搜索引擎再進(jìn)化：從聲音搜索到虛擬現(xiàn)實(shí)

? ? ?《碟中諜4》開(kāi)場(chǎng)不久，特工哈納韋在火車(chē)站臺(tái)上戴上隱形眼鏡，拿著手機(jī)，在茫茫人海中搜索跟蹤對(duì)象。眼鏡將哈納韋看到的信息自動(dòng)收集并迅速與人物數(shù)據(jù)庫(kù)匹配快速鎖定目標(biāo)。迎面相逢的美女是致命殺手，手機(jī)發(fā)出報(bào)警聲，顯示出美女殺手的信息卡片，但為時(shí)已晚……這樣的科幻場(chǎng)景正在被科技巨頭變?yōu)楝F(xiàn)實(shí)，比如智能眼鏡、智能手表，而這正是搜索引擎與虛擬現(xiàn)實(shí)結(jié)合的產(chǎn)物。

所謂虛擬現(xiàn)實(shí)，是指通過(guò)數(shù)字手段模擬現(xiàn)實(shí)環(huán)境給用戶(hù)一種身臨其境的感受，提供使用者關(guān)于視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等感官的模擬，讓使用者如同身歷其境一般，可以及時(shí)、沒(méi)有限制地觀察三度空間內(nèi)的事物。

現(xiàn)在在百度搜索海邊，用戶(hù)會(huì)聽(tīng)到海浪和海鳥(niǎo)的聲音；搜索布谷鳥(niǎo)，鳥(niǎo)叫聲和泉水聲帶來(lái)一個(gè)森林環(huán)境；搜索“失戀”則會(huì)發(fā)出心碎的聲音…讓搜索結(jié)果發(fā)出聲音前所未有，這可能讓部分用戶(hù)不習(xí)慣，但這種大膽的創(chuàng)新還是把搜索引擎帶入虛擬現(xiàn)實(shí)時(shí)代，這一切嘗試均是在讓搜索引擎的結(jié)果更加逼真更加接近現(xiàn)實(shí)，而不只是枯燥的圖文列表。

多媒體搜索 感知實(shí)體世界搜索引擎嘗試著虛擬現(xiàn)實(shí)并不是憑空捏造的需求。互聯(lián)網(wǎng)讓人們突破時(shí)空限制獲取信息，但在信息之外卻無(wú)能為力，比如在電商網(wǎng)站購(gòu)物前無(wú)試用、再比如去訂餐應(yīng)用下單點(diǎn)菜前無(wú)法聞到菜品香味，空間阻隔依然存在。虛擬現(xiàn)實(shí)可幫互聯(lián)網(wǎng)突破時(shí)空限制，從聲音和圖像升級(jí)到聲音、圖像、氣味、觸覺(jué)、味覺(jué)、感覺(jué)……

搜索引擎最初只是基于關(guān)鍵詞文本搜索，后加入對(duì)自然語(yǔ)言的理解，再到后來(lái)可以支持復(fù)雜搜索句形，整體而言均是基于文本。

現(xiàn)在，越來(lái)越多設(shè)備具備拍照、攝像和錄音功能。移動(dòng)設(shè)備多媒體功能已成為標(biāo)配，支持定位、體感、重力感應(yīng)等基礎(chǔ)功能，智能硬件更是具備收集健康數(shù)據(jù)、環(huán)境數(shù)據(jù)的傳感器。各種數(shù)據(jù)未來(lái)都將成為搜索引擎的輸入。

輸入方式富媒體化只是多媒體搜索的第一步。搜索結(jié)果與虛擬現(xiàn)實(shí)的結(jié)合，讓用戶(hù)面對(duì)結(jié)果如同身臨其境是多媒體搜索的第二步。出現(xiàn)這兩個(gè)變化的很大部分原因在于移動(dòng)互聯(lián)網(wǎng)的發(fā)達(dá)?；ヂ?lián)網(wǎng)連接人與信息，移動(dòng)互聯(lián)網(wǎng)連接人與實(shí)體世界，現(xiàn)實(shí)世界正在被同步地映射到互聯(lián)網(wǎng)。

地圖提供空間結(jié)構(gòu)基礎(chǔ)；信息流、視頻流、語(yǔ)音流、直播流等流式數(shù)據(jù)則進(jìn)行時(shí)間維度的映射。在移動(dòng)互聯(lián)網(wǎng)映射實(shí)體世界的大背景之下，搜索引擎使命也在變化：連接人與服務(wù)，幫助人們探索實(shí)體世界。

說(shuō)到多媒體，人們想到的是聲音、圖像和視頻；說(shuō)到虛擬現(xiàn)實(shí)，人們想到的是視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、味覺(jué)、嗅覺(jué)等“知覺(jué)”。在這些多媒體形態(tài)或者“知覺(jué)”中誰(shuí)最重要呢？觸覺(jué)、味覺(jué)、嗅覺(jué)的模擬，目前技術(shù)難度還比較大，但視覺(jué)和聽(tīng)覺(jué)卻已相對(duì)成熟。

相關(guān)數(shù)據(jù)顯示人類(lèi)有90%以上的信息獲取依靠的是眼睛，李彥宏在2012年百度世界大會(huì)宣稱(chēng)我們已進(jìn)入讀圖時(shí)代。而后語(yǔ)音與圖像并駕齊驅(qū)，甚至更為成熟。

然而，語(yǔ)音目前更多是被當(dāng)做輸入，輸出以圖文等視覺(jué)性?xún)?nèi)容為主。但人們期望與搜索引擎對(duì)話(huà)，就像鋼鐵俠與他的助理賈維斯的對(duì)話(huà)一樣自然?？深A(yù)見(jiàn)未來(lái)的搜索結(jié)果更多會(huì)通過(guò)語(yǔ)音“讀出來(lái)”，比如不太適合看屏幕的車(chē)載場(chǎng)景，再比如許多智能設(shè)備本來(lái)就沒(méi)有屏幕，基于此應(yīng)該更容易理解為何百度會(huì)讓搜索結(jié)果模擬真實(shí)世界發(fā)出聲音。

聲音可以解放人類(lèi)雙手，還可以解放雙眼。不過(guò)，語(yǔ)音也有它不擅長(zhǎng)的場(chǎng)景：比如嘈雜的戶(hù)外，或者容易影響他人的家庭或辦公室。

在多媒體搜索上，聲音和圖像不是互相替換的關(guān)系，而是協(xié)作讓搜索引擎更加智能、簡(jiǎn)單和自然。未來(lái)的多媒體搜索，應(yīng)該是語(yǔ)音和圖像交互為主，兩者有不同的適用場(chǎng)景。而搜索引擎的框就像一扇真實(shí)的窗口，這窗口連接著人與信息，人與服務(wù)，人與真實(shí)世界。