HCI,敲開未來科技的門

當人機互動技術遭遇云計算、遭遇移動互聯網，或許還有新材料、新能源時，會迸發出什么樣的精彩呢？

據悉，在微軟的“未來之家”的體驗屋里有一個特殊的角落：看似普通的廚房墻面，可以變成電腦屏幕，上面有天氣預報、日程提醒等重要事項。當房屋的主人收到別人的派對邀請函時，他可以很簡單地選擇接受或者拒絕，他的朋友可以從這個“墻面”上接到回復，同時，日程表也會自動生成，如果主人開口問，例如，今天我需要做什么？會有一個發聲動聽的機器人隨時回答他的各種問題。

而微軟2010年底推出的Kinect也開創了游戲的新模式。借助Kinect，玩家不需要使用任何手柄、搖桿、鼠標或者其他遙控器，即可用身體直接控制游戲。比如在玩體育游戲的時候，你只需要接通電源，不管是乒乓球的揮拍還是保齡球的擊打，你只需要像現實中那樣擺出動作即可指揮屏幕里的游戲。

不難理解Kinect推出的兩個月就破了銷售800萬臺的紀錄的奇跡。它也被賦予了一個更高層次的意義：第三次人機交互革命的原點。

人機交互（HCI，Human-Computer Interaction）是一個跨學科的技術領域，從廣義上理解就是用戶體驗，在直觀意義上理解是指人與機器之間的互動方式。

眼下，在人逐漸適應計算機再到計算機不斷適應人的互動過程中，人機交互技術已不再局限于鍵盤輸入、手柄操作，而是以更加新奇的方式出現：手指的微小動作、聲波在空氣中的振動、眼珠和舌頭的轉動，都可以實現信息傳遞，完成人與機器之間的“對話”。而隨著技術的精進，“有機用戶界面”（organic user interface）也開始悄然興起——生物識別傳感器、皮膚顯示器，乃至大腦與計算機的直接對接，無疑都將給人類的生活帶來重大影響。

“靈云”推出為哪般？

和美國等先進國家相比，中國的HCI技術主要應用在語言文字領域。但不管怎么說，HCI“中國軍團”也在行動。2011年12月8日，北京捷通華聲語音技術有限公司在2011中國手機產業發展大會上宣布：在全球范圍內首個推出全方位、個性化的人機交互感知云—靈云。該公司董事長張連毅稱，靈云是一種可以用語音、手寫、拍照，手勢，將來甚至可使用腦波識別等智能手段來操作、感知手機、計算機等數字設備的網絡云服務，讓人機交互象人與人溝通一樣的簡單自然。

據稱，靈云可通過移動互聯網、互聯網等網絡提供全方位、個性化智能人機交互技術的云服務，目前可提供語音識別、語音合成、手寫識別、掃描識別、即時翻譯等多種HCI應用服務。靈云，簡單的說就是讓手機、電腦等數字設備在與人的交互過程中，實現能說會聽、能寫能識，感知并完成人們過去通過鍵盤、鼠標發出的操作要求，從而使機器設備具有全方位、多樣的人機交互能力，與用戶之間的交互變得更輕松、簡單、自然，更回歸人性，促進人與機器之間的和諧互動。

現在，捷通公司以hcicloud為域名的靈云平臺已經上線。在上面，人們可以體驗語音合成、手寫識別、文字識別等人機交互技術應用。同時，2012年1月16日，捷通華聲宣布推出名為“小唐龍”的軟件——這是一款基于手機（或者PAD）的智能助手，為手機主人“提供工作、學習、生活、娛樂、交友等各個方面的助理服務。”

顯然這家已在人機交互技術領域耕耘、積累多年的企業已經意識到了產業變革的氣息以及國內外HCI行業的激烈競爭態勢，正試圖以一種綜合和集成性服務占領產業優勢地位。

在國內，除捷通華聲外，人機交互技術產品供應商中還有漢王、科大訊飛等實力強勁的上市企業。其中漢王以手寫技術聞名，科大訊飛在語音技術方面發展勢頭迅猛，而捷通華聲在HCI的各個技術方面的發展相對較為均衡，由于一直沒有上市，而且客戶以行業用戶居多，市場占有率不小卻大眾知名度不大。然而，這個企業最近卻動作頻頻，曝光率頗高。張連毅告訴本刊記者，繼不久前引入華軟戰略投資之后，捷通也將在產品升級和品牌運作方面加大力度，進一步挺進個人用戶市場。

激動人心的行業變革

顯然捷通在加緊HCI整合的努力。其背景正是HCI技術展現出廣闊前景：國內外企業的人際交互技術已經成熟起來了，伴隨著移動智能終端的到來，它呈加速度方式走向每一個人。這個市場實在是太大太誘人了。而且，正如捷通所意識到的，HCI加上云計算，再加上移動互聯網，早已不是傳統意義上的語音合成、手寫識別這樣簡單的應用。

過去的兩年，毫無疑問，眾多HCI產品的革新令人嘆為觀止。神話般的蘋果CEO喬布斯仙去后，蘋果發布的第一款重量級產品IPHONE4S讓許多消費者失望，但同時發布的語音助理Siri軟件卻越來越得到業內人士的高度評價。Siri 能做的，聽起來相當不一般，使用者可透過聲控、文字輸入的方式，來搜尋餐廳、電影院等生活信息，同時也可以直接收看各項相關評論，甚至是直接訂位、訂票；另外其適地性（location based）服務的能力也相當強悍，能夠依據用戶默認的居家地址或是所在位置來判斷、過濾搜尋的結果。

不過Siri最大的特色，則是人機互動方面產生了突破，不僅有十分生動的對話接口，其針對用戶詢問所給予的回答，非但不至于答非所問，有時候還讓人意想不到的驚喜，例如使用者如果在說出、輸入的內容包括了“drunk”、“home”這些詞（甚至不需要符合語法，相當人性化），Siri 會判斷為喝醉酒了、要回家，并自動建議是否要幫忙叫出租車。

Siri展示出的是在準確語音識別的基礎之上，進行語義的智能分析判斷，并且實現系統功能和后代數據(包括個人偏好和歷史記錄)的調用，實現所答即所問與服務即所想——真正實現助理的功能，從識別，執行，再到互動之間的飛躍，這就是Siri的革命性所在。捷通推出“小唐龍|，顯然是受到了Siri的啟發。而Siri目前對中文語音尚無能為力，這就給了中國廠商以很大的機會。

而2010年11月4日正式發布的微軟kinect體感游戲設備，也在人機互動的市場化應用領域帶來了突破性的進展。在這一設備中，玩家可以不通過任何控制器，單憑自己的動作和手勢就能指揮電腦中的游戲。這個游戲系統也辨識人臉，讓玩家自動連上游戲。它還可辨認聲音和接受命令。在游戲示范中，玩家們可以用腳踢僅存在于屏幕中的足球，并可用伸手設法攔阻進球。在駕駛游戲中，玩家可以轉動想像中的方向盤來操控電視游戲中的賽車。這種神奇的效果也屬于HCI的一項應用，里面用到了動作感應、語音識別等，這些技術使人和機器之間更加親密無間了。

Kinect確實成了微軟征戰家庭娛樂市場的一把利器，但微軟的目的顯然并不想僅僅借此贏得“電子游戲的未來”。Kinect的真正潛力，將在電腦、手機乃至軍隊和醫療衛生事業上得到更加充分的發揮，從而創造更為可觀的經濟利益和社會效應。微軟Kinect技術總監Alex Kipman曾強調說：“人們不喜歡手里總是握著個東西，比如鼠標和鍵盤。而Kinect還只是旅程的起點。” 果然，2012年1月10日，有消息傳出，微軟的體感游戲控制系統Kinect將在數周后登錄Windows PC，而且其功能不僅僅局限于游戲。

中國的奮斗者們

以中國的HCI軍團的整體實力而言，目前尚未能推出像Siri和Kinect這樣的重量級產品，暫時也很難充當HCI創新潮流的領頭羊。但是，國內的企業也有自己的優勢，那就是，基于中國本土文字、語言的特性，中國企業可以在漢語的語音和文字識別等HCI應用方面做得更好。甚至，在此基礎上，在一些項目上進行突破，獲得世界性的“單項獎”。

2010年10月28日，“科大訊飛‘語音云’發布會暨移動互聯網語音創新論壇”在北京香格里拉飯店隆重舉行。科大訊飛董事長兼總裁劉慶峰介紹了“訊飛語音云”的總體框架和主要構成，及其作為語音服務平臺的特性，并現場演示了手機語音搜索、短信隨意說等基于“訊飛語音云”的典型應用。此外，劉慶峰也介紹了科大訊飛公司的語音合成技術、發音模擬技術、口語評測技術，有些技術在世界性的比賽中獲得領先的名次。

據悉，“訊飛語音云”是基于云計算技術基礎，為各類移動互聯網創業者和創新性企業提供低門檻的語音合成及語音識別服務，合作伙伴可以像使用水、電那樣“即開即有、按需取用”，在很短時間內構建出支持自然語音交互功能的特色移動互聯網應用。

眼下，訊飛旗下的訊飛語音輸入法軟件正在智能手機用戶中傳播。該輸入法讓人印象深刻的是它的識別率相當高。科大訊飛副總裁江濤表示，訊飛語音輸入法的識別率已經接近90%。記者嘗試了這個軟件，感覺其確已具備應用價值。

其實在以前，IBM 也推出過ViaVoice等語音識別產品，但那時的語音識別的準確率不高，很難替代鍵盤輸入。現在，借助于云計算等手段，在智能手機上用語音輸入代替鍵盤輸入，已經有了應用的可能。據專家稱，新舊兩代語音識別技術之所以差別巨大，在于其不同的工作方式。語音識別從本質上來說，是一個基于統計模型的人工識別問題，數據對于語音識別是非常重要的，另一方面是算法，需要不斷改進和提高。

軟件大鱷騰訊也出手了。2011年9月，騰訊研究院人機交互中心研究員劉海龍透露，云手寫和云語音識別將登陸QQ，云手寫對工整字符的識別率將達到99%以上，云語音更將挑戰“發音習慣，用詞習慣”等傳統技術難以解決的技術難點，為用戶帶來全新的，極簡的溝通體驗。、人機交互中心模式識別組項目負責人陳波表示，基于云計算的移動通訊，在通話、短信這兩大主流功能的主要部件中，將實現單獨部件的“全能化”。如：用戶對麥克風應用使用需求將全面覆蓋至語音登陸、語音認證、語音識別、語音搜索、聽歌搜歌、哼唱搜歌、制作歌曲、音樂類游戲等功能，在功能覆蓋最大化的同時，必須簡化用戶在切換操作中的時間和過程。又如：在短信使用時，被云計算覆蓋的手寫識別、手勢應用、語音輸入，將為用戶帶來最為便利的輸入體驗。

而捷通華聲公司，早在2008年就已經與金山公司合作，將手寫云服務嵌入到愛詞霸網站中。2011年6月28日，由捷通華聲傾力打造的云手寫官方網站正式上線，并開始全方位地為用戶提供各種手寫產品體驗及技術服務。此次推出靈云平臺，顯然是試圖超越單項的HCI技術，以綜合性、一站式的HCI云服務占領行業制高點。而各項HCI單項技術如何協同成為一個整體，以及如何應用并給用戶帶來更要效率，則是下一步面臨的挑戰。

會是一場產業革命嗎？

2008年7月1日，微軟主席比爾·蓋茨將退出微軟日常管理工作。他在佛羅里達州奧蘭多市召開的Tech-ed大會上發表了最后一次在職演說。在演講中主要談到交互技術問題。在過去幾年里，PC用戶主要通過鼠標和鍵盤進行界面交互。未來十年的重點，將會更加強調連結人與人的關蓋，人與計算機的交互變得越來越像人與人之間的互動。

蓋茨沒有說錯，不管是蘋果的Siri、微軟的Surface和Kinect，科大訊飛的語音云，還有捷通華聲的靈云，都已經昭示了一個人機交互新的時代的到來。

在CNN預測的2012年十大科技趨勢中，新的人機交互方式——比如通過觸摸屏和聲控等——也列在其中。

張連毅認為：在蘋果的觸控技術出現之前，人與機器的交互手段已走過兩個階段：50年代IBM這個藍色巨人，把人類社會帶進計算機時代，鍵盤一直成為人們操作計算機的一個非常關鍵性的、代表性的交互手段，這是第一階段。第二階段中的典型代表是鼠標。微軟是這個階段中很強大的推動者。第三個階段是蘋果所推動的觸控時代。而下一個階段，則將是一個更自然、更人性化的人機交互體系時代，即智能人機交互（HCI）技術時代。顯然，在張連毅的計劃里，靈云是為了這個時代而準備的。事實上，靈云正是被設計成擁有一個完整的自學習系統，在人們通過靈云實現人機交互過程中，記錄、分析每個用戶的使用習慣，不斷提升為每個用戶提供個性化服務的能力和水平，從而不斷提升更好、更確準的智能服務效果。靈云將同時提供完整的云端組合式解決策略，用戶使用起來更流暢自然，在各種帶寬條件下都享有良好用戶體驗。

智能人機交互的時代，我們將享受多少科技帶來的便利和快樂？委實引人遐想。當人機互動技術遭遇云計算、遭遇移動互聯網，或許還有新材料、新能源時，會迸發出什么樣的精彩呢？其實美國《未來學家》雜志早在2010年中刊登的文章，就已對當前正在研發或者已投入商用的各類人機交互技術進行了盤點。這里列舉一部分：無聲語音（默讀）識別：通過默讀識別，使用者不需要發出聲音，系統就可以將喉部聲帶動作發出的電信號轉換成語音，從而破譯人想說的話；電觸覺刺激：通過電刺激實現觸覺再現，可以讓盲人“看見”周圍的世界；仿生隱形眼鏡：科學家希望將電路集成在鏡片上，打造出功能更強大的超級隱形眼鏡，它既可以讓佩戴者擁有將遠處物體“拉近放大”的超級視力，顯示出全息圖像和各種立體影像，甚至還可以取代電腦屏幕，讓人們隨時享受無線上網的樂趣。人機界面：也被稱為“腦機接口”，它是在人或動物腦（或者腦細胞的培養物）與外部設備之間建立的直接連接通路，即使不通過直接的語言和行動，大腦的所思所想也可以借由這條通路向外界傳達。

好了，說到這里，類似《黑客帝國》里的科幻鏡頭或許都已經在實驗室里醞釀里。我們得考慮未來世界的人們的安全問題了——如果我們的人機互動技術發展到了可以用腦電波直接控制外部世界，那么我們得提防“黑客入侵大腦”事件的發生了。

不管怎么說，一個激動人心的時代正在到來。