在10月2日的蘋果產(chǎn)品發(fā)布會(huì)上，iPhone 4S的技術(shù)升級(jí)幅度可謂令業(yè)界失望。然而，被蘋果定義為“私人語音助理”來做壓軸功能發(fā)布的Siri應(yīng)用，仍然是抓足了人們的眼球。在很多“果粉”眼中，它被認(rèn)為是替換掉iPhone 4的唯一理由。

　　在發(fā)布會(huì)上，蘋果宣稱Siri可以支持自然語言輸入與識(shí)別，用戶可“命令”手機(jī)讀短信、詢問天氣、設(shè)置鬧鐘等，并且可以搜尋餐廳、電影院等生活信息，甚至是直接訂位、訂票;另外其與LBS結(jié)合服務(wù)的能力也相當(dāng)強(qiáng)悍，能夠依據(jù)用戶默認(rèn)的居家地址或是所在位置來判斷、過濾搜尋的結(jié)果。

　　Siri目前仍然是beta測試版，并且只支持英語、法語和德語。雖然互聯(lián)網(wǎng)上一系列折磨Siri的視頻端子曾出不窮，但被蘋果這樣的企業(yè)推出進(jìn)行商用，已經(jīng)意味著“語音識(shí)別”——這一已經(jīng)不算新鮮的科技，進(jìn)一步實(shí)現(xiàn)了人工智能化進(jìn)而向“語義識(shí)別”又邁出了一大步，同時(shí)意味著第一款基于它的改變大眾生活的消費(fèi)級(jí)產(chǎn)品已經(jīng)誕生。

　　語義識(shí)別是人機(jī)交互的再一次里程碑，雖然數(shù)十年間它的研究進(jìn)展僅限于對(duì)自然語義識(shí)別的精確度的提升，但它一直被視為是人類實(shí)現(xiàn)非接觸式控制機(jī)器的第一步。

　　巧合的是，進(jìn)入信息時(shí)代以來，鍵盤(命令行)到鼠標(biāo)(快捷鍵)，鼠標(biāo)到多點(diǎn)觸控——這兩次人機(jī)交互的里程碑式的革命都是由蘋果公司所引爆。如果此次Siri真的能夠如蘋果所說，在精確識(shí)別自然語義的基礎(chǔ)上，其智能化程度能夠達(dá)到替用戶精確分析、選擇而真正成為助手的地步，那么蘋果公司將再次激發(fā)人機(jī)交互的偉大革命。

　　語義識(shí)別的歷史

　　使機(jī)器識(shí)別語言是人類早已有之的科技幻想，并且早有實(shí)踐足跡。早在1920年，美國一家公司所出品的名為“Radio Rex”玩具狗便可以“聽從”主人的話而執(zhí)行走或者停的任務(wù)。

　　不過在這之后相當(dāng)長的時(shí)間里。這項(xiàng)科技的進(jìn)展僅限于如何更多、更精確地識(shí)別各種口音，進(jìn)而執(zhí)行諸如文字顯示等十分簡單的任務(wù)。

　　1952年，貝爾實(shí)驗(yàn)室的Davis等人成功研究出了世界上第一個(gè)能識(shí)別10個(gè)英文數(shù)字發(fā)音的實(shí)驗(yàn)系統(tǒng)。大規(guī)模的語音識(shí)別研究是在進(jìn)入了上個(gè)世紀(jì)70年代以后，在孤立詞和小詞匯量句子的識(shí)別方面取得了實(shí)質(zhì)性的進(jìn)展。

　　進(jìn)入80年代以后，研究的重點(diǎn)逐漸轉(zhuǎn)向大詞匯量、非特定人連續(xù)語音識(shí)別。此時(shí)語音識(shí)別的研究思路也發(fā)生了重大變化，即由傳統(tǒng)的基于標(biāo)準(zhǔn)模板匹配的技術(shù)思路開始轉(zhuǎn)向基于統(tǒng)計(jì)模型 (HMM)的技術(shù)思路。此外，再次提出了將神經(jīng)網(wǎng)絡(luò)技術(shù)引入語音識(shí)別問題的技術(shù)思路，亦即開始了跨學(xué)科的人工智能研究道路。

　　進(jìn)入90年代以后，語音識(shí)別的研究并沒有什么重大突破。但是，在語音識(shí)別技術(shù)的應(yīng)用及產(chǎn)品化方面出現(xiàn)了很大的進(jìn)展，諸如聽寫機(jī)等基于語音的信息輸入設(shè)備此時(shí)大量出現(xiàn)。

　　由僅限于定義為輸入法功能的語音識(shí)別，向包含后臺(tái)數(shù)據(jù)分析的語義識(shí)別轉(zhuǎn)型的關(guān)鍵推動(dòng)力量，是美國的DARPA(Defense Advanced Research Projects Agency)計(jì)劃。

　　顯然，語義識(shí)別技術(shù)蘊(yùn)含著著人機(jī)互動(dòng)的遠(yuǎn)大前景，也因此擁有各方足夠高的評(píng)價(jià)和期許。但它幾十年來卻缺乏足夠的表現(xiàn)。而正是蘋果公司往日給社會(huì)帶來巨大變革的一系列消費(fèi)級(jí)產(chǎn)品，使得當(dāng)語義識(shí)別技術(shù)和蘋果公司聯(lián)系到一塊的時(shí)候，人們不得不重新給予其重大期盼。

　　實(shí)際上，蘋果公司對(duì)類似工作的開展也不可謂不早。早在1987年，蘋果就展開了類似的研究工作。如果你曾經(jīng)讀過李開復(fù)的自傳《世界因你不同》，就可能會(huì)對(duì)在《今日美國》節(jié)目中，蘋果出品的實(shí)驗(yàn)性語音識(shí)別設(shè)備Casper“調(diào)戲”女主持的情節(jié)記憶猶新。

　　Siri是從斯坦福大學(xué)的SRI國際人工智能中心(International Artificial Intelligence Center)剝離的一個(gè)項(xiàng)目，該研究中心隸屬于DARPA 的CALO子項(xiàng)目。實(shí)際上，Siri的聯(lián)合創(chuàng)始人兼工程副總裁Adam Cheyer正是CALO項(xiàng)目的首席架構(gòu)師，而CTO Tom Gruber也是出身斯坦福大學(xué)的人工智能、語義網(wǎng)專家。同樣孵化于斯坦福SRI的還有知名的語音識(shí)別開發(fā)公司Nuance。

　　2010年初，蘋果收購Siri，收購價(jià)據(jù)稱是2億美元。

　　Siri的無限可能

　　當(dāng)蘋果剛剛收購Siri之時(shí)，人們評(píng)價(jià)它只是一個(gè)更好的語音識(shí)別工具。然而，事實(shí)并非如此。

　　多年以來，大眾所能接觸到的語音識(shí)別技術(shù)，每年都以緩慢的步伐進(jìn)步著，不過這種進(jìn)步的含義僅限于識(shí)別準(zhǔn)確率，換句話說，它們僅是一種不斷提高準(zhǔn)確率的輸入法。

　　實(shí)際上，在多年以前，IBM 的語音識(shí)別軟件在 PC 上就有不錯(cuò)的識(shí)別率了，而微軟名為Tellme的項(xiàng)目也持續(xù)了多年。騰訊最新推出的QQ2011版開始支持語音輸入，而中國科大訊飛出品的“訊飛語音輸入法”更是Android設(shè)備用戶所追捧的熱門工具應(yīng)用之一。

　　然而，即使達(dá)到100%的準(zhǔn)確率，僅限于輸入法功用的語音識(shí)別也無人機(jī)互動(dòng)的意義，它并不是革命性的。

　　而Siri所展示出的在準(zhǔn)確語音識(shí)別的基礎(chǔ)之上，進(jìn)行語義的智能分析判斷，并且實(shí)現(xiàn)系統(tǒng)功能和后代數(shù)據(jù)(包括個(gè)人偏好和歷史記錄)的調(diào)用，實(shí)現(xiàn)所答即所問與服務(wù)即所想——真正實(shí)現(xiàn)助理的功能，從識(shí)別，執(zhí)行，再到互動(dòng)之間的飛躍，這些才是Siri的革命性所在。

　　與谷歌的Voice Actions等相似應(yīng)用不同，Siri使用戶可以拋棄繁瑣的語法結(jié)構(gòu)，甚至思維模式也可以混亂，它會(huì)結(jié)合上下文結(jié)構(gòu)去分析判斷，它甚至能理解許多含義模糊或者引申的語義。

　　要做到這一點(diǎn)，搜狗CEO王小川認(rèn)為需要五個(gè)方面的配合：一是對(duì)自然語言理解，歸納為“懂”;二是在人機(jī)交互的過程中，需要反問確認(rèn)來降低誤差，這個(gè)過程稱為“問”;三是人機(jī)交互還需要根據(jù)上下文進(jìn)行判斷和推測，這可以理解為“猜”;除此之外，整個(gè)軟件系統(tǒng)還需要具備持續(xù)的學(xué)習(xí)能力和良好的擴(kuò)展能力。

　　雖然蘋果沒有公開Siri更多的技術(shù)細(xì)節(jié)，但是一些實(shí)用的例子已經(jīng)體現(xiàn)出了Siri不僅僅是個(gè)語音識(shí)別的軟件。比如在一段Siri被蘋果并購前的演示視頻顯示，當(dāng)用戶說“ I like a romantic place for Italian food near my office”(我想在辦公室附近找一個(gè)浪漫的意大利菜餐廳)。

　　Siri則回答：“I am looking for a Italian restaurants which reviews say are romantic near your wok in San Jose(從大家評(píng)論的結(jié)果來看，在你公司附近最浪漫的餐廳在圣何塞)…”

　　這個(gè)回答說明 Siri 聽懂了 romantic 是個(gè)形容詞，知道 near my office 是個(gè)地方。并且，找到了以前存儲(chǔ)的用戶的工作地點(diǎn)。更關(guān)鍵的是，他知道怎么判斷一個(gè)餐館是否 romantic!——通過Yelp.com的食客評(píng)論。

　　Siri的這種革命將會(huì)改變諸多既有格局，并且進(jìn)一步解放科技力量。首先，從產(chǎn)品的科技屬性上說，Siri將肩負(fù)起蘋果公司引爆第三次人機(jī)互動(dòng)革命的重任。我們完全有理由想象：在鍵盤、軌跡球相繼在移動(dòng)終端上消失之后，虛擬鍵盤也即將消失，甚至菜單功能項(xiàng)也一并會(huì)消失了。

　　其次，從產(chǎn)業(yè)格局上說，Siri將會(huì)成為使蘋果公司繼續(xù)保持優(yōu)勢的利器。目前，從Android 4.0和Windows Phone 7(WP7)的芒果系統(tǒng)來看，谷歌和微軟在移動(dòng)終端領(lǐng)域正在縮小與蘋果的距離，而蘋果的iPad 2和iPhone 4S卻相繼使“果粉”失望。這其實(shí)也是不可避免的，畢竟硬件的持續(xù)創(chuàng)新是有一定極限存在的。

　　此時(shí)，Siri被蘋果所適時(shí)地祭出，有望再次提高Android和WP7設(shè)備和iOS設(shè)備進(jìn)行競爭的門檻。谷歌的Voice Actions也是具有后臺(tái)功能調(diào)用的類似應(yīng)用，然而，當(dāng)硅谷編輯們打開 Voice Actions時(shí)會(huì)說 “send a text to Mike”，而拿到 iPhone4S時(shí)他們則會(huì)用“ I Love You”在測試Siri的強(qiáng)大功能。在這一點(diǎn)上來看，被用戶開心“調(diào)戲”的Siri，其實(shí)已經(jīng)領(lǐng)先其他的產(chǎn)品進(jìn)入智能的階段。

　　Siri的威力還將從谷歌的核心業(yè)務(wù)——搜索中搶奪地盤。比如，你可以通過吩咐Siri來打開 Yelp 的 Reviews 與進(jìn)行OpenTable 的預(yù)定，那還要 Google 搜索干什么?從這個(gè)意義上說，Siri 并不是社會(huì)化搜索引擎(比如Google收購的aardvark)，卻勝似社會(huì)化搜索引擎。

　　更為重要的是，Siri將為蘋果帶來巨量的用戶數(shù)據(jù)。而這些數(shù)據(jù)是其他競爭對(duì)手所無法得到的。也正是基于此，對(duì)于蘋果公司來說，Siri有望強(qiáng)化它的三個(gè)弱項(xiàng)——云計(jì)算、社交、家庭娛樂設(shè)備。

　　如果蘋果的10萬名開發(fā)人員在Android開發(fā)人員之前得到這些數(shù)據(jù)，Android和iOS競爭的結(jié)局便可想而知?？梢钥隙ǖ氖?，Siri將不僅僅是一個(gè)應(yīng)用程序，它同時(shí)也是一個(gè)自然用戶界面系統(tǒng)，它使得服務(wù)器端可以整合來自大量開放API的數(shù)據(jù)。甚至，由于占據(jù)用戶與數(shù)字設(shè)備和互聯(lián)網(wǎng)的第一觸點(diǎn)，一個(gè)“應(yīng)用導(dǎo)航”甚至“Siri App Store” 也不是不可能出現(xiàn)——當(dāng)你說：“我要看關(guān)于奧巴馬的新聞”，Siri調(diào)用出的會(huì)是誰的新聞網(wǎng)站或者是新聞應(yīng)用?這將是很有意思的事情。

　　在蘋果發(fā)布Siri之前，Siri的聯(lián)合創(chuàng)始人Norman Winarsky在接接受媒體采訪時(shí)如此預(yù)言Siri的未來圖景：

　　“毫無疑問，蘋果的虛擬個(gè)人助理是開創(chuàng)性的，這是一個(gè)改變世界的事件。在技術(shù)方面，Siri至少領(lǐng)先競爭對(duì)手2年，因?yàn)檫@不是個(gè)語音識(shí)別軟件，而是真正的、可商用的人工智能技術(shù)。”