AI时代，人与机器的沟通方式

编辑导语：AI，也就是人工智能，随着科技的发展，越来越多的人工智能出现在我们的生活中，比如手机里的对话工具，物流公司、餐馆也出现了工作机器人；本文作者分享了关于AI时代人与机器的沟通方式，我们一起来看一下。

随着度晓晓以虚拟形象在百度世界 2020 ⼤会上的⾸次亮相，引发了人们对人与机器的沟通⽅式的思考。

图 1 – 度晓晓是百度公司推出的⼿机虚拟 AI 助⼿

度晓晓⽬前具备视觉识别能⼒，⽀持最⾃然的交流⽅式，更接近人与人的沟通过程，那么未来人机沟通⽅式⼜会是怎么样的呢？

为了详细探究人机沟通⽅式的变化和趋势，我们要从最早的人机沟通⽅式说起。

一、人适应机器

1. 最早的人机沟通方式

图灵测试：

问：你会唱歌吗？

答：是的。

问：请再次回答，你会唱歌吗？

答：是的。

你多半会想到，与你对话的是一台机器，因为正常人对再次回答会多多少少显得不耐烦；早在 1950 年，艾伦·图灵发表了一篇划时代的论文，预言了创造出具有真正智能的机器的可能性。

由于智能这一概念很难确切定义，他提出了著名的图灵测试——如果一台机器能与人类展开对话而不被辨别出其机器身份，那么称这台机器具有智能；可见半个世纪前，人类期望的人机沟通方式就是自然的方式，即人与人对话的方式。

1）第一台语音交互机器

在人与机器沟通的方式方向上，人类做了很多尝试；1952 年，贝尔实验室开发的 Audrey 语音识别系统是其主要标志；Audrey 约 180cm 高，可以识别阿拉伯数字 0 – 9 的英文发音，对熟人的准确度高达 90％以上。

图 2 – 1952 年贝尔实验室开发的 Audrey 语音识别系统

1962 年，IBM 发明了第一台可以用语音进行简单数学计算的机器 Shoebox；即便如此，人类至今还没有发明出使用人与人的沟通方式的、通过图灵测试的机器。

2018 年 5 月，谷歌 Duplex 人工智能语音技术也只是部分通过了图灵测试；因此，在半个世纪前，人机无法使用自然的沟通方式的原因是技术的限制；那时候互联网还没有出现，语音识别、自然语言处理技术只是在萌芽阶段。

2）第一个鼠标

正是由于技术的限制，人类只能使用其他的方式与机器沟通。

1968 年 12 月 9 日，美国斯坦福大学博士道格拉斯·恩格尔巴特展示了世界上第一个鼠标；它的外形是一只小木头盒子，其工作原理是由它底部的小球带动枢轴转动，继而带动变阻器改变阻值来产生位移信号，并将信号传至主机。

总的来说，人类当时可以使用的材料是有限的，技术也只有变阻器等有限的技术；在这个前提下，人类只能适应机器，从而创造了鼠标这种相对体验好的方式与机器沟通。我们称这种沟通方式为“人适应机器”。

图 3 – 世界上第一个鼠标 | 引用 artimachines.com

2. 人适应机器的特征

1）技术的限制

人适应机器的根本原因是技术的限制，因为机器作为产品的一种形式，它的产生包括三大要素：需求、市场和技术。

• 技术是产品的核心驱动力；
• 需求是产品落地的基础；
• 市场是产品成长的环境。

人类使用技术打造产品，用产品试探市场，满足用户的需求，让新的产品发挥出商业价值。

50 年前，技术还没有成熟，即便我们的需求、我们的想象力、我们期望的是用最自然的方式沟通；也只能适应机器，使用键盘、鼠标等来与机器沟通。

图 4 – 需求、市场和技术

2）设计创造更好的体验

设计是沟通的桥梁，连接着用户的需求和技术的能力；虽然有技术的限制，但设计师可以让人适应机器的体验变得更好。

以百度翻译 APP 的取词翻译为例，直到现在 5G 还没有完全普及，光学字符识别(OCR)技术在全世界 200 多语种的表现也达到不了毫秒级的全文精准识别。

面临着网速等技术的限制，设计师采用矩形的取词框与机器沟通，让用户瞄准书本中的单词去翻译；瞄准哪里、翻译哪里的这一行为，既降低了技术实现的难度，也让人适应机器的过程不再这么生硬，让翻译的体验变得更好。

图 5 – 百度翻译 APP 取词翻译

总的来说，半个世纪前“人适应机器”的沟通方式是必然，不可否认这种沟通方式在下一个革命性技术突破前还会长期存在，但设计可以帮助我们在这过程中创造更好的体验。

二、机器适应人

1. 机器适应人的时代

随着 AI 时代的来临，加速了 5G、面部识别等一系列新技术的进步；虽然还未完全成熟或普及，但是机器主动适应人的条件似乎已经具备，机器开始主动适应人的表达方式和生活方式。

图 6 – 一系列新技术的进步

2. 机器适应人的方式

对话是人与人之间最自然的沟通方式之一，当技术达到了一定的水平，语音对话逐步进入了大众的视野；该方式不仅提高了信息传递的效率，还帮助用户解放双手和双眼；而且帮助对文字识别有障碍的群体更好的使用产品。

当人们逐步适应了对话作为与机器沟通的方式时，也对沟通舒适度有了更高的憧憬和需求。

1）百度地图 APP

借助语音技术，百度语言助手“小度”大幅提升了用户的沟通舒适度，除了对驾车这一用户群体双手的释放之外；当用户说出“小度小度，回家”这样简单的指令时，通过算法和数据的积累，百度地图会根据用户习惯，自动规划出从当前位置回家的最优路线。

甚至当用户每天在特定时间打开百度地图时，会预算出当前时段你是否想去这里？使沟通更加高效。

图 7 – 百度地图 APP

2）百度翻译 APP

百度翻译 APP 通过人工智能技术帮助用户打破语言的界限，支持全世界200+语言互译，提升全世界的沟通体验。

图 8 – 百度翻译 APP

不仅如此，百度翻译 APP 还帮助用户解决学习、商务、旅游等不同场景下的语言问题，比如：百度翻译同传通过领先行业的同传技术与服务，大幅降低信息交流成本，驱动企业持续发展。

3）百度翻译同传

图 9 – 百度翻译 同传

在 2020 百度全球人工智能技术大会上，百度翻译同传搭建了大会不同语种之间沟通的桥梁。

同声传译本是一项困难且专业的工作，翻译官除了对语言有深厚的储备，还需要极强的反应能力和应变能力；注意力需要高度集中，对脑力和体力都具有极高等要求。

同传通过搭载百度语言自研的 SMLTA 声学建模技术，提升识别的准确性；同时，通过对音频信号的加强处理，提升了识别的“鲁棒性（Robustness）”。

在该场景下，百度翻译同传做到了全场景多模态，即时的沉浸式体验——这也进一步体现了机器适应人的沟通方式。

三、人和机器相互适应

1. 机器更像人的诞生

当机器开始逐步适应人，一系列新的问题也被大家所关注，人类到底因该如何与之相处成为了大众所热议的话题。

1992 年，雷波特与他人一同创办了波士顿动力；波士顿动力每出一款机器人都及其引人注目，甚至会掀起一阵阵机器人要逆天的伦理性大讨论。

图 10 – 波斯顿机器人引用 | Boston Dynamics

2015 年 4 月 19 日，索菲亚被激活。她以女演员奥黛丽·赫本为模型，与以前的各种型号机器人相比，她更具与人类相似外观和行为方式。

她的发明者汉森说：“它的目标就是像任何人类那样，拥有同样的意识、创造性和其他能力。”

图 11 – 索菲亚 | 引用 极客公园

人类从开始对于机器的期望是它能够帮助我们带来意想不到的便利，但随着技术的进步，类似像大白这样具有温度的机器人走进我们的视线，它采用了更具有温度的方式与人沟通。

图 12- 大白 | 引用 超能陆战队

2. 不同场景下的情感沟通

由此，伴随着技术的发展不断发酵，关于机器更像人的讨论也越演越烈。

给技术产品赋予人类的性格特征似乎已经成为趋势，被赋予的不同“人格”的机器所引发的话题也不尽相同；比如仿真机器人带来的恐慌，和大白的爆红。

但事实是：即使有了深度学习的加持，现阶段的机器还远没有到达真正“智能体”的标准；既然如此，引发恐慌的究竟机器人的技术，还是它过强“人格”所触犯到的人类的存在感边界？

原因是多方面的——比如从心理学的角度，由于在外形设计的层面，若机器依旧停留在工具的外形纬度，人类下意识本能的判断也就将其归为了工具的类别；从发明的角度，被人类发明的机器/工具，除了本身具备特定的功能之外，还取决于被如何使用或如何定义。

简单来说，同样一把剪刀，可以是工具也可以是凶器——计算机或是智能机器也是同样的道理。

因此，将机器”人格”化的方向，不是赋予机器所谓独立的“人格”；而是让机器拥有更有情感、更人格化的设计，让人类和机器能够产生情感上的沟通交流甚至共鸣，能够更好的相互适应。

1）多样化场景

正如上文提到的，用语音回复的方式，赋予机器情绪和性格只是人类和机器沟通的开始。

现实的情况是：自然语言处理、知识图谱、图像识别、人脸识别等越来越多的细分技术早已被运用到不同产品中，为人类解决不同场景下的问题；只是随着需求的增多，被直接展示的越来越多罢了；由此，在不同产品的使用场景下，我们需要给予其更精准的“人格”定位，营造更恰当的沟通场景。

所以，作为翻译技术赋能的学习类产品；结合产品功能和用户需求，在设立 IP 形象时，百度翻译 APP 将其“人格”定位为“智能助手”。

图 13 – 百度翻译 APP IP 形象 DODO

在保留其机器属性的同时，强调陪伴和可依赖的沟通方式‘强化情感温度，塑造区别于其他冰冷机器的愉悦感。

图 14 – 百度翻译 APP IP 形象 DODO

除此之外，顺应不同场景的情感沟通方案，UNIT 的个性化定制功能则满足了人类在行为水平层面的多方面诉求。

图 15 – 百度翻译 UNIT 智能

2）个性化反馈

其实，人与机器沟通边界探索与机器本身情绪的反应、分析模型的准确性是直接关联的；且在现有的技术中，AI 对情绪的情感分析还停留在封闭场景中的阶段。

通俗来说，它也许能理解你的表情、语音，但猜不到你表情背后的内心活动到底是什么。

梅罗维茨在《消失的地域》中曾提出“新媒介-新场景-新行为”的关系模型，认为新媒体的应用可能重建大范围的场景和行为，甚至人类的社交角色与规则也随之产生影响；确实，线上线下、虚拟现实的场景重叠，个体人类也已开始追求更具有个性化的细致表达。

例如 Emoji，表情包作为信息时代的传播沟通符号，火遍全球；在 ios12 中，借助人脸识别技术，苹果公司推出了可定制的 Memoji。

图 16 – Apple Memoji｜引用 Jeremy Horwitz

度晓晓的诞生也是如此，基于语音、图像、语言等技术的支持赋能，度晓晓具备答疑解惑、情感陪伴等能力，可以帮用户解决生活中的各种问题；在沟通方式上，度晓晓也不再局限于语音的互动方式，还加入了视频聊天、触碰闲聊等功能。

图 17 – 百度手机虚拟AI助手度晓晓

更重要的是，度晓晓还会随着用户的使用而形成不同的性格，是一个典型的养成型助理；且随着用数据的积累，最终能够实现千人千面的效果，每个人的度晓晓都会因各自主人而不一样。

图 18 – 百度手机虚拟AI助手度晓晓

3. 未来

至此，关于机器与人类沟通的方式讨论似乎还没有一个确切的答案。

未来的机器到底是否会真实的感情？ 我们无法论证，但可以肯定随着人工智能时代的到来，机器已经在改变人类的生活，且引发了人类不同的情感需求和反应。

脑机接口技术的爆发，神经形态芯片的日趋成熟；科技的不断进步，似乎为人和机器的沟通方式带来无限的可能；也许未来的某天，机器能够完全使用人类的沟通方式与我们沟通，甚至不被察觉。

那么对你而言，人机沟通方式的边界在哪？未来可能又会诞生哪些技术，为人机沟通带来意想不到的可能？

参考资料：

《百度百科：度晓晓》

《百度百科：图灵测试》

《A Brief History of ASR: Automatic Speech Recognition》

《鼠标诞生49周年！世界上第一个鼠标就长这样》

《AI与情感》

《未来搜索还能这样玩！养成类虚拟助理“度晓晓”亮相百度世界2020》

 

作者：周子轩、李俞锋、石静雯

本文由 @Du Design 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 unsplash，基于CC0协议