探索語音為主的多通道交互 DuerOS設(shè)計最舒適的人機交流方式

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、百度用戶體驗中心總經(jīng)理關(guān)岱松及設(shè)計團(tuán)隊分享了百度在AI設(shè)計和用戶體驗方面的經(jīng)驗及思考，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)新實驗室及博士后基地，在AI設(shè)計領(lǐng)域進(jìn)行更多更有價值的合作與探索。

DuerOS是以語音技術(shù)為基礎(chǔ)的對話式人機交互系統(tǒng)。通過萬物互聯(lián)、本能交互、千人千面三個方面構(gòu)建了人機之間的新交互模式，使得設(shè)備能夠主動適應(yīng)外界變化提供更好的信息服務(wù)，讓人機交互像人人交互一樣親切和富有情感，打造出用戶體驗最舒適的人機交流方式。

以下為演講實錄：

【子軒】：大家好!我是百度體驗架構(gòu)師周子軒，我今天要為大家分享的主題是《智慧型人機對話設(shè)計》。

大家知道最早的人機對話設(shè)計是什么時候開始的嗎?1952年，貝爾實驗室剛開始研究語音合成，把阿拉伯?dāng)?shù)字對它說，它直接能轉(zhuǎn)換出來。直到上周，我也都是這么認(rèn)為的。

一周前的晚上，我跟小度小度說了一件事，『小度小度，你給我講個故事』你們猜小度講了什么?

【麗川】魔鏡魔鏡，告訴我，誰才是世界上最美麗的女人?

【子軒】魔鏡才是最早的帶屏音箱!但是魔鏡從設(shè)計角度講不夠聰明，不夠有智慧?；屎笙肼牭牟皇沁€有白雪公主漂亮，而且想要有人夸她。反正小度不會這么說，

為了研究這個話題，這就是我們今天想要分享智慧型人機對話設(shè)計,下面有請皇后的扮演者百度DuerOS體驗架構(gòu)師張麗川。

【麗川】我是一名DuerOS的設(shè)計師，來跟大家分享最下最近幾個月，我們在對話式交互上的探索。其實對話有著悠久的歷史，在古代沒有書本的時候，孔子等古今中外的哲學(xué)家們就是使用對話去教學(xué)和傳播思想。那么我們今天致敬經(jīng)典，用對話形式來講一講智慧型人機對話設(shè)計。

【子軒】麗川，你能說說DuerOS是什么嗎?

【麗川】DuerOS是一個搭建在AI浩瀚的技術(shù)上、以對話為統(tǒng)一用戶入口的、能實現(xiàn)承接多種第三方功能的系統(tǒng)級產(chǎn)品。

【子軒】那就是說，變得簡單了，喚醒它，然后等待你的需求。但是還是不夠智慧，魔鏡至少還能告訴我……

【麗川】沒錯，魔鏡其實是一個比較會讀心的設(shè)備。因為，語音并不等于對話。發(fā)出聲音其實只是其中的第一步，還需要對環(huán)境場景上下文的理解，充分獲取顯性和隱性的表達(dá)，和對人心理互動的把握，從而才能建立起良好的對話關(guān)系。

作為DuerOS的設(shè)計師，在領(lǐng)落到對話式人機交互的深意后，把更真實的自然還給用戶，把推理運算、歸納演繹等高級綜合能力裝在設(shè)備里。讓人感受到與ta互動的對象，不僅僅是一個聯(lián)網(wǎng)的智能設(shè)備，更是一個有智慧的對話對象。這就是我們提出的智慧型人機對話基本模型。

【子軒】那我想先了解下你說的環(huán)境是什么意思?

【麗川】我們想傳遞出的是重組人與環(huán)境的適應(yīng)關(guān)系。所以，我們現(xiàn)在要提的一個概念是，從用戶主動設(shè)置到環(huán)境主動調(diào)整。首先，現(xiàn)在感應(yīng)設(shè)備技術(shù)已經(jīng)升級到一定程度，已經(jīng)可以檢測距離、光線、音量、人臉、動作、溫度、濕度等等。通過感應(yīng)器采集過來的信息形成信息空間，他是除了人類社會和物理空間之外的第三空間。國務(wù)院下發(fā)的《新一代人工智能發(fā)展規(guī)劃》中也強調(diào)了這一空間的建設(shè)和使用?；貧w到家居環(huán)境，DuerOS和萬物對話，我們擁有關(guān)于一個環(huán)境里的各方面信息，這些正是可以讓環(huán)境適應(yīng)適應(yīng)人的基礎(chǔ)。

【子軒】那么環(huán)境適應(yīng)人真的可以去實現(xiàn)了啊?

【麗川】環(huán)境適應(yīng)人分成三個進(jìn)階。第一個是自動調(diào)整環(huán)境，第二個是響應(yīng)人體變化，第三個是學(xué)習(xí)人的習(xí)慣。

【子軒】第一個是能夠根據(jù)干濕度來調(diào)整我適應(yīng)我嗎?

【麗川】這是溫度和濕度的自動調(diào)節(jié)。對于人體最合適的溫度和適度已經(jīng)有成熟的模型，把這個模型輸入到設(shè)備當(dāng)中。當(dāng)設(shè)備感受到人在家里的時候，就自動把家居環(huán)境調(diào)整到最適宜的狀態(tài)。

【子軒】第二點是響應(yīng)人體變化怎么理解呢?

【麗川】隨著對話式交互的時代的到來，我們和設(shè)備的距離拉開，甚至到一個想遠(yuǎn)就遠(yuǎn)，想近就近的360度空間范圍里。所以，我們提出了在不同距離下最佳視覺呈現(xiàn)解決方案。他落地形態(tài)比如直觀的有字號、字體、排版、圖文比，間接的有信息量的重構(gòu)。

下面講一下適應(yīng)人的習(xí)慣。剛才我們展示了很多模型，但是這種模型是對于大部分人來說的，對于個人來說，是有自己的個性喜好的。

【子軒】這個場景我很熟悉，我在家做家務(wù)的時候就會調(diào)大音量……

【麗川】有了技術(shù)與環(huán)境場景更好的交融之后，人與設(shè)備的交流，才能更加細(xì)分場景與人交流方式的關(guān)系，回歸人體真正的自然交流方式。經(jīng)過認(rèn)知科學(xué)的研究發(fā)現(xiàn)，人們其實是使用多通道的方式去表達(dá)信息的。人本身就是多感官的，每個感官都能傳遞信息。

【子軒】什么叫做多通道呢?

【麗川】通俗一點講，就像當(dāng)前我倆的對話，除了我們字面表達(dá)的文字內(nèi)容之外，還有手勢，還有眼神，還有表情，還有語氣語調(diào)，這些加在一起，才完整的去表達(dá)了信息。

再細(xì)分下去，每個通道有ta傳遞信息的特點，也有傳遞信息的上限。所以，多通道整合的交互，才是最自然的，效率最大，更適合于多任務(wù)并行。

不過，多通道這個詞也提出來很多年了，但是以前的產(chǎn)品設(shè)計上只是用于代替手指的部分指令，比如指紋支付，指紋解鎖，人臉解鎖。這種是拆分開的。

而真正的多通道交互應(yīng)該是整合在一起的，共同去傳遞信息，完成操作任務(wù)。

【子軒】這個我認(rèn)同，人最早去適應(yīng)機器……，教人學(xué)電腦還是一份職業(yè)，現(xiàn)在看來，這一刻真的到來了

【麗川】多通道表達(dá)信息的設(shè)計就是要去細(xì)分場景和操作任務(wù)。查閱相關(guān)資料發(fā)現(xiàn)，表達(dá)的通道和任務(wù)有指派性和互補性的特點。指派性也就是唯一性。是指某些任務(wù)下，有些任務(wù)是有最佳最優(yōu)勢的表達(dá)通道的。這時候未必是語言或手指或眼神，可能還是一個動作，比如手勢靜音。

像這樣的方案，只要用戶知道設(shè)備支持這樣的操作，對他來說是沒有學(xué)習(xí)成本和回憶成本的。

比如互補性，當(dāng)單個通道不能充分表達(dá)信息時，需要其他通道補充，才能表達(dá)地更精準(zhǔn)。經(jīng)過多通道的同時表達(dá)，可以讓每個通道表達(dá)的信息更少，而合起來的意義更明確。

AI交互設(shè)計院的同事，會有意識地去采集這些手勢集合，把我們最自然的交互還原出來。這些集合的采集，在東方內(nèi)斂含蓄文化下，真的很有意義。

【子軒】

人其實一直都有心理活動，并且會通過情緒，情感去表達(dá)出來。

【麗川】也有更多的網(wǎng)友會去自己設(shè)計表情包，表達(dá)更多無以名狀的情感。但是設(shè)備和技術(shù)的限制，只能在這個層面上?，F(xiàn)在小度也能覺察人的心理活動了。這里要提一個概念是模式匹配。

AI發(fā)展幾十年，從未有像現(xiàn)在，讓人充滿信心。因為現(xiàn)在大數(shù)據(jù)、深度學(xué)習(xí)、感應(yīng)器、情緒理論模型等的高能加持，AI已經(jīng)從單純的仿生，進(jìn)化成模式匹配，這為我們?nèi)プ龈鼜?fù)雜的情感識別與鑒定打下了基礎(chǔ)。

最基礎(chǔ)的可以匹配的模式就是，人的心理活動三要素，知覺、情感、意志。三者之間是遞進(jìn)推導(dǎo)關(guān)系，也是反向影響關(guān)系。

以嬰兒這個群體舉例，表達(dá)很直接，情緒很明顯，意圖很明確。采用遞進(jìn)式的推進(jìn)，可以快速定位他們的核心意圖。

老人這個群體，表達(dá)很含蓄，情緒很內(nèi)斂，意圖卻很簡單。當(dāng)老人對一個智能設(shè)備開口說出請求時，這不僅僅是請求的內(nèi)容這么簡單，還代表這他們對新科技的向往，不想落伍的倔強，或者和自己兒女想要有共同的語言。把高科技信息以更有好的方式展示給老人，是對老人感官能力退化之后的無助感的關(guān)懷。

真正有智慧的個體，是當(dāng)你還沒開口就知道你想要什么，俗話說的，很有靈性。通過一個人的表現(xiàn)，推測ta的意圖，通過情緒感知再去細(xì)化意圖，給予更深的解讀。

【子軒】這個怎么說，有什么產(chǎn)品嗎?

【麗川】這個還真有，我們正在設(shè)計一個自動伴唱功能。在播放歌曲的時候，察覺你在跟唱，那么就會切入一個模式，去掉原生，放伴奏歌曲，一秒進(jìn)入K歌環(huán)節(jié)。

【子軒】這真是一個激動人心的時代。我們用最自然的方式和一個智慧的對象對話，滿足我們不同的生活訴求。

DuerOS設(shè)計團(tuán)隊真的是太體貼，太貼心，太專業(yè)了。麗川，你一定是小度吧，我問了你這么多問題，都很有條理的回答我了。

【麗川】你才是小度呢～未來的小度，其實就像是你這樣自然的與人交談，像我的朋友，能很好的傾聽，總結(jié)!

【子軒】讓我們共同期待DuerOS 設(shè)計團(tuán)隊給大家?guī)砀嗟牧己玫捏w驗，讓我們共同期待智慧型人機對話交互時代的到來!

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，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，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。