谈谈人工智能产品的交互设计(CUI)

人工智能发展到今天,实际上还未产出真正具有代表性的产品。目前的人工智能产业,基本上以做项目的形式进行,非常类似于外包,为解决特定的问题提供技术方案,对于个人消费者而言可能还是比较远。最近比较火的产品可能是智能音箱了,应该说智能音箱是剑指入口的产品。在未来,人工智能将会是下一代的因特网技术,在这个基础上,基于人工智能的产品,与基于目前的互联网技术的产品相比,交互上会从GUI(图形化用户界面)过度到CUI(对话用户界面)。由于目前NLP(自然语言处理)还说不上有真正的突破,很多所谓的语音助手表现得很平凡,这几年下来人们也很容易就认为“人工智能”=“语音助手”,其实差远了。

从历史上看,一种新的交互方式要被人们所接受,都需要一个“跨越鸿沟”的过程。且不说遥远的代码界面到图形界面,说说近年来的触摸屏技术。一开始手机搭载了触摸屏是只支持单点触控的电阻式触摸屏,人们对于触摸屏就停留在“手写”这个功能的认识上,直到iPhone的出现。但是iPhone出现,虽然是多点触控的电容式触摸屏,使得iPhone这种大屏幕交互变得流行而最终淘汰掉键盘的是大量第三方应用的出现。现在人们已经习惯了下拉任务栏,侧滑侧边栏等等交互,而关于基于多点触控的移动互联网产品的交互设计也有了规范与方法论。

Siri

回来看现在的CUI,就很类似于单点触控的触摸屏,人们对于它的认识大部分是停留在“查天气”、“讲笑话”的阶段。或则只是对某些操作一定的替代,如对语音助手说:“打开QQ”。而NLP技术则是将会打破这种认识,重新建立起一套全新的交互的技术。现在还未成熟,但是我相信不远了。

我们先来看看目前CUI的几种类型,本文将以循序渐进的方式来介绍。最后再谈谈人工智能产品应该达到怎么样的状态,才是真正能够被消费者接受的。

一、单轮问答

单轮问答即目前基本上的对话机器人的主要功能。是传统的FAQ的进化形态。即用户输入、机器检索,然后给出最有可能的答案。单轮问答如果从用户的角度而言其实很难发现不同的机器人之间的区别,实际上单轮问答的发展也是经过了几个阶段,背后的技术其实有了挺多的突破。
1)关键词检索
即原理是用户输入一个问题,机器找出用户输入的关键词,然后到数据库去检索关键词相关的信息,并将可能的信息推送给用户。

robot:你好,请问有什么可以帮助您?
user:请问到福建包邮吗?
robot:为您找到以下信息,可以点击标题查看相关信息。
1、包邮的地区说明
2、不包邮地区补邮费的说明

2)自然语言处理
即机器人将用户的输入使用自然语言处理的方式分解为结构化的语义,如上面的问答中,用户提问“请问到福建包邮吗”?经过自然语言处理可能会被分析为:地区=福建;问题=包邮,在后端写好参数为地区以及特定问题的API接口,可以直接为用户返回答案。

robot:你好,请问有什么可以帮助您?
user:请问到福建包邮吗?
robot:是的,包邮。

二、多轮问答

其实多轮问答的概念很好理解,因为我们可以看到在单轮问答的情况下,是用户问,机器答,机器只会给出一个回答。若你想继续深入问下去,例如

user:请问到福建包邮吗?
robot:是的,包邮。
user:那广东呢?
robot:????

是的,因为信息不全,机器人妥妥一脸懵逼。于是多轮对话出现了。多轮对话就比单轮对话复杂得多。相比单轮对话,在多轮对话中机器需要对对话状态进行跟踪。在多轮对话中,用户目标经常会发生改变,如果采用传统的if then 的逻辑来设计,如果if 的范围没有覆盖到所有的可能情况,基本上是不会有好的体验的,而且显得很笨。
目前的实现方式是采用概率的形式实现。机器人结合上下文,计算出可能答案的概率分布,所以实际上多轮对话的追踪是对用户目标的概率分布的追踪。同时,当用户目标不够明确的时候,引入机器通过询问、确认的机制来帮助用户完善用户目标,最终达成目的。基于这样的多轮对话,CUI才更具有价值。
举个例子,用户目标:买一张明天厦门到北京最便宜的机票。

在GUI下:
打开N个APP,输入厦门、北京、明天,按价格排序,对比,选择,下单。

花费10分钟。

在CUI下:

robot:请问有什么可以帮您?
user:买一张厦门到北京最便宜的机票。
robot:请问什么时间?
user:明天。
robot:经过对比xxx、xxx的信息,为您找到最便宜的机票,xxx元,是否购买?
user:是。
robot:已为您购买明天厦门至北京机票,价格xxx,起飞时间16:00。

花费1分钟。

三、情感互动

情感互动就相当于GUI的UI了,好的UI会让人赏心悦目,也可能会成为产品的卖点。在CUI中,其实情感互动这块就相当于UI,能够给人一种舒心的感受,当然了,一定是要满足用户目标的情况下。实际上可能前面的多轮对话更对是对于技术而言,也许AI产品的产品经理的更多的关注点应该在于这里。在技术能够满足用户需求的条件下,运用情感互动来保证更好的用户体验,提高产品的粘性。(在这边或许和互联网产品的交集较多)
在这方面可以优化的点,可以思考的情况实际上很多的。如果处理不好,可能就有下面这种情况:

robot:请问有什么可以帮您?
user:买一张厦门到北京最便宜的机票。
robot:为啥要最便宜的呢?最近不才发了工资吗?233333
user:!!!(不按要求执行就算了,还窃取我隐私!)

所以,或许在互联网产品中,PM要思考的是如何挖掘用户真正的需求,而在AI产品中,往往用户的需求都会直接告诉你,所以AI的PM应该更懂得人文一些,才能使产品更具有“人性化”。

更多的往人文的方向思考,会发现有挺多有意思的事情。人与人之间最后重要的是把握一个“度”,西方定义了人与人之间相处最舒服的距离是1.2米,而东方则讲究一个字“和”。那人与机器之间的距离如何定义呢?

例如基于AI 的客服产品,为企业的客户解答问题。我们知道客服有个重要的任务就是引导转化,最终促成成交。那在这其中就免不了有些人与人之间特有的“客套”。一般来说,人工客服很多时候会处在多线程的状态,导致某些客户可能会抱怨回复慢,态度不好怎么样的。人是情绪化的,一旦与客户发生争吵,基本上就泡汤了。但是机器是没有情感的,受客户骂也是骂不反口的。说白了就是“可控”。
有些客户会和机器人闲聊,那么在决策上,机器人应该不厌其烦的与客户闲聊呢,还是告诉客户,我是一个客服,请问有什么需要帮助您的?

策略上,目前确实没有什么好的方法论。还有待进行进一步的摸索。

相关术语解释:
CUI 对话用户界面
GUI 图形用户界面
NLP 自然语言处理
UI 用户界面

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容