当你问智能音箱问题时，有时候你会得到的是一个愚蠢的答案，有时候甚至不知道它是如何理解你意思的，使用过智能音箱或其他语音助手的朋友对这一场景一定并不陌生，这个时候，你可能会问，为什么智能音箱能听懂人话？它能变得聪明吗？
想解答这个问题，我们需要先了解智能音箱，听懂语音的工作原理。语音，文本，图片，视频，这些信息对于机器来说，属于非结构化数据，无法直接理解，机器能够理解并做出反馈的是结构化数据，简单理解二者之间的区别与关系，非结构化数据相当于写了一段文本的word文档，而结构化数据则是将这段文本进行总结归纳的excel文档，当我们向智能音箱提问时，智能音箱会先将语音转化为文字，然后将文字形成结构化数据理解并反馈，最后再将文本转换成语音输出答案。
三大流程对应的三种技术，其中ASR和TTS技术相对成熟，像ASR已经广泛用在语音转文字，语音输入法，智能翻译笔等应用上，据中科院2019年的测试，国内四家主流智能音箱品牌ASR识别率均在94%以上，智能音箱听不懂我们的话，问题主要出在NLP环节上，AI在拿到文本后，需要进行语料清洗，分词，词性标注，实体命名识别，去除停用词等一系列操作，才能将文本正确转化为结构化数据，并做出反应。
智能音箱，今天已经可以比较智能的处理明确的指令问题，比如打开电视，今天天气怎么样，设定闹钟等，但在开放性语境下，智能音箱错误频出，这是因为口语文本经常会出现歧义，机器难以理解，特别是在处理同音字繁多，语法复杂的中文时，歧义的现象尤其多见，比如，帮我上一个半小时之后的闹钟，音箱基本没法识别是半小时还是一个半小时，再比如，帮我预订一家餐厅，不要日本菜，AI大概率无法理解，不要在句子中的含义，面对复杂的自然语言，AI想要辨别、理解、消除歧义，必须要分析海量语料，也就是对人类语言的实例进行学习。
供AI学习的语料，主要有三种来源，一是AI算法企业根据需求自己构造的语料库，比如针对特定功能，需要构造人名库，地名库，歌手名库等，第二是从互联网上大量抽取的文本，最常见的是从社交网络中抽取，以便机器理解最新的口语表达方式，最后则是用户在与产品交互的过程中产生的数据，像我们与智能音箱对话的部分内容会被上传到厂商的语料库供AI学习。
那如果长时间和智能音箱对话，是不是能让智能音箱更懂我呢？答案是很难，一般来说，所有的训练学习过程，都是在AI算法商一端完成的，算法商会根据所有用户的数据，对AI进行训练更新，而非针对某个特定用户，所以要想让智能音箱听懂每个人习惯性的语病，倒装，口头禅等等，目前的最好办法，是自己手动录入，指定它应该做出什么反应。
虽然智能音箱技术还没有完全成熟，但在互联网巨头眼中，它却是必须攻下来的阵地，2019年的中国智能音箱市场经历了爆发式增长，总出货量4589万台，同比增长109.7%，其中，阿里的天猫精灵，百度的小度音箱，小米的小爱音箱三家，占据了九成以上的市场份额，智能音箱在出口量上涨的同时，却没给巨头们带来利润，2019年，百度副总裁锦坤向媒体表示，百度是通过补贴维持了小度音箱的低价，而另据业内人士估算，每卖一台小米音箱，小米只赚一块钱，巨头们的底层逻辑是智能音箱，很有可能成为未来家庭的控制中心，所以要用现在的低价策略换取未来物联网时代的入场券。
这样的策略确实能带来销量的增加，但切实解决用户的痛点，才能保证产品使用率，为了提高智能音箱在用户生活中的不可替代性，厂商都在费尽心思给智能音箱添加新的功能，因为谁也不想看到，当物联网时代真正到来的时候，用户家中的智能音箱已经落满了厚厚的灰尘。
