原文來(lái)自Medium，作者John Brownlee

原文鏈接：https://modus.medium/what-siri-could-learn-from-thanos-e6a29df16e2d

如果用托爾金（J.R.R.Tolkien）寫的《指環(huán)王》里邊的人物來(lái)形容的話，語(yǔ)音助手Siri、Alexa、Cortana和Google都向往著成為魔王索倫（Sauron）。

如果將這些語(yǔ)音助手所采取的不同的發(fā)展方式凝練出來(lái)，那么可以歸納為，他們最終希望可以：至尊魔戒（One Ring）（或者說(shuō)是終極AI技術(shù)）馭眾戒，禁錮眾戒黑暗中（來(lái)自魔戒上的咒語(yǔ)，原文為“One Ring to rule them all, One Ring to find them, One Ring to bring them all, and in the darkness bind them”。即至尊戒馭眾戒，至尊戒尋眾戒，至尊戒引眾戒，禁錮眾戒黑暗中）。

也就是說(shuō)，每個(gè)語(yǔ)音助手都希望在競(jìng)爭(zhēng)中勝出，成為你唯一的語(yǔ)音助手，而你可以通過(guò)這個(gè)語(yǔ)音助手提出你所有的請(qǐng)求。

因此，如果你想使用Amazon Echo關(guān)閉Philips Hue智能燈，你可以說(shuō) ：“ Alexa，請(qǐng)關(guān)閉我的客廳燈 。” 然后Alexa會(huì)在幕后將你的請(qǐng)求翻譯成Philips可以理解的格式并將此命令傳送到Philips終端。

從iOS 12開始，Siri也在以這種全能的方式工作。你可以通過(guò)Siri Shortcuts的強(qiáng)大功能設(shè)置一個(gè)宏命令（macro，即宏，指計(jì)算機(jī)的批量處理稱謂，其用途在于自動(dòng)化頻繁使用的序列或獲得更強(qiáng)大的抽象能力），當(dāng)你說(shuō) “ 嘿Siri，播放《這是如何制作的》（How Did This Get Made）”時(shí)，這個(gè)播客節(jié)目的最新一集將自動(dòng)開始在你所選的播客應(yīng)用中播放。

即使沒有設(shè)置快捷方式，你也可以通過(guò)語(yǔ)音命令控制Siri，當(dāng)你使用 “ 嘿Siri，使用草稿功能，在收件箱中創(chuàng)建一份草稿，內(nèi)容在剪貼板上”之類的命令時(shí)，Siri將在草稿中的新文檔中保存你的剪貼板內(nèi)容。

從表面上看，這種通過(guò)語(yǔ)音與設(shè)備交互的方式很明智。我們想使用聲音來(lái)控制手機(jī)。但是，為手機(jī)起一個(gè)像Siri這樣的人名，像對(duì)待人類那樣與它交談，然后讓它按照我們的指令行事。這是我們唯一的方案嗎？

我認(rèn)為，用戶界面設(shè)計(jì)近三十年的發(fā)展向我們證明了這種做法并不是最有效的。

語(yǔ)音助手處理事情（除了最簡(jiǎn)單的任務(wù)）的速度相對(duì)緩慢，因?yàn)槲覀兩形匆哉_的方式考慮會(huì)話式用戶界面（Conversational User Interface，指支持語(yǔ)言的一來(lái)一往的人機(jī)交互，一種不同于Siri那樣只能夠單方面對(duì)問(wèn)題一次性作答的方式）。

再做一個(gè)類比：我們不必像索倫那樣思考，而需要像滅霸那樣思考。與其用一個(gè)至尊魔戒統(tǒng)治一切，不如像收集漫威電影里的無(wú)限原石（Infinity Gems）那樣對(duì)待語(yǔ)音助手，盡可能多的收集幾塊。

什么是語(yǔ)音助手？硅谷希望我們將它視為生活在我們手機(jī)中的性感AI，但如果拋開硅谷給我們的這種想法，語(yǔ)音助手其實(shí)就是計(jì)算中最古老、最簡(jiǎn)單的用戶界面的現(xiàn)代迭代。

與語(yǔ)音轉(zhuǎn)錄引擎結(jié)合使用后，語(yǔ)音助手成為了21世紀(jì)版本的命令行（命令行是用戶通過(guò)鍵盤輸入字符指令后，計(jì)算機(jī)輸出字符結(jié)果的一種人機(jī)交互的方式）：就像我們?cè)赨nix和磁盤操作系統(tǒng)（DOS）中使用的純文本輸入字段一樣，命令行使我們能夠向計(jì)算機(jī)提供指令。

命令行突然出現(xiàn)于20世紀(jì)60年代中期，它第一次讓用戶能夠無(wú)需直接編碼而向計(jì)算機(jī)提供指令。命令行的使用是革命性的——我們現(xiàn)在不一定需要用0/1與計(jì)算機(jī)溝通了，突然間，我們可以使用類似于自然語(yǔ)言的語(yǔ)句結(jié)構(gòu)與計(jì)算機(jī)對(duì)話了。

你想賭什么？硬幣正反面，還是Siri能不能在你下達(dá)第一次命令后就在Apple Music上正確播放你想聽的那張專輯？

語(yǔ)音助手與命令行相似，但不完全相同。在舊的DOS提示符下鍵入“ delete word.doc”，計(jì)算機(jī)接下來(lái)不會(huì)執(zhí)行任何任務(wù)；鍵入“ del word.doc”，計(jì)算機(jī)才會(huì)理解你想要什么。

而且，你想要完成的動(dòng)作越復(fù)雜，你就越需要用確切的計(jì)算機(jī)語(yǔ)句結(jié)構(gòu)寫出通順的命令行，否則計(jì)算機(jī)就會(huì)因?yàn)殄e(cuò)誤的語(yǔ)句而卡住。

只要是要求過(guò)Siri使用日歷功能創(chuàng)建提醒的用戶，肯定向Siri提出過(guò)類似這樣的指令：“提醒我在11月第三個(gè)星期二的9:15到9:35之間去某個(gè)醫(yī)院看醫(yī)生。”這個(gè)指令并非是那種淺顯易懂的單一任務(wù)指示，所以對(duì)于Siri而言，這樣的指令很難理解。

換句話說(shuō)，命令行雖然是ASCII碼時(shí)代（American Standard Code for Information Interchange，即美國(guó)信息交換標(biāo)準(zhǔn)代碼，基于拉丁字母的一套電腦編碼系統(tǒng)）的通用語(yǔ)，但它是我們與計(jì)算機(jī)交談最糟糕的一種方法。你鍵入的命令看起來(lái)像是英文，但實(shí)則不然。實(shí)際上，你需要記住大量的計(jì)算機(jī)語(yǔ)句并且反復(fù)試錯(cuò)才能通順地利用命令行指引計(jì)算機(jī)工作。

這也很好地描述了我們使用語(yǔ)音助手的用戶體驗(yàn)。實(shí)際上，除了最簡(jiǎn)單的任務(wù)之外，我們很少有人真正精通 Siri或Alexa之類的工具所偏好的語(yǔ)言。我們?cè)谂c這些隱形AI的交互中不斷犯錯(cuò)，直到最終弄清楚了它們期望我們使用什么樣的語(yǔ)法。

但有時(shí)候我們直接就放棄試驗(yàn)了。（如果你并不認(rèn)為這種情況很糟糕，那么請(qǐng)你問(wèn)自己一個(gè)問(wèn)題：你想賭什么？硬幣正反面，還是Siri能不能在你下達(dá)第一次命令后就在Apple Music上正確播放你想聽的那張專輯？）

從本質(zhì)上講，這就是會(huì)話式用戶界面的恐怖谷效應(yīng)（恐怖谷效應(yīng)指當(dāng)一個(gè)事物與自然的、活生生的人或動(dòng)物非常相似，但又不完全相似時(shí)，一些人會(huì)對(duì)它產(chǎn)生反感厭惡的情緒）。

語(yǔ)音助手聽起來(lái)像人類，他們像人類一樣說(shuō)話并且有像人類一樣的名字，但我們卻無(wú)法像人類那樣相互理解。這就是為什么命令行最終不再受歡迎，并被基于圖形用戶界面（Graphical User Interfaces，圖形用戶界面是指采用圖形顯示的計(jì)算機(jī)操作界面，與早期的命令行界面相比，圖形用戶界面在視覺上更易于被用戶接受）的操作系統(tǒng)（例如Windows和macOS）所取代的原因。

在基于圖形用戶界面的操作系統(tǒng)上，每一個(gè)應(yīng)用程序（App）都有自己專屬的界面，這些App可以并行，每個(gè)App處理不同的任務(wù)：文字處理、電子表格處理、電影播放等。

我們意識(shí)到了計(jì)算機(jī)無(wú)法正常理解我們的命令，于是設(shè)計(jì)了圖形用戶界面用于交流溝通。用戶只需將鼠標(biāo)指向或單擊一個(gè)人機(jī)相互理解的符號(hào)，我們和計(jì)算機(jī)就可以達(dá)成共識(shí)。

也許會(huì)話式用戶界面的設(shè)計(jì)師們是時(shí)候從命令行界面退出舞臺(tái)這件事中吸取一些教訓(xùn)了，不然我們可能真的會(huì)提前放棄對(duì)語(yǔ)音助手的使用（或者將它們束之高閣）。

但要實(shí)現(xiàn)這一目標(biāo)，硅谷的公司將不得不克服他們對(duì)創(chuàng)建一個(gè)全能的語(yǔ)音助手迷戀，而采用一種更加多樣化的、類似于發(fā)展App的方法發(fā)展語(yǔ)音助手。

期望Alexa或Cortana（小娜，Microsoft開發(fā)的語(yǔ)音助理）之類的語(yǔ)音助手理解我們?nèi)祟惖膯?wèn)題在于，即使是人類本身也不擅長(zhǎng)遵循彼此的指令。

這就是為什么我們不要求郵遞員為我們做抵押貸款，為我們修理廁所，為我們?cè)O(shè)下捕鼠器并診斷我們的身體狀況的原因。我們請(qǐng)銀行工作人員、水管工、除蟲師和醫(yī)生幫我們處理這些事情，因?yàn)槲覀冎溃谕魏我粋€(gè)人在每件事情上都是專家是不合理的。

那么，為什么我們對(duì)語(yǔ)音助手會(huì)有如此多的期待呢？Siri和Alexa不應(yīng)成為解決所有問(wèn)題的AI。他們應(yīng)該是無(wú)形的操控者，將我們的需求送達(dá)到某個(gè)專門設(shè)計(jì)與我們互動(dòng)以完成我們指派的任務(wù)的語(yǔ)音助手那里。

因此，當(dāng)我們需要付房租時(shí)，我們并不期待Siri知道如何做——我們說(shuō)：“ 嘿Venmo，給我房東打2,000美元。” 當(dāng)我們要在電子郵件中尋找一個(gè)電話號(hào)碼時(shí)，我們直接與Gmail進(jìn)行溝通，而不是通過(guò)Alexa轉(zhuǎn)達(dá)命令，這是不是看起來(lái)更合理？

如果我們不再期望一位語(yǔ)音助手能夠百分之百理解我們的要求，那么似乎很多令人失望的語(yǔ)音助手的錯(cuò)誤反應(yīng)問(wèn)題都可以被解決了。因?yàn)樵诂F(xiàn)實(shí)生活中，如果考慮到了所交談的對(duì)象這一背景因素，那么人們相互之間就能夠更好的理解彼此并及時(shí)調(diào)整溝通策略。很少有人會(huì)像與自己五歲的孩子說(shuō)話一樣與會(huì)計(jì)師交談，這就是為什么我們能夠使彼此相互理解的原因。為什么語(yǔ)音助手要不一樣呢？

語(yǔ)音助手不應(yīng)該是全能的，Apple、Amazon、Microsoft和Google不應(yīng)該試圖將人們綁在他們的機(jī)器上。像Siri或Cortana這樣千篇一律的語(yǔ)音助手總是能夠在市場(chǎng)上找到一席之地，但是，如果Siri或Cortana可以向更多的專注于特定任務(wù)的小型聊天機(jī)器人開放他們的語(yǔ)音平臺(tái)，那么語(yǔ)音助手將會(huì)有更多的機(jī)遇。就像Mac和第一臺(tái)IBM 個(gè)人電腦從命令行轉(zhuǎn)而向App領(lǐng)域開放一樣。

就像Apple首先通過(guò)其iOS App Store發(fā)現(xiàn)的那樣，在由語(yǔ)音助手引領(lǐng)的下一場(chǎng)計(jì)算革命中，當(dāng)一個(gè)看門人同樣也可以創(chuàng)造很多利潤(rùn)并獲得榮耀。當(dāng)然了，如果語(yǔ)音助手想要領(lǐng)導(dǎo)下一次計(jì)算革命，那硅谷及其終端用戶必須停止用高于人類的要求去要求語(yǔ)音助手。