點解生成式 AI 成日搞亂智能家居？

生成式 AI 令智能喇叭更識「聽人講嘢」，卻未有令它們穩定地做好最基本的家居控制。Amazon 在 2025 年 2 月推出 Alexa+，其中一個賣點就是讓用戶用日常語言控制裝置——例如講「Alexa，將啲燈較暗少少」，毋須再講出裝置名稱和準確亮度百分比。然而，相關測試和評測仍然指出系統有錯誤、延遲、指令失敗，以及一些舊版本原本做得較穩定的功能倒退。

表面上，這似乎有點矛盾：AI 明明更聰明，點解連開盞燈都未必做得到？答案可能在於，對話需要理解、推測和即興發揮；家居自動化就只需要一件事——揀啱裝置，即時而且每次都準確完成動作。

對話式 AI，撞上確定性的家居控制

較早期的語音助理，通常會將聽到的句子配對到預先定義好的意圖或指令。例如，

set bedroom lamp brightness to 45%

換成生成式助理後，真正執行之前多了一連串推測。系統要先判斷你想表達甚麼，再辨認相關房間或裝置、理解上下文、選擇可用功能、組合 API 或工具呼叫，最後還要經過智能家居平台及不同品牌的整合層。每多一個交接位，就多一個出錯機會：名稱可能理解錯、參數可能無效、裝置狀態可能過時、連線可能超時，或者第三方整合根本沒有正常回應。

喬治亞理工學院教授 Mark Riedl 將這個取捨講得很直接：大型語言模型（LLM）能理解更多溝通方式，但開放性愈高，解讀錯誤的機會亦愈多。 有關智能家居的報道同樣將舊式的模板配對，與以概率運作、同類要求可能產生不同回應的 Transformer 系統作比較。

越簡單的指令，越容易暴露問題

叫助理將盞燈調暗，聽落好像非常簡單，正因為結果很容易定義：它要揀中一盞燈，套用一個亮度值，並確認裝置真的轉到指定狀態。系統講得似模似樣但盞燈完全冇郁，或者只改變一組燈其中幾盞，對用戶來說都算失敗。

這種「非成功即失敗」的標準，會暴露出開放式對話中不易察覺的弱點。模型可以講得流利，卻可能認錯裝置名稱、揀錯功能，甚至在沒有可靠確認狀態的情況下聲稱已經完成。用戶或許願意接受聊天助理多問一句，但如果臨瞓前的例行程序失效，或者系統話已經關燈、盞燈卻仍然着住，容忍度自然低得多。

問題亦與產品本身的整合難度有關。Alexa+ 要將語言模型接駁到既有服務，以及數以百萬計支援 Alexa 的裝置；相關報道形容，即使新模型比上一代更靈活、更有能力，這種結合仍然相當棘手。

David Pogue 的 135 項測試，究竟代表甚麼？

科技評論人 David Pogue 表示，他要求 Alexa+ 完成 135 項任務，最後「啱啱少於一半」成功。 這是個人實測，不是針對所有 Alexa+ 用戶或所有支援裝置進行的受控研究，因此不能當成普遍適用的成功率。

不過，這仍然是一個值得重視的產品訊號。假如一個家居助理在日常操作中接近一半時間出錯，用戶自然難以信任它處理燈光、調光、例行程序、音樂等重複工作。Pogue 亦提到，對某些熟悉操作而言，舊版 Alexa 反而更可靠，包括控制燈光和設定調光程度。

重點在於：功能範圍更闊，不代表可靠性更高。一個助理可以識做更多種類的要求，卻在用戶每日最常用的幾個指令上變得更難預測。

反應慢，亦會令人覺得「唔似電器」

在智能家居裡，速度本身就是可靠性的一部分。牆身掣唔需要解釋自己點解開燈，只需要即撳即有反應。當助理要等幾秒，甚至有 Alexa+ 測試指部分要求最長要等 15 秒才回應，用戶感受到的就不只是「慢」，而是不知道指令到底有冇成功。

長時間等待，可能代表要求要經過更多遠端推理、上下文處理、流程編排和工具執行。就算裝置最後真的有反應，整個操作亦不再像使用一件家電，而更像等一項網上服務慢慢判斷你究竟想做甚麼。

Apple 亦面對同一個設計取捨

Apple 傳聞中的 HomePod 和 Apple TV 計劃，正好反映硬件與助理軟件現時已經密不可分。有報道指 Apple 正為這些產品準備以 AI 為核心的 Siri 支援，而測試版程式碼亦顯示，公司正積極為 HomePod 和 Apple TV 開發 Siri 整合。

另有報道聲稱，Apple 正押後更新版 HomePod 和 Apple TV 的推出，等待新一代 Siri 體驗追上進度。不過，這些仍屬媒體報道，並非 Apple 已確認的產品時間表，因此需要審慎看待。

較宏觀的重點，不在於某一款產品幾時推出，而在於：當智能喇叭的價值愈來愈依賴全新的 AI 助理，一個未完成的助理就可能拖慢整件產品。這亦增加了推出風險——示範時對答流暢，不代表在真實家庭裡處理日常指令時已經足夠可靠。

較合理的架構：AI 負責理解，底層負責執行

這不代表自然語言介面沒有價值。生成式模型很適合將靈活、口語化的說法轉換成結構清晰的意圖。真正危險的地方，是讓一個不受限制的模型成為執行動作的最後話事人。

較穩妥的設計應該包括：

• 將要求轉換成嚴格的裝置、動作和參數格式；
• 只容許模型選擇家中實際存在的功能；
• 遇到含糊或無效指令時拒絕執行，而不是自行估；
• 動作完成後再次確認裝置狀態；以及
• 當模型不肯定或無法使用時，退回確定性的指令路徑。

一項評估 13 個模型的研究，亦反映出這些防護措施的重要性。在測試的無效多裝置指令情境中，GPT-4o 的成功率是 0%，即使加入上下文學習、檢索增強生成和微調等方法，結果仍然如此。 這個數字只適用於特定實驗設定，不能直接代表日常使用表現；但它說明了一點：模型輸出在控制真實裝置之前，必須先經過驗證。

AI 智能喇叭的「身份危機」

Amazon、Google 和 Apple 都希望同一件產品同時滿足兩種互相拉扯的期待。

作為對話夥伴，AI 助理可以探索、詳答，甚至容許一定程度的含糊；但作為家庭的控制中樞，它必須安靜、快速、了解裝置當前狀態，而且精準到近乎沉悶。

舊式系統令人煩惱，是因為用戶要學習一套死板的講法。新系統承諾消除這個負擔，但自然語言其實只是入口。每一句「將客廳啲燈較暗少少」背後，仍然是一個非常具體的任務：指定一組裝置，改變一個狀態，再可靠地確認結果。

只要企業未能在對話層之下保留確定性的執行機制，「更聰明」的助理就會繼續危及語音控制最重要的資產——信任。讓產品提早上市，的確可以取得真實使用回饋；但如果測試場地是付費用戶的屋企，最後承擔架構尚未達到家電級可靠性代價的，便是消費者。