自苹果iPhone 4S内置语音助手Siri以来，语音识别技术近年来经历了前所未有的繁荣。穿戴式设备、智能家居和车载设备的兴起，更是将语音识别技推到应用的台前。语言的创造原本就是人类历史的一个拐点，而当将语言与科技结合时，所谓的人机交互的革命史又翻开了新篇章。
《Her》的启示：所谓的语音助手只是用来耳提面命的吗？
像在国内，目前除了手机内自带的语音助手，不少第三方语音助手应用也如雨后春笋般涌现，譬如讯飞语点、百度语音助手、搜狗语音助手、虫洞语音助手、智能360语音助手等。这项曾沉寂几十年的鸡肋技术之所以如今风头正旺，原因无非是搭上了移动互联网的顺风车，从而满足了语音技术普及更广泛所需的两件事情：更好、更方便的应用和主要使用语音的生活场景。
初次使用Siri或讯飞旗下的“灵犀语音助手”的用户都会对这种新的人机交互方式感到很新奇，不仅可以通过语音搜索内容、查询信息，还可以聊天解闷、讲故事、唱歌，真可谓是得力的小助手。
正好，最近笔者重温了一部讲述人机交互的电影《Her》，这几乎构建了人机语音交互的一个非常理想化的境界。片中女主角Samantha（人工智能系统）没有身体，只能发出声音。表面上看，这只是一个具有升级版的的语音助手。实际上，与目前的语音助手们相比，其又具备了以下几个进阶点：
1、对话交互。虽然你可能反驳说，如今的语音助手也能进行对话，但只要一体验就会知道那只不过是“讲话”而已，用户一听就能感觉到机械感太强、体验太差。实际上，目前参与对话的人与机之间的地位悬殊太大，很多语音助手是作为人类任务助手、被调戏助手的角色出现的。而对话的话，则讲究的是两个主体之间关系的平等性。
2、十分流畅的情感流露。倘若未来的人工智能真的以“与人类无异”为目标，那么最应该在乎的是它能否读懂人类的情感并给用户人类般的反馈。影片中，Samantha和男一号Theodor交谈、恋爱，最终她还凭借其飞快的进化速度与数千个人进行交谈，同时与几百人维持着浪漫的恋爱关系，将Theodore无情地抛在身后。机器的不断进化注入了Samantha超乎寻常的情感灵魂。
而在现实生活中，机器的冷冰冰已司空见惯。人类饱含感情、追求自我，每个人的独特性构成了他自己的整个世界；而机器的本质则是通过无限复制、并行计算来追求效率最大化。这个不可调和的矛盾或许只能寄托未来，未来出现像Samantha一样的高级人工智能。
无缝的语音交互境界有多难？
从技术上讲，要达到未来无缝的语音交互境界还相当难：
虽然近年来语音技术门槛逐渐降低，但不可否认的是，语音技术在人机交互中的尴尬局面。比如语音识别的正确率，其在实际应用中依然不够“听话”。比如，人说话时单个字母或词、字的语音特性受上下文的影响，以致改变了重音、音调、音量和发音速度等；比如环境噪声和干扰对语音识别有严重影响，致使识别率低。
有业内人士也对此坦承，语音识别的遗憾是再努力做也做不到百分之百。这无疑是整体语音技术应用中的一个最大痛点。
这里存在一对天然的矛盾：人的本性是倾向于用非精确的信息，因为其传输量更大，更方便。然而，机器却需要用精确信息来处理才能让识别和自然语言处理更准确。所以说，一家相对专业公司的语音识别可以做到90%就已经不错了。
从目前人机交互的形态而言，显然，用户还是更偏向于直接能产生触感的手动式人机交互。苹果近日在iOS7.1的升级当中也对语音助手Siri作出的升级亦直接在触控方面做出了调整，在Siri界面当中，具体实现方式类似于目前在微信当中的语音交流，说话前按住Home键不放，在说话完毕后放下Home键即可手动控制输入识别。苹果未单独再对声音方面做出调整，毕竟比起语音，手动更具有实体存在感，而且目前在语音交互上不断推进会大幅增加用户认知负担。
未来，要想达到无缝语音交互的技术奇点，必须，不是更多地发展真正的人工智能，更多地模仿人类的智能而非模仿人类的行为或声音。或许，将类似一大堆的神经元细胞注入机器是人工智能的爆发点。这不是天方夜谭，真的有人已经在做这件事了。据悉，牛津大学人类未来研究所近日发布了一份报告，便阐述了向机器上传意识的技术要求。“唯有生物才具有意识”的观念正将被击得粉碎！
