編輯導(dǎo)語(yǔ)：AI，也就是人工智能，隨著科技的發(fā)展，越來(lái)越多的人工智能出現(xiàn)在我們的生活中，比如手機(jī)里的對(duì)話工具，物流公司、餐館也出現(xiàn)了工作機(jī)器人；本文作者分享了關(guān)于AI時(shí)代人與機(jī)器的溝通方式，我們一起來(lái)看一下。

隨著度曉曉以虛擬形象在百度世界 2020 ?會(huì)上的?次亮相，引發(fā)了人們對(duì)人與機(jī)器的溝通?式的思考。

圖 1 – 度曉曉是百度公司推出的?機(jī)虛擬 AI 助?

度曉曉?前具備視覺(jué)識(shí)別能?，?持最?然的交流?式，更接近人與人的溝通過(guò)程，那么未來(lái)人機(jī)溝通?式?會(huì)是怎么樣的呢？

為了詳細(xì)探究人機(jī)溝通?式的變化和趨勢(shì)，我們要從最早的人機(jī)溝通?式說(shuō)起。

一、人適應(yīng)機(jī)器

1. 最早的人機(jī)溝通方式

圖靈測(cè)試：

問(wèn)：你會(huì)唱歌嗎？

答：是的。

問(wèn)：請(qǐng)?jiān)俅位卮?，你?huì)唱歌嗎？

答：是的。

你多半會(huì)想到，與你對(duì)話的是一臺(tái)機(jī)器，因?yàn)檎Ｈ藢?duì)再次回答會(huì)多多少少顯得不耐煩；早在 1950 年，艾倫·圖靈發(fā)表了一篇?jiǎng)潟r(shí)代的論文，預(yù)言了創(chuàng)造出具有真正智能的機(jī)器的可能性。

由于智能這一概念很難確切定義，他提出了著名的圖靈測(cè)試——如果一臺(tái)機(jī)器能與人類展開(kāi)對(duì)話而不被辨別出其機(jī)器身份，那么稱這臺(tái)機(jī)器具有智能；可見(jiàn)半個(gè)世紀(jì)前，人類期望的人機(jī)溝通方式就是自然的方式，即人與人對(duì)話的方式。

1）第一臺(tái)語(yǔ)音交互機(jī)器

在人與機(jī)器溝通的方式方向上，人類做了很多嘗試；1952 年，貝爾實(shí)驗(yàn)室開(kāi)發(fā)的 Audrey 語(yǔ)音識(shí)別系統(tǒng)是其主要標(biāo)志；Audrey 約 180cm 高，可以識(shí)別阿拉伯?dāng)?shù)字 0 – 9 的英文發(fā)音，對(duì)熟人的準(zhǔn)確度高達(dá) 90％以上。

圖 2 – 1952 年貝爾實(shí)驗(yàn)室開(kāi)發(fā)的 Audrey 語(yǔ)音識(shí)別系統(tǒng)

1962 年，IBM 發(fā)明了第一臺(tái)可以用語(yǔ)音進(jìn)行簡(jiǎn)單數(shù)學(xué)計(jì)算的機(jī)器 Shoebox；即便如此，人類至今還沒(méi)有發(fā)明出使用人與人的溝通方式的、通過(guò)圖靈測(cè)試的機(jī)器。

2018 年 5 月，谷歌 Duplex 人工智能語(yǔ)音技術(shù)也只是部分通過(guò)了圖靈測(cè)試；因此，在半個(gè)世紀(jì)前，人機(jī)無(wú)法使用自然的溝通方式的原因是技術(shù)的限制；那時(shí)候互聯(lián)網(wǎng)還沒(méi)有出現(xiàn)，語(yǔ)音識(shí)別、自然語(yǔ)言處理技術(shù)只是在萌芽階段。

2）第一個(gè)鼠標(biāo)

正是由于技術(shù)的限制，人類只能使用其他的方式與機(jī)器溝通。

1968 年 12 月 9 日，美國(guó)斯坦福大學(xué)博士道格拉斯·恩格爾巴特展示了世界上第一個(gè)鼠標(biāo)；它的外形是一只小木頭盒子，其工作原理是由它底部的小球帶動(dòng)樞軸轉(zhuǎn)動(dòng)，繼而帶動(dòng)變阻器改變阻值來(lái)產(chǎn)生位移信號(hào)，并將信號(hào)傳至主機(jī)。

總的來(lái)說(shuō)，人類當(dāng)時(shí)可以使用的材料是有限的，技術(shù)也只有變阻器等有限的技術(shù)；在這個(gè)前提下，人類只能適應(yīng)機(jī)器，從而創(chuàng)造了鼠標(biāo)這種相對(duì)體驗(yàn)好的方式與機(jī)器溝通。我們稱這種溝通方式為“人適應(yīng)機(jī)器”。

圖 3 – 世界上第一個(gè)鼠標(biāo) | 引用 artimachines.com

2. 人適應(yīng)機(jī)器的特征

1）技術(shù)的限制

人適應(yīng)機(jī)器的根本原因是技術(shù)的限制，因?yàn)闄C(jī)器作為產(chǎn)品的一種形式，它的產(chǎn)生包括三大要素：需求、市場(chǎng)和技術(shù)。

• 技術(shù)是產(chǎn)品的核心驅(qū)動(dòng)力；
• 需求是產(chǎn)品落地的基礎(chǔ)；
• 市場(chǎng)是產(chǎn)品成長(zhǎng)的環(huán)境。

人類使用技術(shù)打造產(chǎn)品，用產(chǎn)品試探市場(chǎng)，滿足用戶的需求，讓新的產(chǎn)品發(fā)揮出商業(yè)價(jià)值。

50 年前，技術(shù)還沒(méi)有成熟，即便我們的需求、我們的想象力、我們期望的是用最自然的方式溝通；也只能適應(yīng)機(jī)器，使用鍵盤(pán)、鼠標(biāo)等來(lái)與機(jī)器溝通。

圖 4 – 需求、市場(chǎng)和技術(shù)

2）設(shè)計(jì)創(chuàng)造更好的體驗(yàn)

設(shè)計(jì)是溝通的橋梁，連接著用戶的需求和技術(shù)的能力；雖然有技術(shù)的限制，但設(shè)計(jì)師可以讓人適應(yīng)機(jī)器的體驗(yàn)變得更好。

以百度翻譯 APP 的取詞翻譯為例，直到現(xiàn)在 5G 還沒(méi)有完全普及，光學(xué)字符識(shí)別(OCR)技術(shù)在全世界 200 多語(yǔ)種的表現(xiàn)也達(dá)到不了毫秒級(jí)的全文精準(zhǔn)識(shí)別。

面臨著網(wǎng)速等技術(shù)的限制，設(shè)計(jì)師采用矩形的取詞框與機(jī)器溝通，讓用戶瞄準(zhǔn)書(shū)本中的單詞去翻譯；瞄準(zhǔn)哪里、翻譯哪里的這一行為，既降低了技術(shù)實(shí)現(xiàn)的難度，也讓人適應(yīng)機(jī)器的過(guò)程不再這么生硬，讓翻譯的體驗(yàn)變得更好。

圖 5 – 百度翻譯 APP 取詞翻譯

總的來(lái)說(shuō)，半個(gè)世紀(jì)前“人適應(yīng)機(jī)器”的溝通方式是必然，不可否認(rèn)這種溝通方式在下一個(gè)革命性技術(shù)突破前還會(huì)長(zhǎng)期存在，但設(shè)計(jì)可以幫助我們?cè)谶@過(guò)程中創(chuàng)造更好的體驗(yàn)。

二、機(jī)器適應(yīng)人

1. 機(jī)器適應(yīng)人的時(shí)代

隨著 AI 時(shí)代的來(lái)臨，加速了 5G、面部識(shí)別等一系列新技術(shù)的進(jìn)步；雖然還未完全成熟或普及，但是機(jī)器主動(dòng)適應(yīng)人的條件似乎已經(jīng)具備，機(jī)器開(kāi)始主動(dòng)適應(yīng)人的表達(dá)方式和生活方式。

圖 6 – 一系列新技術(shù)的進(jìn)步

2. 機(jī)器適應(yīng)人的方式

對(duì)話是人與人之間最自然的溝通方式之一，當(dāng)技術(shù)達(dá)到了一定的水平，語(yǔ)音對(duì)話逐步進(jìn)入了大眾的視野；該方式不僅提高了信息傳遞的效率，還幫助用戶解放雙手和雙眼；而且?guī)椭鷮?duì)文字識(shí)別有障礙的群體更好的使用產(chǎn)品。

當(dāng)人們逐步適應(yīng)了對(duì)話作為與機(jī)器溝通的方式時(shí)，也對(duì)溝通舒適度有了更高的憧憬和需求。

1）百度地圖 APP

借助語(yǔ)音技術(shù)，百度語(yǔ)言助手“小度”大幅提升了用戶的溝通舒適度，除了對(duì)駕車這一用戶群體雙手的釋放之外；當(dāng)用戶說(shuō)出“小度小度，回家”這樣簡(jiǎn)單的指令時(shí)，通過(guò)算法和數(shù)據(jù)的積累，百度地圖會(huì)根據(jù)用戶習(xí)慣，自動(dòng)規(guī)劃出從當(dāng)前位置回家的最優(yōu)路線。

甚至當(dāng)用戶每天在特定時(shí)間打開(kāi)百度地圖時(shí)，會(huì)預(yù)算出當(dāng)前時(shí)段你是否想去這里？使溝通更加高效。

圖 7 – 百度地圖 APP

2）百度翻譯 APP

百度翻譯 APP 通過(guò)人工智能技術(shù)幫助用戶打破語(yǔ)言的界限，支持全世界200+語(yǔ)言互譯，提升全世界的溝通體驗(yàn)。

圖 8 – 百度翻譯 APP

不僅如此，百度翻譯 APP 還幫助用戶解決學(xué)習(xí)、商務(wù)、旅游等不同場(chǎng)景下的語(yǔ)言問(wèn)題，比如：百度翻譯同傳通過(guò)領(lǐng)先行業(yè)的同傳技術(shù)與服務(wù)，大幅降低信息交流成本，驅(qū)動(dòng)企業(yè)持續(xù)發(fā)展。

3）百度翻譯同傳

圖 9 – 百度翻譯 同傳

在 2020 百度全球人工智能技術(shù)大會(huì)上，百度翻譯同傳搭建了大會(huì)不同語(yǔ)種之間溝通的橋梁。

同聲傳譯本是一項(xiàng)困難且專業(yè)的工作，翻譯官除了對(duì)語(yǔ)言有深厚的儲(chǔ)備，還需要極強(qiáng)的反應(yīng)能力和應(yīng)變能力；注意力需要高度集中，對(duì)腦力和體力都具有極高等要求。

同傳通過(guò)搭載百度語(yǔ)言自研的 SMLTA 聲學(xué)建模技術(shù)，提升識(shí)別的準(zhǔn)確性；同時(shí)，通過(guò)對(duì)音頻信號(hào)的加強(qiáng)處理，提升了識(shí)別的“魯棒性（Robustness）”。

在該場(chǎng)景下，百度翻譯同傳做到了全場(chǎng)景多模態(tài)，即時(shí)的沉浸式體驗(yàn)——這也進(jìn)一步體現(xiàn)了機(jī)器適應(yīng)人的溝通方式。

三、人和機(jī)器相互適應(yīng)

1. 機(jī)器更像人的誕生

當(dāng)機(jī)器開(kāi)始逐步適應(yīng)人，一系列新的問(wèn)題也被大家所關(guān)注，人類到底因該如何與之相處成為了大眾所熱議的話題。

1992 年，雷波特與他人一同創(chuàng)辦了波士頓動(dòng)力；波士頓動(dòng)力每出一款機(jī)器人都及其引人注目，甚至?xí)破鹨魂囮嚈C(jī)器人要逆天的倫理性大討論。

圖 10 – 波斯頓機(jī)器人引用 | Boston Dynamics

2015 年 4 月 19 日，索菲亞被激活。她以女演員奧黛麗·赫本為模型，與以前的各種型號(hào)機(jī)器人相比，她更具與人類相似外觀和行為方式。

她的發(fā)明者漢森說(shuō)：“它的目標(biāo)就是像任何人類那樣，擁有同樣的意識(shí)、創(chuàng)造性和其他能力?！?/p>

圖 11 – 索菲亞 | 引用 極客公園

人類從開(kāi)始對(duì)于機(jī)器的期望是它能夠幫助我們帶來(lái)意想不到的便利，但隨著技術(shù)的進(jìn)步，類似像大白這樣具有溫度的機(jī)器人走進(jìn)我們的視線，它采用了更具有溫度的方式與人溝通。

圖 12- 大白 | 引用 超能陸戰(zhàn)隊(duì)

2. 不同場(chǎng)景下的情感溝通

由此，伴隨著技術(shù)的發(fā)展不斷發(fā)酵，關(guān)于機(jī)器更像人的討論也越演越烈。

給技術(shù)產(chǎn)品賦予人類的性格特征似乎已經(jīng)成為趨勢(shì)，被賦予的不同“人格”的機(jī)器所引發(fā)的話題也不盡相同；比如仿真機(jī)器人帶來(lái)的恐慌，和大白的爆紅。

但事實(shí)是：即使有了深度學(xué)習(xí)的加持，現(xiàn)階段的機(jī)器還遠(yuǎn)沒(méi)有到達(dá)真正“智能體”的標(biāo)準(zhǔn)；既然如此，引發(fā)恐慌的究竟機(jī)器人的技術(shù)，還是它過(guò)強(qiáng)“人格”所觸犯到的人類的存在感邊界？

原因是多方面的——比如從心理學(xué)的角度，由于在外形設(shè)計(jì)的層面，若機(jī)器依舊停留在工具的外形緯度，人類下意識(shí)本能的判斷也就將其歸為了工具的類別；從發(fā)明的角度，被人類發(fā)明的機(jī)器/工具，除了本身具備特定的功能之外，還取決于被如何使用或如何定義。

簡(jiǎn)單來(lái)說(shuō)，同樣一把剪刀，可以是工具也可以是兇器——計(jì)算機(jī)或是智能機(jī)器也是同樣的道理。

因此，將機(jī)器”人格”化的方向，不是賦予機(jī)器所謂獨(dú)立的“人格”；而是讓機(jī)器擁有更有情感、更人格化的設(shè)計(jì)，讓人類和機(jī)器能夠產(chǎn)生情感上的溝通交流甚至共鳴，能夠更好的相互適應(yīng)。

1）多樣化場(chǎng)景

正如上文提到的，用語(yǔ)音回復(fù)的方式，賦予機(jī)器情緒和性格只是人類和機(jī)器溝通的開(kāi)始。

現(xiàn)實(shí)的情況是：自然語(yǔ)言處理、知識(shí)圖譜、圖像識(shí)別、人臉識(shí)別等越來(lái)越多的細(xì)分技術(shù)早已被運(yùn)用到不同產(chǎn)品中，為人類解決不同場(chǎng)景下的問(wèn)題；只是隨著需求的增多，被直接展示的越來(lái)越多罷了；由此，在不同產(chǎn)品的使用場(chǎng)景下，我們需要給予其更精準(zhǔn)的“人格”定位，營(yíng)造更恰當(dāng)?shù)臏贤▓?chǎng)景。

所以，作為翻譯技術(shù)賦能的學(xué)習(xí)類產(chǎn)品；結(jié)合產(chǎn)品功能和用戶需求，在設(shè)立 IP 形象時(shí)，百度翻譯 APP 將其“人格”定位為“智能助手”。

圖 13 – 百度翻譯 APP IP 形象 DODO

在保留其機(jī)器屬性的同時(shí)，強(qiáng)調(diào)陪伴和可依賴的溝通方式‘強(qiáng)化情感溫度，塑造區(qū)別于其他冰冷機(jī)器的愉悅感。

圖 14 – 百度翻譯 APP IP 形象 DODO

除此之外，順應(yīng)不同場(chǎng)景的情感溝通方案，UNIT 的個(gè)性化定制功能則滿足了人類在行為水平層面的多方面訴求。

圖 15 – 百度翻譯 UNIT 智能

2）個(gè)性化反饋

其實(shí)，人與機(jī)器溝通邊界探索與機(jī)器本身情緒的反應(yīng)、分析模型的準(zhǔn)確性是直接關(guān)聯(lián)的；且在現(xiàn)有的技術(shù)中，AI 對(duì)情緒的情感分析還停留在封閉場(chǎng)景中的階段。

通俗來(lái)說(shuō)，它也許能理解你的表情、語(yǔ)音，但猜不到你表情背后的內(nèi)心活動(dòng)到底是什么。

梅羅維茨在《消失的地域》中曾提出“新媒介-新場(chǎng)景-新行為”的關(guān)系模型，認(rèn)為新媒體的應(yīng)用可能重建大范圍的場(chǎng)景和行為，甚至人類的社交角色與規(guī)則也隨之產(chǎn)生影響；確實(shí)，線上線下、虛擬現(xiàn)實(shí)的場(chǎng)景重疊，個(gè)體人類也已開(kāi)始追求更具有個(gè)性化的細(xì)致表達(dá)。

例如 Emoji，表情包作為信息時(shí)代的傳播溝通符號(hào)，火遍全球；在 ios12 中，借助人臉識(shí)別技術(shù)，蘋(píng)果公司推出了可定制的 Memoji。

圖 16 – Apple Memoji｜引用 Jeremy Horwitz

度曉曉的誕生也是如此，基于語(yǔ)音、圖像、語(yǔ)言等技術(shù)的支持賦能，度曉曉具備答疑解惑、情感陪伴等能力，可以幫用戶解決生活中的各種問(wèn)題；在溝通方式上，度曉曉也不再局限于語(yǔ)音的互動(dòng)方式，還加入了視頻聊天、觸碰閑聊等功能。

圖 17 – 百度手機(jī)虛擬AI助手度曉曉

更重要的是，度曉曉還會(huì)隨著用戶的使用而形成不同的性格，是一個(gè)典型的養(yǎng)成型助理；且隨著用數(shù)據(jù)的積累，最終能夠?qū)崿F(xiàn)千人千面的效果，每個(gè)人的度曉曉都會(huì)因各自主人而不一樣。

圖 18 – 百度手機(jī)虛擬AI助手度曉曉

3. 未來(lái)

至此，關(guān)于機(jī)器與人類溝通的方式討論似乎還沒(méi)有一個(gè)確切的答案。

未來(lái)的機(jī)器到底是否會(huì)真實(shí)的感情？ 我們無(wú)法論證，但可以肯定隨著人工智能時(shí)代的到來(lái)，機(jī)器已經(jīng)在改變?nèi)祟惖纳睿乙l(fā)了人類不同的情感需求和反應(yīng)。

腦機(jī)接口技術(shù)的爆發(fā)，神經(jīng)形態(tài)芯片的日趨成熟；科技的不斷進(jìn)步，似乎為人和機(jī)器的溝通方式帶來(lái)無(wú)限的可能；也許未來(lái)的某天，機(jī)器能夠完全使用人類的溝通方式與我們溝通，甚至不被察覺(jué)。

那么對(duì)你而言，人機(jī)溝通方式的邊界在哪？未來(lái)可能又會(huì)誕生哪些技術(shù)，為人機(jī)溝通帶來(lái)意想不到的可能？

參考資料：

《百度百科：度曉曉》

《百度百科：圖靈測(cè)試》

《A Brief History of ASR: Automatic Speech Recognition》

《鼠標(biāo)誕生49周年！世界上第一個(gè)鼠標(biāo)就長(zhǎng)這樣》

《AI與情感》

《未來(lái)搜索還能這樣玩！養(yǎng)成類虛擬助理“度曉曉”亮相百度世界2020》

作者：周子軒、李俞鋒、石靜雯

本文由 @Du Design 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 unsplash，基于CC0協(xié)議