AI 時代，語音會成為主流互動方式嗎？

語音互動漸漸成為生活的一部分。

十年前，如果開口和手機說話，會覺得非常奇怪。十年後，人們每天都對手機說話，還是深度交流。五年前筆者看過全智慧電鍋，說使用者可和電鍋對話，告訴它什麼時候煮好飯，筆者當場頭上冒出上萬個問號：「它煮飯，誰要放米進去？我為什麼要和電鍋說話？」

今天雖然有些差異，但已習慣在家叫智慧音箱開電視、設置掃地機器人工作時間。不得不承認，4G 洪流來臨時，主打語音的微信抓住了行動網路紅利，飛信沒落當然有原因。小拇指的繭見證人與手機互動轉變，語音則努力搶奪人機互動的話語權。

從鍵盤到觸控螢幕，再跳出螢幕

iPhone 風靡全球前，市場並不缺觸控螢幕手機。Nokia、Motorola、BlackBerry 等企業將實體按鍵手機做到登峰造極，造就手機史上最璀璨的篇章。實體按鍵是手機標配，有非常明顯的優勢：精確、可盲打、可替換。這些優勢如今依然在其他設備出現，即使品牌試圖將手機打造成純粹一體成型產品，也跳不出實體按鍵束縛。

只是蘋果將觸控螢幕優點無限放大，還搭配自然操作方式：左滑右滑上滑下滑，當然也能點擊，甚至重重按下去。蘋果為觸控螢幕賦予符合直覺的豐富操作方式。儘管大家都覺得 iPhone 是觸控螢幕手機開創者，但也花了近三年最佳化系統，讓這個當時異類更好用。某種程度看人類很懶，科技發展讓人類更懶，故使用者自然選省力、不費腦的路，就和現在短影音風靡全球一樣。

站在互動邏輯角度，觸控螢幕跳出硬體固定位置，讓手指隨心所欲在螢幕上滑動。就像 PC 時代滑鼠剛出現時，用戶能「所見即所得」操控，軟體要做的，就是為搭配合理的操作 UI。

螢幕越來越大是另一個趨勢。人們總是追求更大螢幕，甚至更多螢幕。凱文‧凱利著作《必然：掌握形塑未來 30 年的 12 科技大趨力》提到「螢幕讀」，即任意表面都能是螢幕，螢幕會越來越多，現在看來，預言正在成真。充斥生活的科技產品螢幕越來越多，就連智慧汽車也在比誰的螢幕大、誰螢幕多。於是新問題出現了，當螢幕越來越多、越來越大，該如何與它們互動？

烽煙傳訊，聲音遙控

人與螢幕互動範圍受人體影響，即手有多大，就能涵蓋多大手機螢幕。賈伯斯曾說手機黃金尺寸是3.5吋不無道理，那是正常人手掌平均蓋住螢幕的大小。現實手臂與螢幕距離也決定能否直接操作。雖然電視有遙控器，但智慧音箱不可能都有遙控器。

遠距通訊，古代有烽煙，今天有智慧語音，尤其 AI 時代。語音互動優點顯而易見，在家聲控智慧家電，上車聲控智慧汽車，躺在床上，也能對手機發一堆語音指令。這符合科技發展規律，畢竟人就是這樣變懶的。

其次，語音對話是最基本交流。文字出現前，人類就有豐富語言系統，即時通訊軟體高度發展的今天，更可以不打字就和千里之外的親友聊天。以往覺得與手機對話很奇怪，是因沒有實體對象，但即時通訊軟體讓我們習慣對手機說話，如 ChatGPT 的 AI 語音助理又有聊天功能，人與手機對話變成現實。

從技術角度說，加入 AI 的自然語義辨識更擬人化，AI 語音助理能接收結合背景、分析全部對話，並提出答案。科技越進步，終端運算能力增強，從語音指令到設備回答，間隔會越來越小，無限接近人與人自然對話。這樣才會出現發表會對電腦喊計算表格，半天沒有結果這場景。

語音是成本最低互動

語音互動已有數十年歷史，從單字辨識到現在複雜語境，甚至推測，技術角度看，語音已做好登台準備。對用戶來說，語音互動成本最低，因很直覺，即時回應，沒有學習門檻。人機互動領域，也能跨設備、跨系統、跨距離，幾乎無處不在。

AI 時代真正來臨前，德勤就發表《德勤互動式人工智慧白皮書：互動式人工智慧正在重塑人機互動》報告說「隨著科技發展，語音互動將在更多領域展現價值，成為人機互動的重要方法」。

邁過違和感、技術門檻及普及率三大關後，語音互動無疑潛力極大，改變人類與設備機器互動方式，尤其手機。蘋果從 Siri 到 Apple Intelligence，描繪碩大 AI iPhone 藍圖。從鍵盤到觸控螢幕，再到跨空間高效語音互動，人機互動時代即將翻章。

（本文由 品玩 授權轉載；首圖來源：shutterstock）