智能音箱和AI有何联系？

今年有个现象挺有意思，一向沉寂的音频领域忽然热闹起来，互联网巨头与硬件制造商扎堆投入到智能音箱的开发中，谷歌、亚马逊、微软、苹果四巨头每家都独立或合作推出智能音箱产品。索尼、松下、三星、阿里、京东、小米、联想等国内外大牌也在不遗余力地要么依托四巨头、要么自己单干来布局智能音箱，就连雀巢这样的食品企业也来插一脚，跟京东合作推出智能音箱。

实际上智能音箱并不是什么新鲜事物，产品也早就有了，为什么今年突然关注度就高了起来呢?所谓无风不起浪，今年是人工智能这个概念被炒得正热的一年，搭着这趟顺风车，智能音箱自然就进入到更多人的视野。那么智能音箱又和人工智能有什么联系呢? 从广义的人工智能定义来看，智能音箱是属于人工智能技术的一种产品，你可以使用智能音箱来控制和安排很多事情，但为什么是音箱呢?为什么不是电视或者其他产品?

关于这个问题，笔者曾经在早先的文章中讨论过。之所以选择音箱，是基于人类自身的交流习惯。语音作为人类最自然、最直接的交流方式，虽然也会有语义上的不确定性，但无论如何，它仍是人类第一位的交流方式。而人类与机器进行信息交换，要想将智慧生物体与非生物体之间的强烈对立感尽量减少到最低程度，语音无疑是首选。那么在日常生活中什么物件发出声音我们觉得最自然呢?当然是喇叭!如果将其代入到具体场景中，那就是我们最为熟悉的音箱。音箱是一个纯粹基于声音的产品，在它的身上并未附加影像或文字等辅助信息，所以在日常人工智能应用层面，选择音箱作为入口可以说是必然的结果。

愿望与现实之间的落差

虽说智能音箱目前成了人工智能的入口，但要说它到底做得多好?或者说你是否对它现阶段的表现满意?恐怕多数人会觉得它还是太初级，与理想中的人工智能产品相去甚远。拜无数科幻电影和小说所赐，人们对于人工智能高级形态的想象力已经远超人工智能本身的发展进程，所以在愿望与现实之间存在落差是很正常的。

现在我们所接触到的人工智能，比如智能音箱，实际上可以称之为智能助手，它所做的工作更多是助理性质的事务，你给它一个指令，它给你一个反馈;这仅仅是初级的人机互动，却还存在机器无法准确理解指令，尤其是语音指令的情况。我们可以看到，所有这些智能音箱背后，几乎都是以语音助手为支撑，Google有Assistant，亚马逊有Alexa，苹果有Siri，微软有Cortana;而在语音助手背后则是深度学习、大数据与云计算的强力支持，尽管实力雄厚如四巨头，我们对它们语音人机交互的体验仍然不满意，让机器听懂人类的话这件事只是刚开了个头。

人类语言的复杂性这道门槛跨不过去，人工智能就不会有突破性进展。这里就存在一个语音识别的发展方向问题：是以指令为基础还是以情感为基础?就目前这些语音助手的实际表现来说，绝大多数是以指令为基础，对单纯而明晰的指令的理解基本不会出错，但一涉及到日常聊天，它们的弱点就暴露无遗，对于人类复杂的语言和情感，机器的理解力还相当低下。这就是为什么我们始终觉得它们是机器而不是一个模拟智慧生物体的原因。