原標(biāo)題：智能網(wǎng)絡(luò)的終點，是語音掌控萬物嗎?
三年前，當(dāng)Gartner在Gartner Symposium/ITxpo 2013大會上提出“萬物互聯(lián)”概念時，這個世界就注定變得與以往不同。我們正從今天的“物聯(lián)網(wǎng)”(IoT:internet of things)走入“萬物互聯(lián)”(IoE:internet of Everything)的時代。
人們不斷追求將萬事萬物連接起來，從智能手機到智能家居，再到汽車的智能系統(tǒng)，發(fā)展日新月異。然而，這并不是萬物互聯(lián)的全部內(nèi)涵。通過手機操控一個電插頭并不是人類的終極未來——那只是一個簡單的連接，更智慧的互動將被應(yīng)用。在物聯(lián)網(wǎng)之后，萬物互聯(lián)的下一個熱點在哪里?筆者認為是語音技術(shù)。
在百度語音最近舉辦的語音技術(shù)媒體溝通會上，筆者看到，無論是汽車還是機器人，語音帶來了真正的智能化體驗。對著汽車說，”帶我到最近的加油站“，汽車導(dǎo)航就會自動搜索距離你最近的加油站，甚至未來可以開啟自動駕駛功能，幫助主人實現(xiàn)目標(biāo)。而對著小度機器人說，“聽一段懸疑小說”，小度就會為你聲色并茂地朗讀一段懸疑小說，先進的語音合成技術(shù)幾乎完美地模擬出真人的音聲、音調(diào)與情緒的起伏，令人沉浸其中。而更加令人激動的是，即便是用方言說，“想看《新白娘子傳奇》”，或者以自定義的昵稱“小樂”喚醒你的手機，百度語音技術(shù)也能準(zhǔn)確識別、理解用戶的需求，并啟動終端設(shè)備與之互動。在會上，百度語音還免費開放了喚醒與自定義語義兩項功能，將進一步推動多終端一體“音入口”普及、終端語音識別率提升。
為什么說語音技術(shù)將是智能網(wǎng)絡(luò)的未來呢?因為目前的智能網(wǎng)絡(luò)存在顯著瓶頸。一方面，人機交互界面主要以文字、圖片為主，對操作者的IT素養(yǎng)要求很高。在自動提款機上，想要取出一張一百元鈔票，需要用戶至少準(zhǔn)確無誤地按下十來個按鍵才能完成操作。另外一方面，人機交互的過程往往只是單向、非閉環(huán)、非全自動化的。比如在醫(yī)院、高速收費口或地鐵口，取卡與讀卡的效率甚至還不如人工。這些種種的瓶頸，導(dǎo)致智能網(wǎng)絡(luò)的操作門檻與成本都居高不下。
解決上述問題，并不能單獨從操作邏輯的優(yōu)化、網(wǎng)絡(luò)或硬件的改進等入手，而需要從界面和大腦兩個層次入手。首先，從互動方式看，要遵循人性。人類最天然的交流方式并非文字，而是語言。即便是嬰兒，也會在呱呱落地時哇哇大哭，引發(fā)父母的關(guān)注，其一哼一哈，均蘊含著豐富的意義，慈悲的父母，總能準(zhǔn)確地感知。因此，在交流方式上，未來的智能網(wǎng)絡(luò)勢必從現(xiàn)有的文字為主的書面溝通方式，進一步升級為更加人性化的語音交流。因為在交流方式上，人們最快的方式是說話，而不是書面化的人機交互。
其次，未來的智能網(wǎng)絡(luò)，通過云能力的布置，每個設(shè)備都可以擁有一個影子“大腦”。現(xiàn)在的智能設(shè)備之所以不夠智能，是因為沒有最強大腦?？照{(diào)太干燥了，不知道啟動加濕器;電飯煲啟動了，自動炒鍋卻笨到不會啟動，需要人工投料、啟動。這是因為他們只能接受簡單的輸入，沒有理解和輸出能力，所以又笨又啞。而伴隨著百度大腦這樣的技術(shù)平臺不斷開放，語音技術(shù)中的語音識別、語音理解、語音合成等能力就完全可以賦予給一切終端，令他們通過“云”的蟲洞，瞬間免費擁有影子“最強大腦”，從而變得智能可交互，創(chuàng)造無限可能。
如此一來，所有的物，不論是人、設(shè)備、軟件，都將會獲得語境感知，增強的處理能力和更好的感應(yīng)能力。智能網(wǎng)絡(luò)的終極追求，應(yīng)該是語音即可掌控萬物。那么，相比目前的互聯(lián)網(wǎng)，這樣的智能網(wǎng)絡(luò)規(guī)模將得到以萬倍計算的增長，并且智能程度大幅提升——因為目前接入互聯(lián)網(wǎng)的“物”，還只占到全部數(shù)量的1%，而且大多數(shù)“物”均沉默無語。
1980年，以太網(wǎng)的發(fā)明者梅特卡夫提出，網(wǎng)絡(luò)的價值V與其用戶數(shù)量n的平方成正比，這就是大名鼎鼎的梅特卡夫定律(Metcalfe’s Law)。我們可以相信，梅特卡夫定律依然將作用于萬物互聯(lián)時代。
2016年，百度創(chuàng)始人李彥宏指出，互聯(lián)網(wǎng)即將迎來發(fā)展下一幕，推動其發(fā)展的核心動力，是人工智能。而人工智能的第一領(lǐng)域是語音識別?；蛟S，我們可以將之稱為李彥宏法則——無智能，不未來，無語音，不智能。
將梅特卡夫定律與李彥宏法則疊加，我們不難看到萬物互聯(lián)的未來，一個集合十億甚至萬億連接的龐大網(wǎng)絡(luò)將會出現(xiàn)，并且每個連接其中的“物”都能聽會說?；蛟S，這才是孔老夫子“君子動口不動手”的本意?
音聲世界，見所未見!
