一旦确定这个人是谁，就会检查一个列表来确定他是不是我正在等的人。如果是，就会让他进来并通知我，客人已经到了。
这种类型的视觉AI系统在很多地方都非常有用：比如知道Max什么时候醒，这样就可以开始播放音乐或者普通话课程;知道我们在哪个房间里，这样就可以在不提供位置的情况下，正确地执行没有上下文的类似开灯这样的指令。和AI其他的方面一样，当把视觉提供的信息与其他能力结合起来时就能发挥最大的功效。比如知道哪些是你的朋友，以及如何在他们到你家的时候给他们开门。当AI系统拥有的信息量越多，它就会变得越聪明。
Messenger Bot
虽然我在电脑上编写Jarvis，但为了让它更有用，我希望不管在任何地方都能和它对话。这意味着我必须通过我的手机，而不是放在家里的某个设备来和它进行通信。
我开始建立一个Messenger Bot来和Jarvis对话，这比开发一个单独的App要容易地多。Messenger为开发自动程序提供了一个简易的框架，它可以自动帮你完成很多事情，比如可以跨平台(iOS和Android)工作，支持文字、图像和语音内容，推送通知，管理不同人的身份和权限等等。
我可以通过Messenger Bot发送任何的文本信息，发送的文本会被立即传送到Jarvis服务器上并被处理。我也可以发送语音片段，服务器会将语音准换成文本，然后执行指令。如果在我不在家的时候有人到访，Jarvis会给我发送一张图片，然后告诉我是谁来了。
有一点我没想到的是，虽然我既可以通过语音也可以通过文字来和Jarvis对话，但是我使用文字的几率比我预想的多得多。大多数情况下，打字不会干扰到我身边的人。如果我做的事涉及所有人，比如为大家播放音乐，那么我会选择语音，但是大多数时候用打字更合适。同样的，当Jarvis和我沟通的时候，我更希望收到文本信息而不是语音。因为声音有时候会突然打扰到你，而文本则让你可以在想看的时候再看。就算是我对着Jarvis发布语音指令，但是如过我正在使用手机，我会更喜欢它通过文本信息来回应。
这种选择文字而不是语音交流方式的偏好，其实跟Messenger和WhatsApp上文字消息比语音消息更收欢迎这一现象是吻合的。这表明，未来的AI产品不能只专注语音交互，私人消息界面也应该是标配。如果你想让AI能够通过文本沟通，那么选用像Messenger这样的平台比你从零开始开发一个App要容易的多。我一直以来都对AI机器人持乐观态度，当我开发了Jarvis之后，这种交互的体验让我更相信智能家庭的未来应该是像Jarvis这样的。
声音和语音识别
尽管我认为文本在与AI沟通方面比人类意识到的更加重要，但是语音也仍将占据非常重要的地位。语音最大的好处是它的速度。你不需要掏出你的手机，打开App，然后开始打字，你需要做的仅仅是说话。
为了能够让Jarvis能够拥有语音识别功能，我需要为Jarvis建一个能在后台采集语音信息的的App。虽然Messenger Bot能够做很多事，但是要实现语音交互对它来说还是比较困难的。我设计的Jarvis专用App能够让Jarvis在我把手机放在桌上的时候，听我说话。我可以在各个房间里都放上手机，这样我就可以在每个房间都可以和Jarvis对话了。虽然这和亚马逊的Echo很相似，但是根据我的经验，当我不在家的时候会经常用手机和Jarvis对话。因此把手机当作主要的交互入口比家庭设备更可靠。我已经开发了iOS版的Jarvis App，下一步计划开发安卓版的App。从2012年起我就没有开发过iOS的App了，在这次的开发过程中，Facebook为开发App和语音识别提供的工具链让我印象非常深刻。
