越逼真的贾维斯界面，显然无法得到它的精髓：像朋友一样的沟通与陪伴。

假如说有某种技术希望能够在“本质”上寻找贾维斯，那么一定非语音助手莫属。

由于身处一个科技爆炸的年代，日常生活中我们可能不太留心某种技术的发展。但是如果一旦停下来回头看看，会惊奇地发现一门技术原来经历了相当惊人的变化。比如说手机中的语音助手，已经成为了日常生活的一部分。而如果回首一下它的历史，说不定会大吃一惊：原来用语音助手复活贾维斯，并不是说着玩玩的。回看这些年语音助手的成长，会发现在人性化交互、应用能力拓展，以及功能集成上，语音助手的体验确实在一步步逼近“贾维斯”这个终极目标。

最近好像流行写各种简史，那不妨让咱们今天来讲一段，关于“寻找贾维斯”的简史。不难发现，语音助手的进化轨道，其实已经非常清晰明确。

语音助手初长成

大家都知道，最早的语音助手是苹果推出的Siri。

想当年，在大家都没跟手机说过话的时候，Siri小姐姐真的可谓是叱咤江湖。《生活大爆炸》里甚至有一集，专门安排拉杰什和Siri谈了回恋爱。

然而要承认的是，技术必然尤其阶段性。就像老爷车虽然经典，但是肯定无法开上21世纪的高速路。初始阶段的Siri，在今天来体验其实是很初级的。

语音助手这件事，之所以得到了苹果的大规模投入，其实主要是云计算系统的功劳。其实更早时候，语音助手的雏形已经出现。只是当时云计算体系没有铺开，只能把若干语音指令存储在手机中，这导致用户的问答模板过分单调。

而从Siri开始，语音助手完成了云端部署。这样可以在云端存储大量的对应模板，并且实时更新，从而让语音服务成为可能。

这时候的Siri虽然知道的多了，但是智商却十分堪忧。由于当时的语音助手完全是模板化的，换句话说你必须准确说出了问题，并且被Siri准确识别了，才能给你找出对应的答案。

然而套路终归是套路。那个时候，应用Siri的体验大概是这样的：

Siri，帮我给xx打电话

好的，已经拨打

Siri，帮我打个电话，我要联系xx

对不起，Siri没有听懂……

总之就是，模板不能错一点点，否则就是推到重来。好在，这种语音助手完全比拼模板数量的时代，很快就过去了——因为AI来了。

AI来了之后

早期语音助手的最大缺点，在于问答只能模板化。用户实际上不是在跟语音助手聊天，只是把遥控器换成了语音操作而已。这在某种程度反而是增加了用户的交互成本，同时也让用户心中对于“语音助手“这个概念的智能化期待大打折扣。

好在AI来了。

随着深度学习的复兴，以神经网络处理语音任务逐渐成为主流。随着AI加入之后，语音助手开始呈现语义理解、多轮对话，声音合成等能力，并且在这几条轨道上不断发展。于是我们看到了语音助手的听力越来越敏捷，很多情况能够和用户像正常聊天一样说下去。甚至方言、儿童音等问题都得到了一定程度的解决。

这个时期的语音助手，最具特色的代表应该是谷歌语音助手Google Assistant和微软小冰。前者去年曾经创造过模仿真人打电话而不露馅的“壮举“，而后者也常年活跃于聊天界，以不被发现是AI而著称。

这个时候的语音助手体验，已经有了比较明显的升级。比如用户数我想打个电话/帮我打个电话/帮我查一下某人的号码，然后打电话，语音助手基本都能明白。

而且在深度学习的帮助下，语音助手还能记住用户的聊天习惯，时不常还能跟用户逗个闷子，聊天时立个人设。

然而这并不是终点。随着AI语音助手的普及，尤其是在手机中的广泛应用，用户发现它能干的事情还是太少了。基本就停留在打电话、发短信、整理日程表等几种。然而这几种在今天已经是名副其实的边缘应用。

只能聊而没啥用的语音助手，就好像贾维斯只能陪着托尼瞎聊天，却无法启动钢铁侠战衣——这显然是严重影响票房的。

在移动AI觉醒的这两年，随着终端AI处理能力越发强大，事情开始有了更多发展。

从软件到硬件的折叠