专访奇点机智林德康：如何让手机助手不再鸡肋？ | AI英雄

本文系网易智能工作室（公众号 smartman163）出品，此篇为AI英雄人物专访第41期。

文 | 小羿

人物观点：

观点一：目前手机语音助手之所以成为鸡肋，就是因为传统的CUI（人机对话界面）扩展功能缓慢、需要冗长的业务谈判来整合第三方API、用户必须放弃现有的应用来使用新的UX，这也是Siri在五年以上还没有成为一个新UI的原因。

观点二：从媒体和投资的角度，智能音箱、智能机器人、智能车载等产品可能很火，但它们目前覆盖的用户是在太小了，全加起来还不及手机的1%。即使在语音交互时代，也没有人想使用手机之外的另一套系统，人们需要的是手机与其他场景的无缝连接。

“全世界智能音箱产品加起来，也不及手机出货量的1%。”

在林德康开来，智能音箱、智能机器人、智能车载产品，不管从媒体、投资的角度有多么火，其覆盖用户及使用频次在手机面前也可以忽略不计。

初聊几句，作为技术人的林德康并不是非常健谈，但能感觉到他在业内足够务实的心态。

虽然鲜被中国用户所知，但林德康确是自然语言理解领域的大牛人物。将近20年的海外学术研究生涯中，林德康在自己的领域发表了90余篇论文，研究总计被引用超15000次。这也使他成为全球计算语言学领域最具影响力的学术组织――国际计算语言学学会会士（ACL Fellow），还曾任ACL2002程序委员会联合主席、ACL2011大会主席、ACL2007北美分会执行委员。

回国之前，林德康已经在Google工作了12年，他作为Google研究院高级管理科学家，也是Google搜索问答系统的创始人和技术负责人。

2016年4月，林德康回国创业加入奇点机智，任联合创始人兼CTO。在回国以后的一年多中，林德康带领创业技术团队开发了一款完全不同于Siri等主流语音助手的产品。

为什么Siri们都是鸡肋？新思路是什么

有人说，以手机为代表的触摸操作时代将结束，以亚马逊Alexa和Echo音箱为代表的新的语音交互时代将到来，会变成一个完全革新的时代。

但事实真的是这样吗？

几年前，以苹果Siri为代表的语音交互产品层出不穷，但语音识别的不准确、语义理解不顺畅、以及粗浅无聊应用场景让手机上的语音助手变成了鸡肋。喧嚣之后，第三方语音助手转型，只留下手机厂商作为一个噱头保留。

由于亚马逊Echo的火热，语音技术公司纷纷效仿推出音箱、家居、机器人、车载等产品的解决方案。语音技术也被各大巨头们视为下一代交互方式。

但就在这种市场情况下，林德康带领的奇点机智技术团队全力研发出一款手机语音助手――小不点。

经过实测，笔者只要下载APP，通过对话的方式即可操控手机应用中的各项功能。如说一句“打开微信给XX发个10元红包”，手机就会自动跳转到微信搜索到XX好友并打开发红包填入10元，如果是人用触摸操作的话，大概需要找到微信、打开微信、搜索并找到好友、点击进入会话界面、点击发红包、输入红包金额等七八步操作，而用小不点只需要一句话。

在比如用“滴滴打快车从北京大学去首都机场，”只需要这一句话，就可以实现打车操作，用手指触摸操作起码要六七步。类似的例子还有很多。

神奇的是，实现这些操作，并不需要接入第三方API和APP的底层，甚至不需要任何接口，奇点机智的“小不点”以一种及其简便的方式实现了繁杂的语音替换触摸操作。

在林德康看来，目前语音助手之所以成为鸡肋，就是因为很多手机语音助手都是基于自己的对话框开发的，牢牢把持着入口，很多应用只能作为后台服务接入，目前接入都是手机上自带的一些应用，比如设闹钟、连接WiFi、屏幕旋转这些功能。林德康表示，开发者肯定不想做俘虏，长期来看，微信、淘宝、京东这样的APP肯定不想将流量入口让位给Siri。就算是目前做的最好的亚马逊Alexa平台，在接入的技能上也非常浅层功能，纯粹是开发者们的尝试。

也就是说，“小不点”能够深入应用底层，通过语音指令实现对手机内APP应用的操控，让我们看到解决手机语音助手实用性问题的新思路与新方法。

技术原理：从CUI到VGUI，将语音"翻译"成触摸

林德康向网易智能介绍了这一技术的原理，即利用Android系统上的Feature辅助功能，将语音“翻译”成触摸操作，这样屏幕上的每个地方都会对应一个程序事件，把一系列的动作组合起来，就可以完成一件事情。“我们并不是接后台的服务，而是接前端的操作。”林德康认为，手机助手是应该像一个中介，它的任务是找到一个帮用户做事情的APP。“手机助手不可能是一个既懂得很宽，又懂得很深的程序。”

据林德康表述，奇点机智给自己设立的一个很简单的目标，就是链接人类对手机的需求和手机应用里的各项功能。为了实现这个目标，林德康提出了一套新的语音交互界面VGUI（声音图形界面）。

在林德康看来，传统的CUI（人机对话界面）在普及上有很大的问题，包括扩展功能非常缓慢、需要冗长的业务谈判来整合第三方API、人们必须说服终端用户放弃他们现有的应用来使用新的UX，“这就是Siri在5年以上还没有成为一个新的UI的原因。”林德康表示。

VGUI是在现有的应用程序之上添加会话界面，技能引擎通过Android辅助功能将语音命令转换成一系列GUI操作（例如，点击和滑动），任何人（包括最终用户）都可以通过语音命令即可直接访问任何功能，甚至通过配置命令创建新的基于VGUI的技能。

林德康表示，通过“小不点”，用户可以利用声音操作他们喜爱的移动应用程序，而不是使用自上向下的树形菜单在屏幕上进行一系列的点击操作。这样的好处，一是不会将用户局限在语音助手的对话框里；二是用语音代替用户手指点击界面，绕开了语音助手对接应用程序API接口时所遇到的商务拓展难题。在林德康看来，这是图形界面与语音交互界面的最有效的融合。

值得注意的是，“小不点”没有设置自己的账户，让用户体验极致简便，只要安装就可以使用。林德康称，目前，小不点已经学会了对200多款应用程序进行控制操作。林德康表示，小不点”不会干扰任何手机和APP账户，只是模仿用户的点击、滑动等触摸操作，将其变成语音指令。“我们目前更看重的是需要更多的用户进来，提供更多的数据训练。”

打造应用内的语音助手以及开发者平台

即便可以通过VGUI悄无声息的实现对应用程序的语音控制，但如果APP的UI界面有所更新变动，小不点仍需重新录制动作执行路径，以便给用户更好的体验。

其实，小不点只是奇点机智VGUI的一个雏形，它的下一步，是要做应用内助手以及开发者平台。

林德康表示，如果小不点可以调用第三方API，就可以用语音控制直接到达用户想要的界面，不用再走几个屏幕即可完成操作。因此，奇点机智正在将“小不点”拓展成为APP内的应用助手。“与APP厂商合作，我们就可以调用深度链接，覆盖更高频的应用。”林德康称，未来要把“小不点”打造成为一套完整并专注于用户体验的解决方案。

另外，基于“小不点”的自主学习，用户可自己录制功能实现的路径，而且门槛极低。这也就意味着，“小不点”的语音控制可以提供给普通用户，也可以提供给硬件集成商和应用开发者。

这就是奇点机智即将在几周内要推出的语音技能平台和SDK。林德康表示，之所以做开发者平台，是因为看到了很多人的需求，但单凭奇点机智自己的力量覆盖的应用有限，而且语音在这个应用里能做什么事情，还是它的开发者自己最了解。

和目前市场主流语音技能平台完全不同，奇点机智的语音技能平台是为APP应用的开发者、运营者、产品者共同提供的语音开放平台，无需编码和开放第三方应用API，避免技术对接及调适难题，小白人员也可轻松上手使用，无技术门槛。

不仅提供可视化语音技能创建方式，积木式编辑操作，5分钟即可快速发布技能，还可自定义语义逻辑和内容，即创建意图、添加用户提问语料、为语义槽配置实体资源，可无限拓展技能数量。

关于当下语音产品发展：手机还是核心，其他场景可无缝连接

奇点机智有自己的语音识别、语义理解技术，为什么没有像其他语音技术厂商进军智能音箱、智能家居、智能车载和智能机器人等火热领域？”

面对这个问题，林德康务实的回答到，“从媒体和投资的角度，这些产品可能很火，但是它们目前覆盖的用户是在太小了，不及手机的1%。在林德康看来，手机在相当长的一段时间内，还是最大的用户终端产品，即使在语音交互时代，手机和人的绑定也是很紧的，就算是智能车载、智能家居产品，也应该是以手机为中心连接，“没有人想使用手机之外的另一套系统，人们需要的是手机与其他场景的无缝连接。”林德康说到。

从另一个角度讲，林德康认为，即使未来手机成为过去不再流行，不管是什么样的语音交互设备，到了意图识别这一步都是一样的，目前他们只要做好技术，未来接入任何设备都不会差距很大。

据林德康透露，奇点机智目前有30多人的团队，已经完成了天使轮、A轮的融资。

面对AI市场的竞争，林德康表示，不管这个市场变化，设计出让终端用户满意的产品，这是所有AI创业公司的一个坎。“单纯的语音商业化很难，需要把事情做完并且对终端用户有用才会有人买账。”林德康说到。

点击查看《AI英雄》专题，往期内容一步直击！

注：《AI英雄》专访隶属网易智能工作室，围绕人工智能领域讲述一个人物故事，洞察技术趋势，捕捉行业机会，关注人的价值。转载请注明出处，违者必究！