百度AI交互設(shè)計院前沿探路 打造類人交互智能體

7月4日- 5日，2018百度AI開發(fā)者大會在北京國家會議中心隆重舉行，大會上展示了眾多落地化成果。此次大會上百度首次舉辦AI設(shè)計論壇，百度設(shè)計體驗(yàn)委員會主席、百度人工智能交互設(shè)計院院長、百度用戶體驗(yàn)中心總經(jīng)理關(guān)岱松及設(shè)計團(tuán)隊(duì)分享了百度在AI設(shè)計和用戶體驗(yàn)方面的經(jīng)驗(yàn)及思考，共同交流AI智能美學(xué)及創(chuàng)意等方面的最前沿發(fā)展。論壇上百度與湖南大學(xué)的戰(zhàn)略合作正式啟動，整合百度在AI交互設(shè)計領(lǐng)域的優(yōu)勢和湖南大學(xué)先進(jìn)的科研能力，雙方將共建聯(lián)合創(chuàng)新實(shí)驗(yàn)室及博士后基地，在AI設(shè)計領(lǐng)域進(jìn)行更多更有價值的合作與探索。

百度人工智能交互設(shè)計院自成立以來，圍繞智能語音交互界面設(shè)計節(jié)點(diǎn)開展了大量人因工程實(shí)驗(yàn)，分享了一系列的研究結(jié)論，這些結(jié)論已經(jīng)被寫入DuerOS的設(shè)備準(zhǔn)出準(zhǔn)入規(guī)范和設(shè)計指導(dǎo)原則之中，幫助DuerOS和開發(fā)者打造更符合人的需求和習(xí)慣的語音交互流程。進(jìn)入人機(jī)交互研究的2.0階段，百度人工智能交互設(shè)計院分享了他們在外觀、自然交互、情感交互等領(lǐng)域的前沿探索案例，將AI時代做研究的方法升級，打造類人交互的智能體。

以下為演講實(shí)錄：

大家好，我是百度AI交互設(shè)計院的研究員李璇，去年11月百度成立了行業(yè)內(nèi)第一個交互設(shè)計研究機(jī)構(gòu)，很高興借此機(jī)會跟大家分享我們的研究成果。面對AI時代為人機(jī)交互帶來的巨大變化，如何通過研究引領(lǐng)交互設(shè)計，這是我們持續(xù)在探索的問題，而我們找到的答案，是人因工程。

什么是人因工程?通俗地說就是我們做設(shè)計，要把人知道的、不知道的自己，以做工程的思維，精準(zhǔn)、量化、全面地研究得透透的，然后運(yùn)用給到設(shè)計中。

人因工程不是一個全新的領(lǐng)域。在工業(yè)時代，人使用機(jī)器來提高生產(chǎn)效率，人機(jī)互動是純物理的機(jī)械互動，人因工程研究的是人生理各方面的閾限，基于這些閾限做出在人可以承受的范圍內(nèi)效率最大化的設(shè)計。

在信息時代，人使用機(jī)器的替代一部分的認(rèn)知勞動，人機(jī)互動是虛擬的認(rèn)知交流，人因工程研究人的認(rèn)知規(guī)律，來優(yōu)化信息傳遞。

過去，人因工程奠定了對人體特征、認(rèn)知規(guī)律進(jìn)行研究和并運(yùn)用于設(shè)計的基礎(chǔ)，到了AI時代，因?yàn)槿藱C(jī)交互方式和關(guān)系的變化，人因工程又有了新的延伸。

首先，AI技術(shù)讓機(jī)器越來越像人，機(jī)器可以通過語音、手勢、眼神等人類最自然的方式與人進(jìn)行交流，甚至開始被賦予人的外形。人類不再需要去適應(yīng)機(jī)器，而是機(jī)器適應(yīng)人。其次，AI技術(shù)讓機(jī)器越來越懂人，機(jī)器不僅懂我們的語言、肢體，甚至懂我們的動機(jī)、文化。此外，當(dāng)機(jī)器越來越像人的時候，人機(jī)關(guān)系也會發(fā)生變化。人們過去對機(jī)器是冷冰冰的，但現(xiàn)在會將越來越多對人的情感、需求和預(yù)期都投射到機(jī)器上，機(jī)器帶給人的體驗(yàn)變得更加復(fù)雜。

所以，AI時代的人因工程，將不僅僅關(guān)乎人的能力、行為、限制和特點(diǎn)，也關(guān)乎社會、文化和心理，是真正以人類為中心的系統(tǒng)工程。那么在這樣的方法論和研究范疇中，我們具體在怎么做呢?

1.0將智能語音作為新交互方式，定義語音交互標(biāo)準(zhǔn)

對于人來說，語音對話是最自然、最高效的交流方式，語音交互是AI時代新交互形態(tài)的開端，但其實(shí)整個行業(yè)對語音交互設(shè)計還有很多疑問，為此，定義語音交互的體驗(yàn)標(biāo)準(zhǔn)是我們工作的開始。

首先，我們梳理出五個節(jié)點(diǎn)，通過喚醒、響應(yīng)、輸入、理解、輸出，人和機(jī)器完成每一次的語音對話，為了打造好的語音對話體驗(yàn)，每一個節(jié)點(diǎn)都會對應(yīng)很多設(shè)計要點(diǎn)需要被研究和定義。我們系統(tǒng)地梳理每個節(jié)點(diǎn)下的設(shè)計要點(diǎn)，并在這個框架下去逐步開展精細(xì)的實(shí)驗(yàn)，以確定最優(yōu)的機(jī)器參數(shù)和反饋水平。比如從聲學(xué)角度，研究了什么樣的聲音好聽、怎么樣的喚醒詞好發(fā)音;從語言學(xué)角度，研究機(jī)器和人對話，什么樣的話術(shù)好;從視覺認(rèn)知角度，研究不同距離下的字號顯示……最終我們輸出了一系列的研究結(jié)論，并應(yīng)用到了DuerOS的設(shè)備準(zhǔn)出準(zhǔn)入規(guī)范和設(shè)計指導(dǎo)原則之中，幫助DuerOS和開發(fā)者們打造更符合人的需求和習(xí)慣的語音交互流程。

2.0打造類人交互的智能體

在完成了對大部分語音交互節(jié)點(diǎn)的研究后，我們開始更加深入地去思考如何在此基礎(chǔ)上，讓人機(jī)交互更加類人，讓人在面對AI產(chǎn)品的時候更加感知到它是一個智能體而不僅僅是機(jī)器。圍繞這一點(diǎn)，在這里想跟大家分享我們認(rèn)為在不久的未來比較重要的三個方面。

外觀

首先，我們認(rèn)為作為一個智能體，外觀很重要，它影響著人對AI產(chǎn)品的第一印象和預(yù)期。圍繞外觀，可研究的問題有很多，而經(jīng)常被爭論的一個問題是，智能產(chǎn)品是否應(yīng)該像人及多大程度上像人，即擬人度的問題，分享一點(diǎn)我們的研究。

我們將擬人度分為面部擬人和全身擬人進(jìn)行拆解，然后通過實(shí)驗(yàn)去研究用戶對不同擬人度的認(rèn)知和喜好度，得到了一些有趣的結(jié)果。

比如在臉部造型上，兩個眼睛或兩個眼睛加鼻子的五官設(shè)計是相對比較保險的，增加嘴巴容易形成兩極分化，說非常喜歡和非常不喜歡的比例都會增高，所以如果我們要進(jìn)行擬人的臉部設(shè)計，對是否要“嘴巴”需要慎重。在全身擬人的設(shè)計上，“手”是一個關(guān)鍵部位，如果想要進(jìn)行全身的擬人，最好將手帶上。

這只是探討外觀的其中一項(xiàng)研究，我們還研究智能產(chǎn)品的設(shè)計風(fēng)格、材質(zhì)、尺寸、形狀等等，并探得了人們對于不同智能產(chǎn)品的外觀的認(rèn)知要點(diǎn)和心理原型。

自然交互

在當(dāng)下語音交互體驗(yàn)持續(xù)優(yōu)化的基礎(chǔ)上，我們認(rèn)為走向自然交互是人機(jī)交互方式的發(fā)展趨勢。所謂的自然交互是以人為中心，參照人類信息輸入輸出通道的交互方式。人類通過視、聽、觸、味、嗅接收信息，通過文字、語音、肢體、眼神、表情等來進(jìn)行表達(dá)。

在人的信息接收方面，視覺和聽覺能夠滿足90%以上的信息需求。所以，機(jī)器在自然交互中的信息輸出，最重要的是解決如何有效的讓視覺和聽覺信息相互配合的問題。在這個方面，我們借助眼動儀對用戶視覺資源分配情況進(jìn)行了量化研究，衡量了不同設(shè)計方案中視聽信息的配合情況。

在人的信息表達(dá)方面，語言結(jié)合肢體，尤其手勢是人類最常見、也最自然的表達(dá)方式。雖然人們在生活中經(jīng)常使用手勢，但如何將人類自然手勢轉(zhuǎn)化為人機(jī)交互語言，目前沒有成熟的交互方案，大家都還沒有經(jīng)驗(yàn)。

我們邀請用戶來到實(shí)驗(yàn)室，去觀察要實(shí)現(xiàn)各種操作時，用戶最自然的手勢反應(yīng)。我們得到了近800個手勢，根據(jù)通用性和可理解性進(jìn)行篩選，形成一套最優(yōu)手勢集。然后，借助綠野仙蹤的方法，也就是通過后臺人為操作來實(shí)現(xiàn)的用戶體驗(yàn)手勢交互效果，我們讓用戶擺脫遙控器，用語音和手勢來操控設(shè)備，借助腦電、肌電等技術(shù)對操作過程中的情感體驗(yàn)、心理負(fù)荷及操作疲勞進(jìn)行測量，我們?nèi)ズ饬拷换ゲ僮鞅澈蟮淖匀惑w驗(yàn)，最終篩選出在不同情境和操作下手勢和語音配合最優(yōu)的設(shè)計方案，也應(yīng)用到了DUEROS的設(shè)計中。

對于自然交互，我們還會去探討更多的感知覺通道，來完善自然交互的設(shè)計。語音交互還是自然交互，對于機(jī)器來說都是交互通道的問題，觸碰的是人的感知覺。而繼續(xù)進(jìn)化的下一步，我們認(rèn)為是情感交互。這將是一個很大的飛越，它讓機(jī)器可以觸碰人的內(nèi)心。

情感交互

情感交互是讓機(jī)器具有類似人一樣觀察、理解和表達(dá)情緒的能力，而要做到這一點(diǎn)，機(jī)器需要對人情緒進(jìn)行準(zhǔn)確地識別和合理的應(yīng)對。

人與人進(jìn)行交流時，通過表情、內(nèi)容、語氣語調(diào)、肢體四個通道來表達(dá)和接受情緒情感。達(dá)爾文說過，能夠從表情中識別情緒從而對對方的行為作出預(yù)判，是動物得以生存進(jìn)化的重要技能。為此表情無疑是最主要也最被廣泛研究的，讓機(jī)器識別人類情緒的重要課題，我們正在進(jìn)行這方面的研究。

在情緒應(yīng)對方面，我們研究高情商的人怎么應(yīng)對憤怒、挫敗等負(fù)面情緒，研究咨詢師怎么開導(dǎo)痛哭流涕的來訪者，研究好朋友和陌生人在表達(dá)關(guān)心時候的差別，從中提取好的應(yīng)對策略賦予機(jī)器。為了驗(yàn)證這些應(yīng)對策略，我們在實(shí)驗(yàn)中通過VR模擬場景誘發(fā)用戶的情緒，然后讓AI去平復(fù)。關(guān)于情緒識別和應(yīng)對的研究，也應(yīng)用到了機(jī)器人的交互設(shè)計之中，期待未來跟大家分享更多。

最后，作為專注于研究的團(tuán)隊(duì)，我們還想分享在面對這些全新領(lǐng)域時，研究方法上的一些心得。

第一，因?yàn)檠芯款I(lǐng)域越來越前沿，我們需要在研究中去創(chuàng)造體驗(yàn)交互和場景。

第二，由于我們追求的是更加多元、立體的體驗(yàn)，我們需要越來越多的引入生理測量來度量交互體驗(yàn)，目前腦電、肌電和眼動是相對成熟的工具。

第三，人臉、聲紋、語氣等識別技術(shù)幫助我們獲得大量隱藏在行為背后的數(shù)據(jù)，如用戶的情緒、需求、動機(jī)等，而大數(shù)據(jù)的運(yùn)算幫助我們構(gòu)建常模。

過去我們?yōu)榛A(chǔ)語音交互定義標(biāo)準(zhǔn)，未來我們將投入更多的精力去打造能夠進(jìn)行自然交互、情感交互的智能體。

而基于心理學(xué)對人的構(gòu)建，認(rèn)知、情感和意志，所以在更超前的地方，我們還可以研究探討如何賦予機(jī)器意志、讓他可以有目的、有動機(jī)地進(jìn)行主動交互，以及在類人互動下的人機(jī)關(guān)系，甚至人和機(jī)器兩個物種之間的倫理問題。

未來的路還很長，百度AI交互設(shè)計愿意與大家進(jìn)行持續(xù)的交流和探討，一起成為AI交互設(shè)計領(lǐng)域的開路者和探路者。謝謝大家!

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。