武汉交互空间科技：AI 时代，语音会成为主流交互方式吗

从键盘到触屏，再跳出屏幕在 iPhone 风靡全球之前，市场上并不缺乏触屏手机。
Nokia、Motorola、BlackBerry 等等企业将实体按键的手机做得登峰造极，也铸就了手机历史上最璀璨的一个篇章。精密的实体按键是手机的标配。实体按键无疑有着非常明显的优势：精确、可盲打、可替换。这些优势如今依然在其它设备上有所体现。即使现在的品牌试图将手机打造成纯粹的 unibody 的产品，也跳不出实体按键的束缚。只是苹果将触屏的优点无限放大，为它匹配了自然的操作逻辑——左滑右滑上滑下滑，当然你也可以点击，甚至向屏幕下重重地按下去。苹果为这块触摸屏赋予了符合直觉的、丰富的操作方式。尽管大家都觉得 iPhone 是触屏手机的开创者，但它花了近 3 年时间优化系统，让这个彼时的异类更加好用。某种程度上来说，人类是懒惰的，科技的发展也促使人类更加懒惰。因此用户自然会选择省力的、不费脑子的那条路——就跟如今短视频如此风靡一样。站在交互逻辑的角度，触屏跳脱出了硬件固定的位置，让手指可以随心所欲地在屏幕上进行操作。就像 PC 时代，鼠标刚出现时，用户能够完成“所见即所得”的操作一样。而软件所需要做的，就是为这块屏幕匹配一个合理的操作 UI。屏幕越来越大，则是另一个趋势。人们总是会追求更大的屏幕，甚至更多的屏幕。凯文凯利在他的著作《必然》当中提到过“屏读”，即任意表面都可以是屏幕，屏幕会越来越多。现在来看，预言正在成真。充斥于我们生活里的科技产品，屏幕越来越多，就连智能汽车也在比拼谁的屏幕大、谁的屏幕多。于是到这里新的问题出现了，当屏幕越来越多、越来越大的时候，我们应该如何与它们进行交互？烽烟传讯，声音远控人与屏幕的交互范围受人体影响，即你的手掌有多大，就能覆盖多大面积的手机屏幕——乔布斯曾说手机的黄金尺寸是 3.5 英寸不是没有道理，那是正常人手掌尺寸能覆盖整个屏幕的大小。在真实场景中，手臂与屏幕的距离也决定你是否能直接进行操作。虽然你与电视能够用遥控器进行操作，但智能音箱不可能都配上一个遥控器。远距离通信，古代有烽烟传讯，今天有智能语音，尤其是 AI 时代。语音交互的优点显而易见。你在家可以声控智能家居，上车可以声控智能汽车，躺在床上，你也可以向手机发出一堆语音指令。这符合科技发展规律，毕竟人就是这样变懒的。其次，语音对话是最基本的交流方式。文字出现之前，人类就有了丰富的语言系统。在即时通讯软件高度发展的今天，你甚至可以不懂打字就能和千里之外的亲戚朋友聊天。过去我们之所以会觉得与手机“对话”奇怪，是由于没有对象感。但是今天，即时通讯软件让我们习惯了对着手机发出对话信息，如 ChatGPT 一样的 AI 语音助手又发展出了聊天技能，人与手机进行对话已经成为了现实。从技术的角度来说，加入 AI 的自然语义识别正逐渐变得更加拟人化，AI 语音助手能够接收、结合背景、分析你所说的全部话语，并给出相应的答案。随着技术的进步，端侧运算能力增强，从语音指令发出再到设备给出答案，时间间隔将会越来越小，无限接近人与人的自然对话。这样才不会出现你在发布会上，对着电脑喊计算表格，半天出不来结果的情况。语音，最低成本的交互方式语音交互技术其实已经有了数十年的发展历史，从简单的单词识别到现在的复杂语境识别，甚至做出推测，从技术角度来看，语音已经做好了登上前台的准备。而对于用户来说，语音是最低成本的交互方式。它符合直觉，即时响应，没有学习门槛。在人机交互领域，它也能实现跨设备、跨系统、跨距离的交互，几乎无处不在。在 AI 时代真正来临前，德勤就已经发布过《德勤交互式人工智能白皮书：交互式人工智能正在重塑人机交互》，报告中称“随着技术的进一步发展，预计语音交互将在更多领域展现其价值，成为人机交互的重要方式”。迈过了对话违和感、技术门槛以及普及率三大关之后，语音交互无疑具有极大的潜力，去改变我们与设备、机器交互的方式，尤其是手机。苹果从 Siri 到 Apple Intelligence 描绘出了一张硕大的 AI Phone 蓝图，而另一边国产厂商也在奋起追赶，HarmonyOS NEXT、ColorOS 15、OriginOS 5 等等系统，都将推出属于更好用的 AI 语音助手和聊天机器人。从键盘到触屏，再到跨空间的高效语音交互，人机交互的时代即将翻篇。而我在这一页的最后，依旧用文字询问了 ChatGPT 和豆包，它们认为语音是否能成为 AI 时代的主流交互方式，它们都给出了肯定的答案。