語音助手「小不點」繞開API，通過模擬點擊完成任務，可行嗎？｜Xtecher有問

語音助手，從國際巨頭到創業公司都做了很久，卻一直沒能交出令人滿意的答卷。近期，一家公司拿出了「完全不同」的玩法。

作者｜賈聰聰

編輯｜甲小姐

網址｜http://www.xtecher.com

微信公眾號ID｜Xtecher

「小不點」，是Naturali（奇點機智）給這款語音助手起的名字。

這是一款應用於Android生態的語音助手，與Siri、Google Assistant、Viv、亞馬遜Alexa等語音助手相比，「小不點」完全不同。

怎麼不同？

別著急，先看看Siri等是怎麼玩的。

放眼全球，語音助手大同小異，說白了，都是三步走：

第一步：語音識別，把你說的話翻譯成文字。第二步：自然語言理解，把文字解讀成行為。第三步：調用各應用API來完成指令——也就是說，第三步捨棄了你手機里的APP和其原有界面，直接在語音助手上集成功能，如打車、外賣等。

那麼，對於一個語音助手開發者來說，前兩步，比的是AI團隊多強大，第三步，比的是你的BD團隊多強大。

「小不點」的做法怎麼不同？

首先，不需要API——換句話說，小助手的功能實現，不需要各類應用給你「開門」。當「小不點」在完成第一步語音識別、第二步自然語言理解之後，第三步，它便開始「模仿人」進行操作——打開你手機里已有的APP，進行模擬點擊動作，直至完成你要實現的動作。

「小不點」發紅包的演示

打個比方，如果說其他語音助手是幫你走了各個應用的「後門」，「小不點」便是代替了你的手指去「開門」，當它明白你要完成的行動後，它就按照手指打開APP操作的方式，幫你實現一遍。

所以，在「小不點」的資料庫里，有大量關於「動作」的記錄。

不僅如此，「小不點」最大的亮點還在於「自帶學習功能」。

常有這種場景：你說了一句話，語音助手搞不懂，這時對於Siri等助手，你只能悻悻地自己動手，但對「小不點」而言，當它聽不懂時，會向你展示「學習」按鈕，你按下之後，它便會記住你接下來的一系列操作動作，錄製完整路徑，記住你的語音與動作之間的關連——下一次，當你再說同樣的話，它就學會了。

「小不點」學習功能演示

對比Siri，當你想設置一個下午2點的鬧鐘，Siri會在自己的界面做一個下午2點的鬧鐘頁面。而「小不點」會直接幫你跳轉到系統里，打開鬧鐘的頁面。這樣一來，在理論上，面對任何一個全新的APP，「小不點」都可以在不獲取其API、不與開發者合作的情況下對其操作。

這樣設計的巧妙之處是，用戶的每一次教導操作，都可以進入「小不點」的資料庫，經過大量數據的聚合篩選整理，「小不點」會形成自我迭代的良性循環——在所有手機終端學會做這件事，其他用戶不再需要教它便可以直接用了。當用戶越來越多，數據越來越多時，「小不點」就能學到更多的功能，更準確響應用戶的意圖。

總之，「小不點」不需要集成應用的API，而是把所有功能都當成點擊事件，模擬人的點擊動作，讓APP「以為有人在那兒點擊了一下」，從而讓用戶在對應APP界面上直達指令的最後一步。

「小不點」打車演示

然而，這也決定了它要達成用戶使用APP功能的指令，必須建立在用戶已下載相應APP的基礎上，否則，只能先引導用戶下載。

從本質上說，其他語音助手更像是「搜索引擎」，語音連接搜索結果，而「小不點」更像是個「動作引擎」，語音連接操作動作。

如今，手機里裝的APP越來越多，有了「小不點」，用戶就可以省去翻找APP的麻煩，也不必知道想要的功能在哪，直接讓它去做就行了。

那麼問題來了：「小不點」模式，究竟是否走得通呢？

語音助手由來已久，調取API方式難以擴展

進入工業時代以來，人們一直在尋找與機器不同的互動方式，語言是最自然的方式，畢竟我們天天都在說話。

因此，縱使語音助手是一條「布滿坑的路」，仍然是全球巨頭角力的領域：Apple的Siri當初讓人心潮澎湃，Google和亞馬遜分別推出了運用於智能家居的Google Assistant和Alexa，微軟推出了微軟小娜和微軟小冰兩個「姐妹花」，Facebook力推Bots宣稱幹掉APP，Siri創始團隊在脫離蘋果後，發布了一款比Siri功能更為強大的智能語音助手Viv……

語音助手問世已久，卻永遠帶著隔靴搔癢的意味，人們始終沒有養成大量使用的習慣，成為了很多人手機中的「雞肋」。

之所以覺得「雞肋」，是因為語音助手們並沒有完成太多的任務，達不到人們的期望。以Siri來說，問一句「中國的首都是哪裡」，它只會傻傻地推送一堆網頁；讓它打開微信發個紅包它也做不到，只能做到打開微信，整個過程中還重複了好幾次「對不起，我沒聽懂」，「抱歉，我不太確定你說了什麼」……

之所以會出現這種情況，是因為目前市場上語音助手產品的功能都是通過集成APP的後端API。

在Naturali創始人鄔霄雲看來，這樣的方式是捨本逐末：捨棄了手機里的APP界面，還需要每個功能重新做一套體驗，用戶也需要再學會使用一個新界面，這是極大的浪費。此外，靠集成後端API的方式，每個功能都需要靠接入不同API來實現，需要手工集成，擴展性較差，做100個功能就需要跟100個廠家談合作，沒辦法集成很多功能。這是一個人力問題。

而對於「小不點」來說，這變成了一個數據問題。只需要獲取用戶指令及點擊的流程數據，就可以實現功能。「我們用同樣的程序可以做不同的事情。」鄔霄雲說，只要用戶滿意了，就可以逐漸擴大功能範圍。

「APP天天改，需要用通用的方法把所有問題解決掉。」鄔霄雲表示，這種全新模式可能做得比較慢，但做出來就是一個通用的方法。依靠用戶的不斷教育，「小不點」會成長迅速，1個用戶教會了「小不點」某個功能，其他人便都可以直接用。

「小不點」，換種方式就順利了嗎？

然而，用「小不點」的方式做語音助手，工作量同樣非常大。

鄔霄雲也表示，「我們的工作量比集成API的方式大很多，實施前十個功能的時候，集成API的方式會比我們快，但要做1000個、1萬個、100萬個功能的時候，我們就有戲了。」

想要「有戲」，需要大量的用戶數據。「小不點」類產品的深度學習需要大量的數據來支撐，用的人越多，語義的執行會越順利，會做的東西也越多，這是一個良性循環。

為了積累用戶、完善功能，Naturali選擇與手機廠合作，將「小不點」內置在手機上推向市場。如今，「小不點」已與某著名手機廠商達成戰略合作——在你看到的該品牌下一版手機上，你將看到語音助手「小不點」。

然而，這一套解決方案存在很多艱巨的挑戰：

首先，不同手機的操作系統不同，需要錄製不同的流程；此外，APP版本更新時，UI可能發生很大變化，以京東、大眾點評、淘寶等為代表的APP，已改變傳輸協議，載入時UI隨時可能改變，而UI一旦變化，流程就需要重新錄製——也就是說，每當一款APP更新，都必須有人重新去教「小不點」。

雖說用戶可以通過學習功能教「小不點」實現需求，tracking也很酷，但對於用戶來說，work就用，不work就不用，他們也許沒有動力教機器人怎麼去做。如果用戶不買賬，就變成了惡性循環，開發者疲於修復層出不窮的bug，用戶更不買賬。

另一方面，一個APP新版本出來之後，有的用戶更新了，有的用戶還沒有，「小不點」還要對此有不同應對措施。「小不點」如果不能及時更新錄製，將在執行路徑上失效，大大影響用戶體驗。

這是否會造成技術上的不可收斂？

對此，鄔霄雲覺得不是問題，「你覺得，是版本更新需要花的時間多，還是錄製一遍需要花的時間多？」

不僅不是問題，鄔霄雲還給出了一種更加樂觀的可能：當「小不點」類產品被整個市場接受、用戶都通過該類產品來滿足需求時，APP便會失去更新版本、改變UI的動力。

這是一種樂觀的預期，還只是一種想當然的假設呢？

假如APP被幹掉……

要面臨的還有一件更可怕的挑戰：APP生態本身壞掉了，怎麼辦？

今年4月12日起，Facebook已正式面向開發者開放Messenger應用，以方便其開發Bots，目的是促進用戶與企業之間「一對一」的對話。每一個企業都可通過一個Bot與用戶對話，用戶需要查詢特定商品、詢問價格及購買諮詢時，Bot會主動提供詳細信息並快速回應。目前，Facebook Messenger平台上已有近兩萬個活躍的機器人。扎克伯格是希望有朝一日用Bot取代手機里的某些應用，進一步取代蘋果App Store。

近幾年火熱的深度鏈接也可能會把APP全部取代，未來的手機頁面或許會只剩一個輸入框或者一個語音按鈕。總之，誰都不知道下一個交互方式是什麼，人們不是喜歡用APP，只是還沒找到合適的替代方式。

在盈利模式上，還有個不得不說的問題。

「小不點」與Viv都定位於應用助手語音機器人，專門幫用戶達成任務。然而，因為實現路徑的不同，他們的前途也變得不一樣。

Viv的研發團隊來自Siri創始團隊，當初做Siri就是希望專註於移動商業服務。2010年，Siri作為獨立APP發布時，有42家在線服務提供商夥伴，可以購買門票、餐廳訂位和召喚計程車，更牛的是，完成這些動作既不需要搜索引擎，也不需要重新開啟或下載另一款應用。

Viv比當初的Siri更為強大，自今年5月發布開始，就一直宣稱要做取代搜索引擎的流量入口。Viv是要把所有服務全部整合，在對話中幫用戶處理幾乎所有事。

對於Viv而言，語音助手的首要意義在於獲取流量入口，相當於搜索引擎，將對話交談這種最自然的交互方式運用於手機，獲取最自然的用戶，從而帶來巨大流量。對於Viv來說，做流量入口的模式是可行的，因為它提供服務不需要用戶下載應用，那麼就有成千上萬的選項可供選擇。

然而，對於「小不點」來說，因為繞過了APP的API，而是通過模擬點擊的方式實現用戶功能，這決定了它要達成用戶使用APP功能的指令，必須建立在「用戶已下載相應APP」的基礎上。

這樣的定位區分，使得Viv的目標是「入口」，而「小不點」的目標還是「助手」。

目前，國內移動市場流量分發已基本結束，每一個細分領域都已存在頭部APP，用戶手機上更不會同時存在多個相同品類的APP，沒有更多的選擇，用戶有需求自然會使用相對應的APP來解決問題。

目標固定，搜索就沒有了意義。所以，「小不點」目前尚未有明確的盈利模式。

不過，事在人為。

今年3月底，Naturali獲得了襄禾資本領投，NEA資本跟投的500萬美金A輪融資。

開發「小不點」的想法始於去年底，並於今年大年初二寫下了第一行代碼，經過大半年的開發，體系架構已成型，正在做大量測試。目前，Naturali技術團隊共20餘人，來自北大、清華等名校，服務過微軟、搜狐等公司。

創始人鄔霄雲，紐約州立大學計算機博士，擁有1年雅虎實驗室、8年谷歌研究院工作經驗。主要從事大規模機器學習，自然語言理解（包括語法結構分析，辭彙語義建模），回國前負責美國應用搜索公司 http://Quixey.com搜索部門。

聯合創始人林德康，University of Alberta計算機科學正教授，回國之前為Google研究院高級管理科學家，Google搜索問答系統的創始人和技術負責人。他在自然語言處理及理解領域總共發表過90篇論文，其研究總計被引用超過12000次。林德康兩次被選為國際計算語言協會主席(2002副，2011正)，並於2012年當選為該協會的終身院士(Fellow of Assocication Computational Linguistics)。

華麗的團隊，大膽的設想，可能的局限。在優化工具的道路上，也許，Naturali最終能找到合適的方式，克服局限，達成設想。我們期待「小不點」面市。

「開始的時候，我們創造工具，後來它們造就我們。」 馬歇爾·麥克盧漢說。

如今，希望「用技術解放人性」的科技創業公司已經越來越多，所有人都懷抱著同樣的理想，所有人都面臨同樣的挑戰。

推薦閱讀：