智能网络的终点，是语音掌控万物吗？

三年前，当Gartner在Gartner Symposium/ITxpo 2013大会上提出“万物互联”概念时，这个世界就注定变得与以往不同。我们正从今天的“物联网”(IoT:internet of things)走入“万物互联”(IoE:internet of Everything)的时代。

人们不断追求将万事万物连接起来，从智能手机到智能家居，再到汽车的智能系统，发展日新月异。然而，这并不是万物互联的全部内涵。通过手机操控一个电插头并不是人类的终极未来——那只是一个简单的连接，更智慧的互动将被应用。在物联网之后，万物互联的下一个热点在哪里？笔者认为是语音技术。

在百度语音最近举办的语音技术媒体沟通会上，笔者看到，无论是汽车还是机器人，语音带来了真正的智能化体验。对着汽车说，”带我到最近的加油站“，汽车导航就会自动搜索距离你最近的加油站，甚至未来可以开启自动驾驶功能，帮助主人实现目标。而对着小度机器人说，“听一段悬疑小说”，小度就会为你声色并茂地朗读一段悬疑小说，先进的语音合成技术几乎完美地模拟出真人的音声、音调与情绪的起伏，令人沉浸其中。而更加令人激动的是，即便是用方言说，“想看《新白娘子传奇》”，或者以自定义的昵称“小乐”唤醒你的手机，百度语音技术也能准确识别、理解用户的需求，并启动终端设备与之互动。在会上，百度语音还免费开放了唤醒与自定义语义两项功能，将进一步推动多终端一体“音入口”普及、终端语音识别率提升。

为什么说语音技术将是智能网络的未来呢？因为目前的智能网络存在显著瓶颈。一方面，人机交互界面主要以文字、图片为主，对操作者的IT素养要求很高。在自动提款机上，想要取出一张一百元钞票，需要用户至少准确无误地按下十来个按键才能完成操作。另外一方面，人机交互的过程往往只是单向、非闭环、非全自动化的。比如在医院、高速收费口或地铁口，取卡与读卡的效率甚至还不如人工。这些种种的瓶颈，导致智能网络的操作门槛与成本都居高不下。

解决上述问题，并不能单独从操作逻辑的优化、网络或硬件的改进等入手，而需要从界面和大脑两个层次入手。首先，从互动方式看，要遵循人性。人类最天然的交流方式并非文字，而是语言。即便是婴儿，也会在呱呱落地时哇哇大哭，引发父母的关注，其一哼一哈，均蕴含着丰富的意义，慈悲的父母，总能准确地感知。因此，在交流方式上，未来的智能网络势必从现有的文字为主的书面沟通方式，进一步升级为更加人性化的语音交流。因为在交流方式上，人们最快的方式是说话，而不是书面化的人机交互。

其次，未来的智能网络，通过云能力的布置，每个设备都可以拥有一个影子“大脑”。现在的智能设备之所以不够智能，是因为没有最强大脑。空调太干燥了，不知道启动加湿器；电饭煲启动了，自动炒锅却笨到不会启动，需要人工投料、启动。这是因为他们只能接受简单的输入，没有理解和输出能力，所以又笨又哑。而伴随着百度大脑这样的技术平台不断开放，语音技术中的语音识别、语音理解、语音合成等能力就完全可以赋予给一切终端，令他们通过“云”的虫洞，瞬间免费拥有影子“最强大脑”，从而变得智能可交互，创造无限可能。

如此一来，所有的物，不论是人、设备、软件，都将会获得语境感知，增强的处理能力和更好的感应能力。智能网络的终极追求，应该是语音即可掌控万物。那么，相比目前的互联网，这样的智能网络规模将得到以万倍计算的增长，并且智能程度大幅提升——因为目前接入互联网的“物”，还只占到全部数量的1%，而且大多数“物”均沉默无语。

1980年，以太网的发明者梅特卡夫提出，网络的价值V与其用户数量n的平方成正比，这就是大名鼎鼎的梅特卡夫定律（Metcalfe’s Law)。我们可以相信，梅特卡夫定律依然将作用于万物互联时代。

2016年，百度创始人李彦宏指出，互联网即将迎来发展下一幕，推动其发展的核心动力，是人工智能。而人工智能的第一领域是语音识别。或许，我们可以将之称为李彦宏法则——无智能，不未来，无语音，不智能。

将梅特卡夫定律与李彦宏法则叠加，我们不难看到万物互联的未来，一个集合十亿甚至万亿连接的庞大网络将会出现，并且每个连接其中的“物”都能听会说。或许，这才是孔老夫子“君子动口不动手”的本意？

音声世界，见所未见！

本文转自d1net（转载）