語音搜索，去何一個聽起來充滿了未來感的蘋果詞。
業界對語音搜索的聽懂發展前景一直抱持著極為關注的態度，互聯網巨鱷對該項業務幾乎皆有涉獵。說的索何此前全媒派編譯了美國商業新聞網站The 話智Manifest的調查分析，調查研究發現53％的音搜語音搜索用戶，其使用語音搜索的去何頻次為每周至少一次。知名調研機構Com Score則預測：2020年將有50%的蘋果搜索量通過語音完成。
這些數據似乎都指向了一個高頻次語音搜索的聽懂未來。誠然，說的索何無論是對于開車、做飯等空不出手的使用場景，還是對于老人、視力障礙等特殊人群來講，語音搜索都是一個值得期待的解決方案。但與此期待共生的，是V型《189=4143》合肥廬陽區外圍上門提供外圍女小姐上門服務快速安排人到付款語音搜索“聽不懂人話”的用戶挫敗感。The Manifest的調查結果顯示，僅有5%的用戶表示“從未對語音搜索感到失望”。
Alexa和Google Home是承載語音搜索這一技術的主力選手，然而，它們捅的簍子也著實不少。一位Amazon Echo的用戶Oliver就曾有過很糟糕的體驗。由于接到鄰居的噪音擾民投訴，警察在凌晨3點敲開Oliver的房門，但警察看到的并不是一場歡樂的派對，而是“獨自一人”的Alexa——它錯誤地聽到了播放音樂的命令，并“盡職盡責”地照做了。雖然這并不是什么數據泄露的嚴重事件，但Oliver回家的時候確實簽了一筆換鎖賬單。
和擾民的情況相比，更讓人毛骨悚然的要數Alexa“凌晨的笑聲”了。多位Amazon Echo的用戶表示，Alexa錯聽了類似于“Alexa, laugh”的命令，從而發出了笑聲。在這場公關危機下，亞馬遜迅速修改命令為“Alexa, can you laugh?”，以減少此類誤聽情況的發生。
由此可見，語音助手的智能不應該只體現在能聽懂“播放音樂”的命令，而是應該提供更人性化的用戶體驗，畢竟凌晨3點用11檔音量播放音樂的命令并不合理。本期全媒派將聚焦語音搜索的“尷尬”癥結，以期呈現語音搜索的多面圖景，以及探索可行的技術方向。
語音搜索難解復雜問題
同任何一種搜索工具一樣，語音搜索并非完美。目前語音搜索能解決的領域主要集中在：何人（who）、何事（what）、何時（when）、何地（where）等有具體答案的問題，但難以搞定為什么（why）和怎么樣（how）等抽象問題。
復雜問題仍回歸文字搜索
舉例，如果Sneh Ratna想知道珠穆朗瑪峰有多高、在印度班加羅爾哪里可以買到梳子。但她患有腕關節疾病，為了減少手機鍵入，因此她求助了語音助手。對于她的第一個問題，谷歌助手會立即回答“8848米”，但對于第二個問題，她得到了無關的答案：谷歌助手顯示了她附近的化妝品店和美容沙龍，Siri顯示了附近的藥店，然而這些都不是她要找的。
“當問題變長時，語音助手就不理解我的話了。我試著把話說慢、說清楚，但話又說回來，有這個時間的話，我早就手動輸入查找問題了，這樣找到答案的速度要快得多。”
語音搜索擅長簡單主題：瑣事、天氣和新聞
Manifest的研究發現，用戶使用語音搜索查找的前三類信息包括：瑣事和術語定義（67％）、天氣（46％）和新聞（32％）等事實類信息。例如：雜貨店營業至幾點？從我家到醫院診室要花多長時間？電視節目中的這位女演員是誰？電影什么時候上映？周日球賽的最終成績是多少？邁克爾·喬丹有多高？室外的溫度是多少？
健康服務機構PHS的數字營銷經理James Watkins認為，用戶通常使用語音搜索來查找所謂的“非重要信息”，例如天氣或附近的咖啡店。如果答案不正確，那也不會帶來太大的不便和損失。向語音助手詢問天氣是一種低風險的搜索，如果答案有誤，可以使用傳統的搜索方法進行驗證。
出其不意的誤解和回應
盡管稱其為“人工智能”，但語音搜索作為一個程序，仍然在問題的理解上有著固定的程式，產生的誤解也層出不窮。在Reddit論壇上，“Alexa不懂我（Alexa misunderstanding me）”的主題下面有著眾多吐槽，附議跟帖的用戶也不在少數，讀來頗讓人有些哭笑不得。
我（悄悄）：Alexa，我明天的鬧鐘設的幾點？
Alexa（最大音量）：我認為你剛才在對我說悄悄話，從現在開始當你對我悄悄說話時我也會用悄悄話回應，你可以說“關閉悄悄話模式”來關閉這一功能。（悄悄）明天沒有設鬧鐘。
（差點把我全家都吵醒了？？？）
Twitter上的此類吐槽也是常態，甚至有人會在語音助手的話題詞后面打上#stupid的標簽。
——有趣，我剛讓Siri把我的導航APP關了，結果她回復我怎么手動關掉APP……（要關閉一個APP，請從手機底部向上滑……）Siri，我在開車啊，你的工作難道不是直接關掉這個APP？
——我問Siri下一屆冬奧會是什么時候，它回復了我挪威在上一屆冬奧會獲得的獎牌數。謝謝你。
語音助手的“迷之喚醒”
缺乏語境理解
Joshua Liljenquist是明尼蘇達州立大學的大四學生。他仍然記得大二那年，有一次教授走進教室，正準備開始講述教學大綱，這位教授禁止學生在上課期間拍照做筆記，否則要開除學生。Liljenquist很震驚，低聲對他旁邊的人說，“這家伙有點……”而就當教室里一片寂靜時，突然，Liljenquist的Siri試圖“提供幫助”，它說：“我找不到關于‘這家伙有點……’的結果。”
“我牛仔褲上捏出的一條褶一定是Siri弄出來的。我的臉變得通紅，想抓起我的東西沖出教室，”Liljenquist表示，“Siri應答的時機簡直不能再糟糕了。”
Liljenquist并不是特例——64%的語音搜索用戶都曾意外喚起過語音助手。
“雖然過去幾年深度學習取得了巨大進步，軟件比以往任何時候都能更好地理解語音和圖像，但仍然存在很多限制。”社交軟件Conversocial的創始人Joshua表示，“雖然語音助手可以識別你說的話，但它們并不能真正理解背后的含義或意圖。人類世界很復雜，如今的人工智能系統都還只能處理非常具體、狹隘的問題。”
例如，我們人類有很多方法來確定某句話是沖我們說的，比如語氣，或者說話人注視方向等視覺上的線索。然而，Alexa預設任何包含“A”字的句子都是在對它下指令，這也是用戶經常意外觸發的原因。
語音搜索將何去何從？
前景預期&技術探索
1952年，貝爾實驗室（Bell Labs）的語音識別系統奧德麗（Audrey）問世，這是第一臺能夠理解語音的機器，雖然只能識別0-9個數字。至今，語音搜索已經取得了長足的進步，但上述每一個或搞笑或無奈的故事都提醒著我們，這一技術仍有提升的空間。不過我們也可以看到，研究人員的優化進程正在迅速推進。
機器學習“更懂人話”
人工智能和機器學習皆在進步，這對我們與智能設備的交互、我們在互聯網上的搜索方式都產生了巨大的影響。谷歌的Rank Brain就是一個很好的例子，它重點在識別單詞和短語上，以期學習和更好地預測輸出。當Rank Brain遇到一個它以前從未聽說過的短語時，它實際上會對搜索者的意思和意圖做出最好的“猜測”，然后提供適當的匹配答案。這種“思考”的能力使諸如Rank Brain之類的AI，在處理意外搜索查詢方面更加有效。
當AI驅動的設備日益普及，這意味著語音搜索算法必須不斷發展，不僅要適應機器學習，而且還要適應我們在日常生活中使用這些設備的獨特用語。
語音搜索改變SEO
Google的語音識別已經具有95％的準確率，而且Google并不是唯一一家致力于完善語音識別以利用語音搜索的科技公司，整個行業已發展得如火如荼。在這個鏈條里，與語音搜索緊密相連的除了C端的用戶，還有SEO（搜索引擎優化）的營銷人員，他們需要定期調整其SEO策略，以針對語音搜索進行優化。
對于如何針對語音搜索進行優化，以下方法可供參考：
使用自然語言以及對特定問題提供直接答案；
架構標記和豐富的代碼段可以將查詢和答案保存在讓搜索引擎更容易理解的語境中；
由于語音搜索通常用于進行本地搜索，因此對于商家來說，重要的是要在Google My Business列表和電商店鋪中，都使用最新的運營信息；
刪除重復的頁面、過時的聯系信息和舊的營業時間，確保內容是優化后的最新版；
域名權重和傳統搜索排名對于出現在語音搜索結果中，起著重要作用。
1818年，一位叫德萊斯的德國看林人，借著一個偶然的想法制作了一輛木輪車。他在前輪上加上了一個控制方向的車把，可以改變前進的方向，但是騎車時依然要用兩只腳蹬地，才能推動車子向前滾動。當時的德萊斯騎著他的“小馬崽”上路試驗時，遭到了不少人的嘲笑，而他們之中，誰又能料想到未來的發展。
如今，語音搜索的“笨拙”與“無知”也像極了這初生的“小馬崽”，但從中我們也不難瞥見研究者對未知世界的不懈探索和追求。語言搜索技術未來的發展將會走向何方，只有時間能夠驗證。
相關文章
精彩導讀
熱門資訊
關注我們
