我們都習慣了便捷的智能揚聲器，比如在家中使用的亞馬遜Echo和手機上的Siri等語音助手，然而，除了方便，我們是否應(yīng)該更關(guān)注它們對隱私的影響？當我們將數(shù)據(jù)交給亞馬遜、谷歌或其他一些大公司后，我們的數(shù)據(jù)和對話是否會被泄露？

語音識別成為主流

對語音識別最早的嘗試出現(xiàn)在20世紀60年代，但直到20世紀90年代，這項技術(shù)才在電腦上實現(xiàn)并變得普及。Siri在iPhone 4S上的首次亮相為市場帶來了真正的巨變，而這竟然已經(jīng)是2011年的事情了。

今天，許多產(chǎn)品和設(shè)備上都設(shè)有語音控制的“虛擬助手”，例如蘋果的Siri和谷歌訪問助手。事實上，現(xiàn)在有六分之一的美國人擁有智能揚聲器。目前，雖然亞馬遜憑借在其Echo揚聲器和其他設(shè)備上運行的Alexa引領(lǐng)市場，但它依然面臨著強勁的競爭對手，比如谷歌、蘋果和其他公司。

當然，采用語音界面的不只是智能揚聲器和移動設(shè)備，還有智能顯示器，他們通常包含與智能揚聲器相同的語音助手界面和AI功能，例如亞馬遜的Echo Show。語音控制也被添加到智能電視和汽車，以及家用恒溫器等普通電器中，而微軟已將Cortana作為Windows系統(tǒng)的核心部分。

語音識別熱潮背后的技術(shù)是在高性能云服務(wù)器上運行的人工智能（AI）和人工神經(jīng)網(wǎng)絡(luò)（ANN）。在本地設(shè)備中還需要一些復(fù)雜的信號處理，例如遠場拾音，它可以從背景噪聲中提取語音。

隱私問題

我們都知道技術(shù)有用，但一旦這些設(shè)備能收聽、處理和響應(yīng)我們的語音，那么會發(fā)生什么？微軟最近的一項調(diào)查顯示，41％的語音助手用戶存有隱私方面的擔憂。

通常，大多數(shù)智能揚聲器會接收您的問題或指令音頻，并將其上傳到自己的服務(wù)器進行處理。這意味著您詢問或告知揚聲器的任何內(nèi)容至少暫時由服務(wù)提供商存儲。

雖然智能揚聲器總是在“聽”，但只有在聽到“喚醒詞”時才會上傳音頻，例如“Alexa”。但有些建議說，在實際使用中，揚聲器可能會將你說的其它話誤認為喚醒詞，在違背你意愿的情況下開始錄音和上傳。

另一個值得關(guān)注的領(lǐng)域是服務(wù)提供商的員工對錄音和數(shù)據(jù)的訪問權(quán)限。最近的新聞報道稱亞馬遜有專門的人員聽取錄音以提高質(zhì)量，這似乎合乎邏輯，但也帶來了一些理論上的風險。另一方面，我們已經(jīng)習慣了大公司存儲我們的網(wǎng)絡(luò)瀏覽歷史和聊天消息，添加語音真的有什么不同嗎？

有人擔心這些員工會將語音數(shù)據(jù)鏈接到我們的其他個人詳細信息，包括位置。了解你居住的地方對于提供本地化推薦很有用，例如您所在城市的最佳餐廳，但這確實會引發(fā)對于隱私的擔憂。

本地處理

解決這些隱私問題的一種方法是將云處理與更多的本地AI處理相結(jié)合。這可以通過使用能夠理解指令并做出相應(yīng)響應(yīng)的專用處理器來實現(xiàn)。

對于控制智能家居的許多交互，是可以無需與云進行任何通信的。而在需要交換信息的情況下——例如，當用戶提出問題或者請求控制諸如Spotify或互聯(lián)網(wǎng)廣播電臺之類的網(wǎng)絡(luò)應(yīng)用程序時，智能揚聲器可以只將元信息（而不是實際對話）發(fā)送到云。

隨著語音激活和控制被添加到更多的消費產(chǎn)品中，已經(jīng)足夠成熟的神經(jīng)網(wǎng)絡(luò)處理器可以部署到嵌入式應(yīng)用程序中，并且可以用于本地計算，而無需將數(shù)據(jù)發(fā)送到云，這將有助于減輕許多人的隱私擔憂。

雖然云公司更喜歡收集原始對話以建立數(shù)據(jù)庫，但如果家用設(shè)備能發(fā)揮安全網(wǎng)關(guān)的作用，限制哪些信息可以與云共享，用戶將更有可能信任語音服務(wù)。

這里的透明度至關(guān)重要：設(shè)備制造商需要向消費者表明哪些數(shù)據(jù)將在本地進行處理，哪些會發(fā)送到云。當然，關(guān)于這一問題的爭論亦存在一個積極的角度：不難想象，設(shè)備供應(yīng)商會使用其本地處理能力作為一個差異化因素，說服消費者購買具有更多“僅限本地”功能的智能揚聲器。

OEM可以做什么？

提高公眾信心的另一個方法是提供“從設(shè)計著手保護隱私”的功能，以便用戶可以看到設(shè)備在提供信息保密。例如，亞馬遜的Echo Show 5智能顯示器帶有覆蓋攝像頭的物理快門。所有智能揚聲器設(shè)備都設(shè)有一個靜音按鈕，用于禁用麥克風。

無論硬件功能如何，無論我們的技術(shù)能力或經(jīng)驗水平如何，軟件都必須提供讓我們信任的用戶體驗。一個重要的步驟是為用戶提供明確的路徑，讓用戶能夠設(shè)置隱私偏好，以及隨時刪除所有錄音和歷史記錄。

保護隱私的另一個步驟是確保“喚醒詞”提?。ㄔ诒镜貓?zhí)行）盡可能準確，以便消費者確信他們可以在不回避語音界面的情況下談?wù)撍矫茉掝}。隨著更強大的處理器和更復(fù)雜的算法在語音控制設(shè)備中趨于普遍，智能揚聲器也能夠可靠地確定用戶是否在請求它們的幫助。

結(jié)論

未來的語音界面只會更加普及，那些能夠提供優(yōu)質(zhì)產(chǎn)品和隱私保護的供應(yīng)商擁有廣闊商機。消費者想要便捷，有關(guān)其他技術(shù)產(chǎn)品的證據(jù)表明，如果供應(yīng)商能夠證明隱私可以得到保護，消費者會很樂意與語音控制設(shè)備進行交談，就像在智能手機上打字一樣。

最后，我剛剛問我Echo揚聲器中的Alexa：“你能保守秘密嗎？”它回答：“你可以放心地告訴我你想讓我知道的秘密?！甭犐先ビ行┖?，但這是一個很好的起點。