谷歌收购API.AI，为何科技巨头争相爱上聊天机器人？

谷歌本周收购了聊天机器人创业公司API.AI，进一步加强语音识别技术。谷歌和Facebook等公司近期的举措表明，语音将成为我们与设备互动的下一代界面。

为何谷歌要收购这样一家公司？

　　API.AI提供的工具能协助开发者开发类似Siri的对话式聊天机器人。

人类有着非常出色的沟通技巧。例如，如果有人说“这个女孩看到有个人拿着望远镜”，那么根据上下文语境，我们可以知道他的意思是这个女孩看到了有人用望远镜，还是携带着望远镜。

让机器人学会同样的技巧是一项复杂的挑战。许多表述都可以有不同含义，而表达同一含义又可以有多种不同说法。API.AI的目标就是解决这样的问题。该公司提供的API（应用程序接口）能进行语音识别、意图识别和语境管理，而开发者还可以向自己的聊天机器人提供某一领域的专业知识。

目前，API.AI支持15种语言，包括英语、汉语、法语、德语和西班牙语。根据该公司网站上的统计，API.AI到目前为止已处理了超过30亿次API请求。而谷歌则表示，超过6万开发者用API.AI的工具集开发了产品。

谷歌没有披露这笔收购的价格和条款。根据CrunchBase的数据，API.AI的融资总额约为860万美元。

语音时代的到来

谷歌的这笔收购，以及行业的其他发展表明，我们与应用互动的方式将从文字输入输出变为语音交流。语音的时代即将到来。

在我们双手拿着东西时，在我们运动时，在我们不想看复杂的菜单时，使用语音与手机交流将更简便。有“互联网女皇”之称的玛丽·米克尔（Mary Meeker）也认为，语音时代即将到来。她指出，语音是“计算机输入最有效的形式”。我们每分钟可以说出150个单词，而打字速度只有每分钟40个单词。通过语音，计算机可以更好地了解我们的意图，从而进行预测。我们不必每次都通过主页屏幕去导航，直接就可以获得想要的功能。

百度首席科学家吴恩达表示：“随着语音识别的准确率从95%上升至99%，我们所有人都会经常使用语音识别。”随着亚马逊Alexa开始吸引用户和开发者的关注，语音助手和语音搜索正在快速发展。

然而目前，语音界面的功能还很有限。Android系统和iOS中的Siri可以完成基本的听写，但设备大声读出所有输出信息也令人觉得不便。VoIP通话正在发展。在Facebook Messenger的10亿用户中，有3亿人每月会使用语音和视频通话功能。然而，大部分应用仍没有提供语音互动机制。

巨头的发力

Facebook于2015年收购了语音和自然语言界面创业公司Wit.ai，但到目前为止尚未公开展示如何利用该公司的技术。目前，Facebook正在测试将语音消息转换为文本，让消息接收者可以一目了然。

上周，Facebook Messenger负责人大卫·马库斯（David Marcus）表示，Facebook目前还没有积极开发语音技术，但“未来某个时候，很明显随着我们给Messenger带来越来越多功能和连接，我们将着手开发语音互动机制和界面。”

Facebook旗下WhatsApp已开始在iOS 10系统中支持Siri。用户可以用语音让WhatsApp去发消息。未来，Messenger或许也将支持这样的功能。

对Facebook而言，更远大的目标或许在于理解人类说话的不同方式。我们与他人交流以及与计算机交流之间差别很大。一年前，有消息人士表示， Facebook机密的语言技术集团正在探索这方面机会。

在与计算机互动时，我们的发音和用词都会更正式。而在与好友交流时，我们的讲话通常更随意，语速更快，充满表情。例如，你可能会说：“OK，谷歌，向我展示附近的四星评价餐厅”。而在与好友交谈时，你会说：“旁边有什么好地方去吃顿饭？”

如果Facebook希望记录、阅读及分析我们与好友交流的方式，那么或许需要开发不同的语音识别引擎。

与此同时，谷歌正准备推出一款基于语音的消息应用Allo。通过这款应用，你还可以与谷歌AI助手交谈，让它帮你预订餐厅或寻找导航路线。Allo能够很容易地判断，你想要给谁发什么样的消息。就谷歌收购API.AI而言，这将帮助该公司更好地分析用户的语音和语句结构，从而准确地了解用户意图。

如果用户频繁使用语音输入，那么Facebook和谷歌等科技巨头就可以更好地了解我们的情绪。这将帮助推动它们服务的个性化。

随着语音和AI助手API的发展，预计越来越多消息应用将会支持语音命令。开发者将开发订制的聊天机器人，在Facebook Messenger、Telegram和Slack等平台上表述你的语音，而你完全不必打开手机。

新一代蓝牙耳机将给我们带来持续开启的麦克风。苹果AirPods有着时尚的外观，这或许将推动人们长时间佩戴无线耳机。

一旦你习惯于使用人工智能助手，或是点击耳机去发消息，那么语音技术将从设备添头变为必不可少的元素。这意味着，我们不必花太多时间去盯着屏幕，而是更多地去关注周围世界。

本文转自d1net（转载）