語音作為人機交互的重要方式，要能夠形成一個閉環
——信息搜索，服務獲取，任務達成。
賀文/文
除了調侃解悶，語音作為人與智能設備的交互方式之一，現在能做什麼？
思必馳創始人、CEO高始興拿起手機，沒有直接解鎖屏幕，而是按下一個語音鍵說，“給浩然發短信”，一秒鐘左右，手機裡傳來溫柔女聲“短信内容寫什麼”，“告訴他我已經到北京了，明天會到深圳，我們見個面，幫我訂機票”。
原本我們發短信或者打電話，都得先解屏手機，再點擊“短信”或撥号，數個步驟後才能完成，而思必馳提供的這個針對智能硬件的解屏語音産品，即便設備沒有可觸摸的屏，發短信／打電話也相當便捷。
“你再想想，未來搜索會怎麼‘搜’？”高始興很有興趣采訪先從這個話題開始。在他看來，會影響到未來搜索的主要因素有幾個：
一是整個硬件時代的疊代，從PC互聯網到智能手機移動互聯網，再到智能硬件的物聯網，硬件端已經發生了翻天覆地的變化；相應地，人機交互的媒介也變化巨大，從鍵盤、鼠标，到觸屏，再到語音、手勢、虹膜等；在這樣的大背景下，未來用戶的搜索會越發的場景化，搜索的目的從傳統的信息查詢，轉變為服務的獲取、任務的完成。
思必馳希望能夠實現的是，語音作為人機交互的重要方式，要能夠形成一個閉環——信息搜索，服務獲取，任務達成。
裝上“大腦”
高始興相信，搜索再往下走，特别在智能硬件端、在物聯網上，語音交互一定是核心人機交互手段之一。“語音是唯一能傳遞複雜信息的交互手段，人臉、虹膜、手勢，現在來看還隻能夠作為身份驗證，或者做一個簡單的搜索，要輸入複雜的信息一定是通過語音。”
在感知智能時代，語音交互更多的是簡單的語音識别，加自然語言理解，能夠實現簡單的搜索和控制；在認知智能時代，人機交互時機器更懂用戶，懂用戶的曆史、懂用戶的上下文，而且機器聽不懂可以去問，允許用戶打斷，允許用戶糾正，機器既有耳朵又有嘴巴更有大腦。這些是在感知智能時代做不到的。高始興和思必馳團隊認為，在垂直領域裡面，機器的認知智能應該能做到，聽不懂會問、知道怎麼問、問什麼，核心目的是幫用戶快速地完成任務，這是人機對話的下一個階段，也是思必馳要做到的事情。
高始興介紹，思必馳現在主要做兩款産品：一是AIOS（AISpeechOperatingSystem）人機對話的智能操作系統，把思必馳全面的語音技術整合到操作系統裡，把人機對話邏輯整合進去，把後端服務比如高德導航、音樂、天氣、聊天等服務整合進去，基于現在主流的操作系統，開發者（智能硬件方向上的合作夥伴）基于思必馳AIOS的标準化接口再做相應開發，讓智能硬件産品能說會道，擁有了人機交互的能力；
一是核心硬件模組的研發，比如智能芯片、麥克風陣列，這樣能配合思必馳的AIOS軟件，因為有些場景裡的語音交互需要硬件的配合，才能讓交互的體驗、交互的效率更好。比如聲源定位，就需要環形麥克風陣列這樣的硬件支持。
去年10月，蘋果收購了一家英國軟件創業公司VocalIQ，加強Siri語音助手服務。高始興稱其為“全球做人機對話最棒的公司”。而該創業公司的創始人之一俞凱，就是高始興創業思必馳的搭檔。
“蘋果為什麼要收購它，為了加強對話。未來通過語音和智能硬件物聯網之間進行人機交互的體驗，就應該像在智能手機上一樣。”高始興說，不恰當地把智能硬件物聯網的爆發類比做智能手機，手機在功能機時隻是通信的工具，打電話發短信，交互非常難，但是在智能機時代，觸摸交互非常爽，在智能手機上可以聽音樂看視頻可以購物，能夠承載豐富的場景，更多的服務涉及到生活的方方面面，“人機能夠對話起來，是實現這種美妙體驗的第一步”。