Balss meklēšanas un ar balsi darbināmas programmatūras ēra ir pienākusi. Kā izstrādātājs es dzīvoju un mirstu ar tastatūru, bet jau tagad redzu pazīmes: piemēram, tāpat kā daudzi cilvēki, es runāju ar savu Android tālruni (piemēram, "Virzīties uz Lowes [vai Starbucks vai Harris Teeter]"), lai saņemt norādījumus.
Mērijas Mekeres 2016. gada interneta tendenču pārskatā viņa ziņo, ka kopš 2010. gada Google Voice meklēšanas vaicājumi ir pieauguši par septiņiem reizēm. Esmu arī pamanījis, ka mans 12 gadus vecais dēls gandrīz visus savus meklēšanas vaicājumus veic ar balsi - un mani draudzene man regulāri šādā veidā sūta īsziņas. Arī uzņēmums, kurā strādāju, Lucidworks nesen paziņoja par jaunu partnerību ar IBM, lai integrētu Watson un teksta-runas iespējas mūsu uzņēmuma meklēšanas produktā.
Tehnoloģija darbojas daudz labāk nekā agrāk, un to ir vieglāk integrēt lietojumprogrammās. Ja izstrādājat operētājsistēmu Android vai iOS, varat viegli piesaistīt runas atpazīšanas API. Bet runas atpazīšana nesākas un nebeidzas ar vienkāršām runas-teksta un balss komandām.
Izpratne par meklēšanas nolūku ir ļoti kontekstuāls uzdevums, it īpaši runājot valodā. Turklāt cilvēki mēdz lietot vairāk vārdu dabiskajā runātajā valodā nekā tad, kad viņi saskaras ar meklēšanas joslu. Runātajā valodā ir vairāk "trokšņojošu vārdu" nekā parastajā teksta meklēšanā.
Tie ir nozīmīgi AI izaicinājumi. Bet, pārvarot konteksta problēmu, izstrādātāji uzzinās, ka ar balsi var paveikt vairāk nekā ar tekstu. Emocionālajam kontekstam būs nozīme. Ja meklējat degvielas uzpildes staciju, vai vēlaties lētāko vai tuvāko? Jūsu balss emocionālais saturs to varētu norādīt. Protams, jūs varētu precizēt, bet jums var nebūt.
Tava runīgā nākotne
Balss vadītais laikmets nav tikai meklējumi. Tas ietekmēs visu veidu, kā mēs mijiedarbojamies ar datoriem. Ne pārāk tālā nākotnē tastatūras tiks uzskatītas par "savdabīgām", kā Skotijs tās slavenā rakstā aprakstīja "Star Trek IV".
Bet šī maiņa prasa arī pilnīgi jaunu lietotāja interfeisu. Lūk sena ilustrācija tam, ko es domāju: Kad iznāca Windows 95, IBM bija integrējis balss komandas savos datoros. Tajā laikā es strādāju par Office Depot pārdevēju, un ātri kļuva redzams, cik nepraktiskas ir balss komandas. Logā redzamais interfeiss vispār nav piemērots šādai mijiedarbības formai.
Es domāju, kā pie velna jūs pārvietojat logu no cita loga ceļa un maināt abiem izmērus, lai ar balss komandām efektīvi ietilptu ekrānā? Jums nav. Jūs vispār grāvjat šos logus (un, iespējams, arī Windows). Balss vadītajā lietotāja saskarnē netiek izmantoti tie paši motīvi. Vietnē "Star Trek" jūs nekad neredzat logu saskarni.
Runājot par "Star Trek", kad cilvēki sāk kodēt vai darīt kaut ko tehnisku, viņi vienmēr pāriet uz taustes interfeisu (labi, ne gluži taktili - tas drīzāk izskatās pēc mikroviļņu tastatūras, kas pārklāta ar jūgendstila shēmas plates atveidojumiem). Bet vai regresija līdz "rakstīšanai" ir nepieciešama? Tiesa, es nevaru iedomāties balss saskarnes izmantošanu kodēšanai Scala. Varbūt tiks izstrādātas jaunas valodas (bez iekavām, atšķirībā no Skalas - un mani raksti), kas ir īpaši piemērotas balsij.
Vietnes noteikti neizskatīsies vienādi un piedāvās jaunas navigācijas paradigmas. Jūs teiksiet "parādīt man darījumus ar apaviem", un tas, ko jūs atgūsiet, iespējams, būs labāk organizēts un konteksta ziņā jutīgāks nekā jūsu vidējā vietne ("darījumi" un & "apavi"). Turklāt es nevēlos daudz ritināt vai teikt "nākamā lapa", tāpēc mijiedarbība būs jāpielāgo. Sistēmai jau vajadzētu zināt, ka es gribu vīriešu apavus, un es nevēlos apavus ar stingru papēdi sava Ahileja cīpslas dēļ. Varbūt tā zina, ka es dodu priekšroku tumšām krāsām. Varbūt es to teicu vai varbūt tas analizēja manu uzvedību.
Vai šī vispār ir vietne? Protams, ja es iepirkšos apavos, es vēlos vizuālu attēlojumu, bet, ja es runāju, varbūt mašīna runā atpakaļ. Varbūt tas man parāda kurpes, pēc tam jautā: "Vai jūs meklējat noteiktu apavu veidu? Kādam nolūkam šīs kurpes ir paredzētas? Vai jūs tās valkā pārgājienos vai uz ballīti?"
Balss meklēšanas laikmets mainīs visu, sākot no mūsu mijiedarbības ar mašīnām līdz kodēšanas kodam. Daudzas no mums nepieciešamajām tehnoloģijām jau ir pieejamas mūsdienās, bet citas vēl nav jāizgudro. Ietekme uz lietotāja saskarnēm varētu būt dziļāka nekā pāreja no perfokartēm uz tastatūrām.
Šīs plašās izmaiņas nenotiks uzreiz. Šodien nav tā diena, kad izmest tastatūru. Bet varētu būt tā diena, kad jāsāk domāt par savas vietnes pārveidošanu, lai tā būtu patiešām pieejama ar balsi.
