你可能聽說過這樣一個(gè)故事：1979年，當(dāng)年輕的喬布斯拜訪施樂公司位于Palo Alto的PARC研究中心時(shí)，他看到了施樂新發(fā)明的的圖形用戶界面（GUI）。相比起傳統(tǒng)的文本界面，程序圖標(biāo)、窗口化、下拉菜單和絢麗的圖像效果把喬布斯狠狠震撼了一把。

“仿佛蒙在我眼睛上的紗布被掲開了一樣?！薄秵滩妓箓鳌分腥绱嗣枋鰡滩妓巩?dāng)時(shí)的感受，“我看到了計(jì)算機(jī)產(chǎn)業(yè)的未來?！?/strong>

喬布斯回到蘋果后，他立刻下令研究人員開始著手模仿他剛看到的一切。這一技術(shù)在隨后上市的Macintosh上首次被應(yīng)用，并取得了轟動(dòng)效果。

PC歷史上的一個(gè)新時(shí)代也從此展開：圖形用戶界面開始成為主流的交互方式，無論是第一臺(tái)Macintosh，還是最近上市的iPhone 6s，都無一例外地采用了圖形用戶界面。

其實(shí)，這個(gè)故事還有一個(gè)很少有人知道的分支：就在喬布斯拜訪PARC的同時(shí)，有另一支團(tuán)隊(duì)也在研究另外一種完全不同的人機(jī)交互方式，這種方式今天被稱為“對(duì)話式界面”。該團(tuán)隊(duì)設(shè)想了這樣一個(gè)世界：在數(shù)十年后，當(dāng)計(jì)算機(jī)的功能足夠強(qiáng)大，用戶可以用通用的人類語言與計(jì)算機(jī)進(jìn)行交互，幫助解決問題。

在PARC領(lǐng)導(dǎo)自然語言研究團(tuán)隊(duì)的科學(xué)家叫Ronald Kaplan。Ronald的團(tuán)隊(duì)在上世紀(jì)70年代就設(shè)計(jì)了一個(gè)系統(tǒng)， 能讓用戶以自然語言與計(jì)算機(jī)交換信息和訂購機(jī)票。但對(duì)Ronald的團(tuán)隊(duì)來說，首當(dāng)其沖的就是成本問題?！胺?wù)每個(gè)客戶的成本.......嗯，我猜大概要上百萬美元吧?！盧onald如是說。不僅如此，他們還需要更快、可以更好進(jìn)行分布式計(jì)算、更聰明和更高效的電腦。Ronald認(rèn)為，按摩爾定律，這或許需要15年的時(shí)間才能達(dá)到他們的要求。

事實(shí)上，他們等了將近40年

今天的Ronald Kaplan是一家叫做Nuance Communication公司的副總裁。Nuance不僅是蘋果Siri和福特專為手機(jī)配備的SYNC車載多功能通訊娛樂系統(tǒng)和的技術(shù)提供方，其合作伙伴更是涉及幾乎每個(gè)科技細(xì)分領(lǐng)域。但Nuance逐步發(fā)現(xiàn)，近幾年有越來越多的人開始進(jìn)入這一領(lǐng)域，無論是Amazon、Google還是微軟這樣的巨頭或是其他創(chuàng)業(yè)公司，都在試圖改進(jìn)Ronald和其團(tuán)隊(duì)近40年的研究成果：他們相信，總有一天你可以像和你的朋友對(duì)話一樣和各種設(shè)備對(duì)話，而這些設(shè)備會(huì)正確理解和執(zhí)行你所說的一切。這些新工具將會(huì)幕布那些圖形化用戶界面無法滿足用戶的安全和愉悅需求，反過來，這些日漸增長的對(duì)話式界面交互也使得你與設(shè)備之間更加親密和個(gè)人化。

但事實(shí)是：語音接口的效果仍然不盡如人意。

例如，不少公司已經(jīng)使用這一技術(shù)來做簡單的客戶服務(wù)，但在實(shí)際使用中，我仍然經(jīng)常需要放下電話用虛擬鍵盤輸入生日信息等內(nèi)容（可能和我的廣東腔英語有關(guān)）。

至于Siri，如果是一些諸如問路之類的簡單問題倒是可以對(duì)付，但如果你的問題邏輯太復(fù)雜把Siri逼急了，Siri也會(huì)無恥地給告訴你，外事不決問Google，然后丟一個(gè)頁面給你讓你自己看去。像Tony Stark一樣和人工智能JAVIS那樣對(duì)話的場(chǎng)景，也只能出現(xiàn)在電影里。

 不過，這一切總在朝好的方向發(fā)展。

今年6月初，SoundHound的首席執(zhí)行官Keyvan Mohajer對(duì)外展示了一個(gè)從其2005年初創(chuàng)之時(shí)就一直在打磨作品。在此之前，我們對(duì)SoundHound的理解是一個(gè)流行音樂識(shí)別應(yīng)用，如果你對(duì)著手機(jī)哼上幾句歌，SoundHound就會(huì)識(shí)別這首歌曲的名稱。但這款叫“獵犬”（Hound）的原型則更進(jìn)一步：一開始，Keyvan問的是一些簡單的問題，例如現(xiàn)在在柏林的時(shí)間、日本的人口等。突然Keyvan冒出一句：“它們之間相距多遠(yuǎn)？”根據(jù)之前的問題，“獵犬”對(duì)此作出了正確的回答：“大約5536英里”。

在接下來的測(cè)試中，“獵犬”成功回答了諸如計(jì)算按揭貸款的數(shù)額以及“告訴我首都有Space Neddle這個(gè)建筑物的那個(gè)國家有多少人口？”之類的問題，對(duì)于Keyvan一口氣連珠炮發(fā)問的多個(gè)問題，一般人或許都需要想一陣才能反映過來，但對(duì)于“獵犬”來說同樣不在話下。就其表現(xiàn)而言，仍然處于內(nèi)側(cè)階段的“獵犬”或許是迄今為止速度最快、功能最全的語音識(shí)別系統(tǒng)。獵犬的牛逼之處在于可以同時(shí)進(jìn)行語音識(shí)別和自然語言處理，但對(duì)其他類似系統(tǒng)而言，要迎頭趕上或許只是時(shí)間問題。

對(duì)于上個(gè)世紀(jì)七十年代的Ronald來說，他們所頭疼的“門檻技術(shù)”現(xiàn)在已經(jīng)是任何一家語音識(shí)別公司都能輕易掌握的東西。

今天的對(duì)話式界面技術(shù)是一個(gè)經(jīng)典的跨界融合：技術(shù)計(jì)算能力的增長、語音識(shí)別、移動(dòng)通信、云計(jì)算和神經(jīng)網(wǎng)絡(luò)都在同一階段達(dá)到一個(gè)臨界點(diǎn)，最終使得這一領(lǐng)域的研究者開發(fā)出足夠好、足夠便宜和無處不在的實(shí)時(shí)對(duì)話界面。

而這種交互方式的發(fā)展，也進(jìn)一步推進(jìn)了那些沒有屏幕的聯(lián)網(wǎng)設(shè)備（例如路由器或者煙霧報(bào)警器之類），畢竟對(duì)于這些設(shè)備，我們需要的是一種不需要按鈕、菜單和圖標(biāo)的自然交互方式。

而在另一方面，由喬布斯發(fā)揚(yáng)光大的GUI世界正處于一個(gè)令人尷尬的瓶頸期。

圖形用戶界面要求每一個(gè)動(dòng)作和功能都有一個(gè)圖標(biāo)或者菜單選項(xiàng)，但即便像我們每天都要使用的Photoshop或者Excel，你所熟悉的可能也就只有最常用的幾個(gè)操作，真要完全掌握所有功能足以把大多數(shù)人逼瘋。Ronald也承認(rèn)，現(xiàn)在的圖文用戶界面已經(jīng)幾乎達(dá)到了天花板。

如果想要再進(jìn)一步，你可能不得不讓虛擬助理來幫你解決問題——不管是iOS 9、Android 6、Windows 10還是Siri、Google Now和Cortana，巨頭們都在通過虛擬助理的方式幫助用戶提高效率。哦對(duì)了，另外一家不做操作系統(tǒng)但具有十億級(jí)用戶的巨頭Facebook也有智能助手Ask M。

對(duì)于這些虛擬助理而言，他們的出現(xiàn)并不是要替代觸摸屏或者圖形用戶界面，但技術(shù)的進(jìn)步會(huì)在很大程度上繞開GUI，例如不少00后已經(jīng)懶得打字而直接用麥克風(fēng)輸入文本，而對(duì)于像老年人或者部分殘障人士（例如視力障礙）來說至關(guān)重要。

這是另一個(gè)創(chuàng)業(yè)故事：2010年，24歲的有志青年Maury被醫(yī)生告知，他的視力在衰減并最終會(huì)失明。Maury意識(shí)到，他不得不考慮如何在看不到東西的情況下使用電腦，而這也是美國2000多萬視力障礙人士會(huì)遇到的問題。現(xiàn)有的解決方案是一種叫做“Screen Reader”（屏幕閱讀器）的技術(shù)，已經(jīng)有30年的歷史，但隨著數(shù)字化環(huán)境越來越復(fù)雜（很大程度是Android的錯(cuò)），這一技術(shù)已經(jīng)跟不上時(shí)代。

發(fā)現(xiàn)了這一需求，Maury開始創(chuàng)辦了一家叫做Conversant Labs的公司，針對(duì)視力障礙人士開發(fā)能夠用語音來操作的應(yīng)用和服務(wù)。Conversant的第一款產(chǎn)品叫做SayShopping，可以幫助視力障礙人士通過語音在Target上買東西，在下一步，Maury還計(jì)劃在今年年底前完成一個(gè)能為iOS應(yīng)用添加對(duì)話互動(dòng)的框架，便于開發(fā)者開發(fā)針對(duì)視力障礙人士的產(chǎn)品。

另一個(gè)例子是Amazon的Echo。在剛面世時(shí)，有人這么評(píng)價(jià)Echo：這款產(chǎn)品希望同時(shí)扮演無線音樂播放器和虛擬助手兩種角色，但不管哪個(gè)角色都表現(xiàn)一般。但隨著使用時(shí)間的增加，Echo的自動(dòng)學(xué)習(xí)能力開始顯現(xiàn)出效果，逐步適應(yīng)使用者的說話速度、模式和偏好，更符合用戶的需求。

這也是對(duì)話式界面和圖形用戶界面的不同：你的使用時(shí)間越多，它就會(huì)和你更親近。毫無疑問，開發(fā)虛擬助手的巨頭們也注意到了這一點(diǎn)，例如微軟就給其虛擬助手Cortana（中國官方名稱“小娜”）一個(gè)鄰家女孩般的個(gè)性形象。

不管是蘋果、Google、微軟、Nuance或者其他這一領(lǐng)域的創(chuàng)業(yè)公司，他們的結(jié)論都是一致的：基于語音接口的個(gè)人代理的出現(xiàn)可以了解你的喜好、你的日常行為、你的表達(dá)方式、你的習(xí)慣和進(jìn)展程度，從而幫助你更高效地去使用各種App和設(shè)備。

這就好比我們生活中的水和空氣，不引人注意又無處不在，一旦你已經(jīng)習(xí)慣，它就會(huì)成為你生活中不可或缺的一部分，再也無法分開。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。