鑒于你無法回答任何問題，還有第二個(gè)問題，用戶知道他們能問什么嗎？我懷疑語音用戶界面的理想功能實(shí)際上遵循著U型曲線：一個(gè)指令很好，回答10個(gè)問題可能是可以的，但50或100個(gè)就會(huì)很糟糕，不是你不能問任何問題，而是你自己可能都不記得自己問了些什么。當(dāng)你越來越接近一個(gè)能夠回答任何問題的系統(tǒng)時(shí)，曲線的另一端就會(huì)出現(xiàn)，不過這也會(huì)產(chǎn)生人工智能。
有趣的是，盡管有足夠的資金和足夠的開發(fā)人員，你或許可以建立一個(gè)系統(tǒng)，能夠回答成百上千個(gè)不同的問題，但這實(shí)際上可能會(huì)適得其反。對(duì)此有人進(jìn)行反駁稱，一些大型平臺(tái)公司(比如谷歌、亞馬遜，或許還有Facebook)已經(jīng)擁有大量用戶，他們?cè)谒阉髡?qǐng)求時(shí)輸入自然語言進(jìn)行查詢。如今，他們通過返回搜索結(jié)果頁面來回答這些問題，但他們可以利用這條曲線的頭部，為前100或500種最常見的請(qǐng)求類型構(gòu)建結(jié)構(gòu)化的響應(yīng)這就是谷歌的知識(shí)圖譜。所以，這并不是說用戶必須知道他們能問的50件事，但是對(duì)于前50種（或500種）類型的問題，他們現(xiàn)在能得到更好的回答，遠(yuǎn)比僅僅一頁鏈接更好。
顯然，這在屏幕上可以很好地工作，但在音頻設(shè)備上卻失敗了。不過從更廣泛的角度來看，這種做法如何在實(shí)踐中發(fā)揮效果實(shí)際上屬于分配問題可能有半數(shù)問題屬于谷歌已經(jīng)構(gòu)建了結(jié)構(gòu)化響應(yīng)的前500種類型，但我每天問Google Home的問題中，有多少包含在這500種類型中，又有多少我無法得到答案?這往往讓許多大多數(shù)公司得出結(jié)論：為了讓聲音工作得很好，你需要一個(gè)狹窄的、可預(yù)測(cè)的領(lǐng)域。你需要知道用戶可能會(huì)問什么，用戶也需要知道他們能問什么。
這是Siri的結(jié)構(gòu)性問題，無論語音識(shí)別部分的效果如何，你都能問出20個(gè)問題，但蘋果卻給了人們一種印象，即你可以問任何問題，所以當(dāng)你問某些不在列表上的東西時(shí)，電腦往往無法給出答案。相反，亞馬遜的Alexa似乎在溝通你能做什么和不能問的問題上做得更好。其他狹窄的領(lǐng)域(酒店房間、音樂、地圖)似乎也很有效，因?yàn)槟阒滥憧梢詥栃┦裁?。你必須選擇一個(gè)你無法衡量的領(lǐng)域。
與此同時(shí)，對(duì)于某些任務(wù)來說，語音不一定是正確的界面，即使我們確實(shí)擁有HAL 9000這樣的系統(tǒng)，而且所有擴(kuò)展性問題都得到了解決。即使是一個(gè)真正的人，通過電話預(yù)訂航班或預(yù)訂酒店，也會(huì)遇到錯(cuò)誤的用戶界面。在一個(gè)IVR上買衣服也會(huì)是很糟糕的經(jīng)歷。所以，也許語音面臨的問題不只是人工智能還不夠好，還因?yàn)槿祟惖穆曇粢蔡邢蘖恕?/p>
你可以通過添加屏幕來解決這個(gè)問題，就像亞馬遜的Echo那樣。但是，你也可以添加一個(gè)觸摸屏，以及一些不同服務(wù)的圖標(biāo)。你可以把它叫做“圖形用戶界面”，或者讓聲音成為可選的部分。當(dāng)我圍繞這個(gè)問題進(jìn)行討論時(shí)，我發(fā)現(xiàn)將Alexa和蘋果手表Apple Watch進(jìn)行比較是很有用的。它們都不會(huì)做你在在手機(jī)上無法做到的事情，但他們會(huì)把它移到另一個(gè)不同的環(huán)境中，他們會(huì)用更少的摩擦來做，只要你還記得。
比如，當(dāng)你站在廚房里的時(shí)候，使用Alexa或智能手表做事或定時(shí)時(shí)，你就會(huì)遇到更少的摩擦。你必須改變自己的思維模式，告訴自己如何實(shí)現(xiàn)某件事，而某件事是簡單的、幾乎是反射性的任務(wù)，你已經(jīng)有了肌肉記憶來把你的手機(jī)拿出來，那么這個(gè)新設(shè)備能打破這個(gè)習(xí)慣，形成新的習(xí)慣嗎?一旦習(xí)慣或意識(shí)出現(xiàn)，在某些事情上，語音助理或手表比掏出手機(jī)要好得多，但這個(gè)習(xí)慣必須先被創(chuàng)造出來。
通過擴(kuò)展，可能存在更適合語音用戶界面的行為，不是因?yàn)樗鼈兏菀讟?gòu)建，也不是因?yàn)檫@個(gè)命令在統(tǒng)計(jì)上更有可能被使用，而是因?yàn)樾闹悄Ｐ透行?，打開燈光、音樂（Echo的一個(gè)關(guān)鍵用例），或者是一個(gè)比處理預(yù)約更重要的計(jì)時(shí)器。也就是說，一種設(shè)備可以做一件事，并且有一個(gè)指令，這可能是最適合語音的，盡管理論上它是完全沒有限制的。
我認(rèn)為，這里存在一種矛盾。從概念上講，語音用戶界面看起來是比智能手機(jī)更不受限制、更通用的界面，但實(shí)際上它們更狹窄、更單一。他們的摩擦比掏出手機(jī)、打開手機(jī)、下載應(yīng)用等等都要小，而且只有當(dāng)你改變了你的思維模式時(shí)，它們才會(huì)這么做。它們看起來就像智能手機(jī)的未來，但在它們(必然)封閉、鎖定的本質(zhì)上，它們看起來也很像功能手機(jī)或航母甲板。