语音助手“小不点”绕开API，通过模拟点击完成任务，可行吗？｜Xtecher有问

查看原文

其他

Original 2016-11-16 贾聪聪 Xtecher

语音助手，从国际巨头到创业公司都做了很久，却一直没能交出令人满意的答卷。近期，一家公司拿出了“完全不同”的玩法。

作者｜贾聪聪

编辑｜甲小姐

网址｜www.xtecher.com

微信公众号ID｜Xtecher

“小不点”，是Naturali（奇点机智）给这款语音助手起的名字。

这是一款应用于Android生态的语音助手，与Siri、Google Assistant、Viv、亚马逊Alexa等语音助手相比，“小不点”完全不同。

怎么不同？

别着急，先看看Siri等是怎么玩的。

放眼全球，语音助手大同小异，说白了，都是三步走：

第一步：语音识别，把你说的话翻译成文字。第二步：自然语言理解，把文字解读成行为。第三步：调用各应用API来完成指令——也就是说，第三步舍弃了你手机里的APP和其原有界面，直接在语音助手上集成功能，如打车、外卖等。

那么，对于一个语音助手开发者来说，前两步，比的是AI团队多强大，第三步，比的是你的BD团队多强大。

“小不点”的做法怎么不同？

首先，不需要API——换句话说，小助手的功能实现，不需要各类应用给你“开门”。当“小不点”在完成第一步语音识别、第二步自然语言理解之后，第三步，它便开始“模仿人”进行操作——打开你手机里已有的APP，进行模拟点击动作，直至完成你要实现的动作。

“小不点”发红包的演示

打个比方，如果说其他语音助手是帮你走了各个应用的“后门”，“小不点”便是代替了你的手指去“开门”，当它明白你要完成的行动后，它就按照手指打开APP操作的方式，帮你实现一遍。

所以，在“小不点”的数据库里，有大量关于“动作”的记录。

不仅如此，“小不点”最大的亮点还在于“自带学习功能”。

常有这种场景：你说了一句话，语音助手搞不懂，这时对于Siri等助手，你只能悻悻地自己动手，但对“小不点”而言，当它听不懂时，会向你展示“学习”按钮，你按下之后，它便会记住你接下来的一系列操作动作，录制完整路径，记住你的语音与动作之间的关连——下一次，当你再说同样的话，它就学会了。

“小不点”学习功能演示

对比Siri，当你想设置一个下午2点的闹钟，Siri会在自己的界面做一个下午2点的闹钟页面。而“小不点”会直接帮你跳转到系统里，打开闹钟的页面。这样一来，在理论上，面对任何一个全新的APP，“小不点”都可以在不获取其API、不与开发者合作的情况下对其操作。

这样设计的巧妙之处是，用户的每一次教导操作，都可以进入“小不点”的数据库，经过大量数据的聚合筛选整理，“小不点”会形成自我迭代的良性循环——在所有手机终端学会做这件事，其他用户不再需要教它便可以直接用了。当用户越来越多，数据越来越多时，“小不点”就能学到更多的功能，更准确响应用户的意图。

总之，“小不点”不需要集成应用的API，而是把所有功能都当成点击事件，模拟人的点击动作，让APP“以为有人在那儿点击了一下”，从而让用户在对应APP界面上直达指令的最后一步。

“小不点”打车演示

然而，这也决定了它要达成用户使用APP功能的指令，必须建立在用户已下载相应APP的基础上，否则，只能先引导用户下载。

从本质上说，其他语音助手更像是“搜索引擎”，语音连接搜索结果，而“小不点”更像是个“动作引擎”，语音连接操作动作。

如今，手机里装的APP越来越多，有了“小不点”，用户就可以省去翻找APP的麻烦，也不必知道想要的功能在哪，直接让它去做就行了。

那么问题来了：“小不点”模式，究竟是否走得通呢？

语音助手由来已久，调取API方式难以扩展

进入工业时代以来，人们一直在寻找与机器不同的互动方式，语言是最自然的方式，毕竟我们天天都在说话。

因此，纵使语音助手是一条“布满坑的路”，仍然是全球巨头角力的领域：Apple的Siri当初让人心潮澎湃，Google和亚马逊分别推出了运用于智能家居的Google Assistant和Alexa，微软推出了微软小娜和微软小冰两个“姐妹花”，Facebook力推Bots宣称干掉APP，Siri创始团队在脱离苹果后，发布了一款比Siri功能更为强大的智能语音助手Viv……

语音助手问世已久，却永远带着隔靴搔痒的意味，人们始终没有养成大量使用的习惯，成为了很多人手机中的“鸡肋”。

之所以觉得“鸡肋”，是因为语音助手们并没有完成太多的任务，达不到人们的期望。以Siri来说，问一句“中国的首都是哪里”，它只会傻傻地推送一堆网页；让它打开微信发个红包它也做不到，只能做到打开微信，整个过程中还重复了好几次“对不起，我没听懂”，“抱歉，我不太确定你说了什么”……

之所以会出现这种情况，是因为目前市场上语音助手产品的功能都是通过集成APP的后端API。

在Naturali创始人邬霄云看来，这样的方式是舍本逐末：舍弃了手机里的APP界面，还需要每个功能重新做一套体验，用户也需要再学会使用一个新界面，这是极大的浪费。此外，靠集成后端API的方式，每个功能都需要靠接入不同API来实现，需要手工集成，扩展性较差，做100个功能就需要跟100个厂家谈合作，没办法集成很多功能。这是一个人力问题。

而对于“小不点”来说，这变成了一个数据问题。只需要获取用户指令及点击的流程数据，就可以实现功能。“我们用同样的程序可以做不同的事情。”邬霄云说，只要用户满意了，就可以逐渐扩大功能范围。

“APP天天改，需要用通用的方法把所有问题解决掉。”邬霄云表示，这种全新模式可能做得比较慢，但做出来就是一个通用的方法。依靠用户的不断教育，“小不点”会成长迅速，1个用户教会了“小不点”某个功能，其他人便都可以直接用。

“小不点”，换种方式就顺利了吗？

然而，用“小不点”的方式做语音助手，工作量同样非常大。

邬霄云也表示，“我们的工作量比集成API的方式大很多，实施前十个功能的时候，集成API的方式会比我们快，但要做1000个、1万个、100万个功能的时候，我们就有戏了。”

想要“有戏”，需要大量的用户数据。“小不点”类产品的深度学习需要大量的数据来支撑，用的人越多，语义的执行会越顺利，会做的东西也越多，这是一个良性循环。

为了积累用户、完善功能，Naturali选择与手机厂合作，将“小不点”内置在手机上推向市场。如今，“小不点”已与某著名手机厂商达成战略合作——在你看到的该品牌下一版手机上，你将看到语音助手“小不点”。

然而，这一套解决方案存在很多艰巨的挑战：

首先，不同手机的操作系统不同，需要录制不同的流程；此外，APP版本更新时，UI可能发生很大变化，以京东、大众点评、淘宝等为代表的APP，已改变传输协议，加载时UI随时可能改变，而UI一旦变化，流程就需要重新录制——也就是说，每当一款APP更新，都必须有人重新去教“小不点”。

虽说用户可以通过学习功能教“小不点”实现需求，tracking也很酷，但对于用户来说，work就用，不work就不用，他们也许没有动力教机器人怎么去做。如果用户不买账，就变成了恶性循环，开发者疲于修复层出不穷的bug，用户更不买账。

另一方面，一个APP新版本出来之后，有的用户更新了，有的用户还没有，“小不点”还要对此有不同应对措施。“小不点”如果不能及时更新录制，将在执行路径上失效，大大影响用户体验。

这是否会造成技术上的不可收敛？

对此，邬霄云觉得不是问题，“你觉得，是版本更新需要花的时间多，还是录制一遍需要花的时间多？”

不仅不是问题，邬霄云还给出了一种更加乐观的可能：当“小不点”类产品被整个市场接受、用户都通过该类产品来满足需求时，APP便会失去更新版本、改变UI的动力。

这是一种乐观的预期，还只是一种想当然的假设呢？

假如APP被干掉……

要面临的还有一件更可怕的挑战：APP生态本身坏掉了，怎么办？

今年4月12日起，Facebook已正式面向开发者开放Messenger应用，以方便其开发Bots，目的是促进用户与企业之间“一对一”的对话。每一个企业都可通过一个Bot与用户对话，用户需要查询特定商品、询问价格及购买咨询时，Bot会主动提供详细信息并快速回应。目前，Facebook Messenger平台上已有近两万个活跃的机器人。扎克伯格是希望有朝一日用Bot取代手机里的某些应用，进一步取代苹果App Store。

近几年火热的深度链接也可能会把APP全部取代，未来的手机页面或许会只剩一个输入框或者一个语音按钮。总之，谁都不知道下一个交互方式是什么，人们不是喜欢用APP，只是还没找到合适的替代方式。

在盈利模式上，还有个不得不说的问题。

“小不点”与Viv都定位于应用助手语音机器人，专门帮用户达成任务。然而，因为实现路径的不同，他们的前途也变得不一样。

Viv的研发团队来自Siri创始团队，当初做Siri就是希望专注于移动商业服务。2010年，Siri作为独立APP发布时，有42家在线服务提供商伙伴，可以购买门票、餐厅订位和召唤出租车，更牛的是，完成这些动作既不需要搜索引擎，也不需要重新开启或下载另一款应用。

Viv比当初的Siri更为强大，自今年5月发布开始，就一直宣称要做取代搜索引擎的流量入口。Viv是要把所有服务全部整合，在对话中帮用户处理几乎所有事。

对于Viv而言，语音助手的首要意义在于获取流量入口，相当于搜索引擎，将对话交谈这种最自然的交互方式运用于手机，获取最自然的用户，从而带来巨大流量。对于Viv来说，做流量入口的模式是可行的，因为它提供服务不需要用户下载应用，那么就有成千上万的选项可供选择。

然而，对于“小不点”来说，因为绕过了APP的API，而是通过模拟点击的方式实现用户功能，这决定了它要达成用户使用APP功能的指令，必须建立在“用户已下载相应APP”的基础上。

这样的定位区分，使得Viv的目标是“入口”，而“小不点”的目标还是“助手”。

目前，国内移动市场流量分发已基本结束，每一个细分领域都已存在头部APP，用户手机上更不会同时存在多个相同品类的APP，没有更多的选择，用户有需求自然会使用相对应的APP来解决问题。

目标固定，搜索就没有了意义。所以，“小不点”目前尚未有明确的盈利模式。

不过，事在人为。

今年3月底，Naturali获得了襄禾资本领投，NEA资本跟投的500万美金A轮融资。

开发“小不点”的想法始于去年底，并于今年大年初二写下了第一行代码，经过大半年的开发，体系架构已成型，正在做大量测试。目前，Naturali技术团队共20余人，来自北大、清华等名校，服务过微软、搜狐等公司。

创始人邬霄云，纽约州立大学计算机博士，拥有1年雅虎实验室、8年谷歌研究院工作经验。主要从事大规模机器学习，自然语言理解（包括语法结构分析，词汇语义建模），回国前负责美国应用搜索公司 Quixey.com搜索部门。

联合创始人林德康，University of Alberta计算机科学正教授，回国之前为Google研究院高级管理科学家，Google搜索问答系统的创始人和技术负责人。他在自然语言处理及理解领域总共发表过90篇论文，其研究总计被引用超过12000次。林德康两次被选为国际计算语言协会主席(2002副，2011正)，并于2012年当选为该协会的终身院士(Fellow of Assocication Computational Linguistics)。

华丽的团队，大胆的设想，可能的局限。在优化工具的道路上，也许，Naturali最终能找到合适的方式，克服局限，达成设想。我们期待“小不点”面市。

“开始的时候，我们创造工具，后来它们造就我们。” 马歇尔·麦克卢汉说。

如今，希望“用技术解放人性”的科技创业公司已经越来越多，所有人都怀抱着同样的理想，所有人都面临同样的挑战。

如果你对此模式有更多兴趣，关注本账号（ID：Xtecher）回复“小不点”，获得此产品体验活动报名链接。

我是Xtecher高级记者贾聪聪，关注智能出行、虚拟现实等科技领域领军人物及行业发展。欢迎与我联系。

微信：jueshao121

邮箱：

Xtecher欢迎科技行业深度见解投稿。

投稿请联系：junmabaiyi948

点击 | 关键词 | 查看对应内容

精品文章：Xtecher特稿

人工智能