未来ＡＩ产品的人机交互应该长成什么样？
工业时代，是机器与人的交互。通过几个按钮就可以实现已有功能，仅能实现机器中几个预先编码好的功能。
互联网时代，是软件与人的交互。手机、电脑屏幕的出现，使人们可以从二维图形世界中选择自己想要的功能选项。虽然功能选择项可以无限增加，但仍然是我们预先编码好的功能。
ＡＩ时代，是人与具备像人一样思考能力机器的交互。想象人人交流，会有按钮、会有屏幕让你选择对话内容吗？ＡＩ时代的人机交互，人们没有预选项，你问我答，仅此而已！
那如何实现让人机交互更加顺畅？
和尚：这位施主，贫僧有理了，请问白马寺怎么走？
绣娘：您沿着这条河一直往上游走就能到！
以上是和尚和绣娘问路的对话，假设绣娘是ＡＩ，那绣娘怎么才能回答和尚并给和尚指路呢？
需基本经过这四个步骤：听到——听清——听懂——反馈
首先ＡＩ绣娘需要听到和尚的话（激活对话模式），然后听清和尚的话（如果周围杂音较大），然后听懂（需要识别和尚话中的关键词），最后进行反馈（搜索关键词，寻找答案，将文字转换成人的语言说出来）
听到：ＡＩ平时都是出于休眠状态，那该如何让ＡＩ听到主人的话呢？
可以运用“语音激活”技术和“声纹识别”等技术。“语音激活”将ＡＩ从休眠状态激活。常见的“语音激活”有２词、３词（４词以上就不太好用了，谁愿意喊四个字的名字？）比如：Ｒｏｋｉｄ的“若琪”，百度的“度秘”，分身鱼的“小鱼”；ＡＩ通过“声纹识别”找出不同的发音单元，做出不同的回应（人和人的发音、语调都有所不同）。
听清：如果周围杂音较大，该如何听到主人的声音？
可以从设备和算法两方面入手，使用“麦克风降噪”和“回声消除”等技术。
听懂：ＡＩ源于搜索，搜索源于文字，故目前ＡＩ识别文字（未来ＡＩ可不可以直接识别语音，这很有可能实现哟）。那当我们听清楚这句语音了，那我们该如何将语音转化为ＡＩ才能识别的文字，并理解这句话的含义呢？
运用“语音识别”和“自然语言处理”等技术。“语音识别”又叫语音转文字技术（ＳＴＴ），可以实现将语音转换成文字；“自然语言处理”对文字的理解，并推测接下来如何做！
反馈：ＡＩ将答案整理出来，却仍是文字形式，还需ＡＩ将文字转成语音说出来，怎么做呢？
运用“语音合成技术”（ＴＴＳ）和“回音消除”等技术。“语音合成”技术把文本转换成人的语言读出来。由于ＡＩ自己讲话时，可能ＡＩ正在放着音乐，那就需要用到“回音消除”技术，努力使ＡＩ说的话更加清晰。
（学习资料整理“Ｒｏｋｉｄ博士团分享”）
