人工智能入口之争：语音与图像

杨晓哲

Echo Dot是Amazon（亚马逊）在去年上半年推出的一款语音交互控制设备。它看上去很小巧，你可以一口气买4个，亚马逊会再送你1个。为什么需要那么多个，因为它可以放置在很多地方，与家里的很多设备关联。你不需要开启它，它一直开着；你也不需要点击它，它等待你的语音指令。你只需要说“Alexa”，就可以让它做各种各样的事情。

是的，Amazon目前的主要业务与中国的淘宝和京东商城一样。但是，Amazon从去年开始，陆续推出了很多自家出品的智能硬件，并推出了自家的语音交互系统Alexa。Echo Dot只是Amazon系列智能硬件中的其中一款，其他还有Amazon Echo，Fire TV Stick，Amazon Tap。所有的设备都有一个共同的特点，即采用语音交互优先。

如今，连专业做店铺的Amazon都开始这样的布局。而专注于搜索和人工智能的Google，在一周前也发布了它的一系列产品，宣布了AI First的战略。Google Assistant也已经不知不觉地嵌入到Google的很多应用程序之中，而这还仅仅只是开始。同样，Siri作为苹果公司的语音助手，虽然一直被“调戏”，但也正在积蓄着更多经验。

这是一个奇妙的现象，过去使用键盘和触屏，公司之间不会太在意用户用哪家的键盘和触屏，因为这最多就是质量方面的细微差异。而在使用语音控制系统进行交互时，公司间谁也不让谁。因为语音交互系统用哪家的产品，就意味着用户的大量信息将被该家公司掌握和锁定，这是巨大的财富和高墙。

然而，在教育活动过程中，当语音交互普遍被采用之后，将会是另外一个场景。学生们可以通过语音交互与机器进行互动学习。而进一步，学习过程中的更多个性化数据将以语音的方式被收集起来，为个性化学习带来更多可能性。