咱們終將以天然的方式與機器交流學習
在2012年聖丹斯獨立電影節上，影片《機器人與弗蘭克》贏得特別獎，該片講述機器人Robot照顧患有老年癡呆症弗蘭克的故事，選取影片中兩張圖，一張是人與人的交流，另外一張是人與機器的交流。人工智能
在2017年AI大熱之年，人們可否像電影裏的弗蘭克那樣，以人對人的方式與機器交流，這在人機交互學科裏定義爲「人機天然交互」。設計
何爲天然交互？簡而言之就是以平常交流方式與計算機進行交互，何爲平常交流方式？就是人們經過語音、肢體、手勢、眼神、表情等形式進行交流互動。深度學習
人機交互正邁上新臺階產品
人機交互（HCI – Human Computer Interaction）的發展是從人類適應計算機到計算機不斷適應人類的過程，劃分四個階段：代碼指令交互、圖形用戶界面交互、人機天然交互和人機情感交互。【引自《人機情感交互》】io
每一個階段的發展都是以技術做爲基石，以此帶來的人機交互更爲直觀，也更趨近於人與人的天然交互，同時會拓寬更多的使用場景，會覆蓋整年齡段的全部人。class
以下圖所示，指令 – 專業技術人員操做早期計算機；鼠標鍵盤 – 受過教育的普通人使用PC機進行學習工做；觸屏 – 更普遍的人羣使用智能手機進行社交、資訊、娛樂等；天然交互 – 全部人將以天然的行爲方式與智能產品互動。百度
隨着AI技術的發展，智能產品在感知層面的能力正在變強，它能感知人們的語音、肢體語言、手勢動做、表情眼神等，實現了人機天然交互的可能性，這是正在發生的事情。方法
將來智能產品的趨勢是將擁有情感計算能力（Affective Computing），經過認知人類的語音信息、人臉表情、肢體動做等，從而調整自身的反饋來適應人們那一刻提出的需求，交互會變得愈來愈容易，它會更懂你。im
智能產品能感知人的天然動做和讀懂人的情感，都屬於信息輸入層面。
在信息輸出層面，智能產品如何設計才能達到「人與人天然交流」的感受，爲此咱們將從六個維度給出設計建議，分別是人物設定、外觀造型、語音、動做、界面和光效。正如同人與人交流時對方的脾氣性格、外貌印象、聲音特色、肢體語言、表情和眼神。
以語音交互爲核心功能的智能產品設計建議
1. 人物設定的設計建議
①人設是要爲用戶服務；
人設是高級的虛擬形象設計，不禁設計師的我的喜愛來擬定，要充分考慮產品所服務的目標用戶，譬如病人但願看見的是專家級醫生，旅客但願能得到空姐甜美的服務，食客但願迎賓的店小二是熱情好客的，這些形象在咱們的腦海裏栩栩如生。
好比Amazon Echo是成熟職業女性的形象（相似有Google Home、天貓精靈、京東叮咚等），Olly給人潮流的設計感，它們爲各自的目標受衆羣體去設定形象。
②人設能夠經過抽象的方法進行傳達，並不是必定要具象化；
好比小米智能音箱定義的「小愛同窗」是二次元形象，在今年11月底作出限量版手辦，把形象落地到成具象的實體物品。
對此，仁者見仁智者見智，有人說她不是心目中的「小愛」，因此在人設形象的傳達上，咱們建議能夠經過藝術的手法達到目的，比方說用音樂、繪畫、文學、電影等藝術進行包裝抽象成一套視覺來傳達，達到「空山不見人，但聞人語響」的境界。
③人設與產品要融爲一體的進行考慮；
以語音交互爲核心功能的智能產品，其「人聲」會讓用戶自動的聯想與之對應的形象，同時需考慮與外觀造型相匹配，才能符合用戶預期。
有些智能產品有動做輸出，例如人設定義爲蠢萌的jibo，它的動做就要顯得有趣可愛。
若是考慮不周全，就會致使認知失調產生落差，好比小魚在家，當用戶問它幾歲時，它卻用其成熟女性的聲音回答「我今年兩歲了」，而Amazon Echo的回答是「按照人類的出生年齡計算我今年兩歲」。
後者更能讓人接受與理解，即便是微不足道的一句文本均可能會讓用戶「齣戲」，因此人設要與整個產品的信息輸出層面融爲一體的去考慮。
2. 外觀造型的設計建議
①充分考慮目標用戶的審美與喜愛；
根據目標客羣打造其喜歡的外觀造型，好比小朋友會喜歡jibo賽過Echo，追求新潮的人更喜歡raven R，由於能與之載歌載舞。
與以屏幕爲主的智能手機不一樣，用戶可不能更換主題皮膚找到本身的喜愛，而Google Home也只能是經過「換褲子」來迎合用戶偏好與家居風格。
②基於使用場景考慮造型設計；
要考慮用戶會在哪一種現實環境的場景下使用，目前市面上的智能語音產品多數放置在桌面上，體積大小就要認真思考，好比大了點、重了些，就不方便自由移動隨處擺放，若是定義爲多個使用場景，那便攜上得作到位。
好比raven H頂部的「點陣觸控屏」蓋子，用戶能輕鬆取下進行語音和指觸交互，因而不受固定位置的限制。
③避免掉進恐怖谷；
避免與人全特徵的過分類似，建議採用抽象的方法提取擬人元素進行設計表達，這有助於產品向用戶傳達情感信息，從而有效的提高用戶好感度。
例如蔚來ES8搭載的人工智能nomi，還有百度的度祕，都是經過此類設計方法打造智能情感的交互，讓一個工業產品，升級成一個有生命，有情感的新夥伴。
但若是與人的特徵過分類似，現階段的技術能力，造型上作不到寫實逼真像人，同時語音、表情、動做也沒法達到天然完美的匹配，因此這不三不四的設計會給用戶帶來糟心的體驗，例如Blue Frog Robotics公司推出的Buddy，很容易讓用戶掉進「恐怖谷」。
「恐怖谷理論」是由日本機器人專家森昌弘提出， 他認爲，人形玩具或機器人的仿真度越高人們越有好感，但當達到一個臨界點時，這種好感度會忽然下降。
越像人越反感恐懼，直至谷底，稱之爲恐怖谷。如圖所示，谷底處能動的殭屍比靜止的屍體更恐怖，雖然屍體已經夠恐怖的了。
3. 語音的設計建議
①天然感；
避免單調乏味，作到像人說話同樣的天然，語氣上聽起來積極主動，有意願的感受，每個音素合成的詞句清晰可辨，天然流暢。
人類語音的信息含有語音聲學特徵和文本語義，語音聲學特徵主要是韻律特徵（指音素組合成語句的方式），包括聲調、重音、停頓、語速等，漢語是一種有調語言，聲調攜帶很是重要的情感信息。語音屬於天然交互的一種，它須要達到「天然」的感受，才能讓用戶感知可用。
如何讓Siri聽起來更像人那般天然？
iOS11版本關於Siri的升級目標是「讓Siri聽起來更像人那般天然」，實現方法是經過深度學習，每一種表達都有略微不一樣的聲波，每一句話都包含幾十或者幾百個音素。
Siri爲每一次發聲找出完美的聲音組合，其中音素是由蘋果挑選出的候選人進行發音採集，情感語料的獲取是蘋果以匿名的方式進行收聽，而後用於深度學習進行Siri的訓練。
②一旦肯定「人聲」不宜隨意更改；
一旦人設的聲音已根植在用戶的耳朵裏，不宜隨意更改，若是說手機界面換背景圖就像人換一身新衣裳，而以語音交互爲核心功能的智能產品更換「人聲」，就像從新認識一位陌生人，古語說「如聞其聲，如見其人」，人們會很天然的把聲音與某我的進行關聯，新的聲音是誰，就會從新進行「人物建模」。
③像人和人那樣進行對話；
首先是對話流暢，作到及時反饋，若有停頓，不宜過長。話術簡短而有效，不要主動終止對話，儘量的推進持續交流，固然不能以命令的形式讓用戶去完成某個任務，這不是一個合適的對話，它或許有點像上下級的關係，會致使用戶帶來反感和抵制。
④在感知用戶後嘗試主動發起對話；
再過些時日，可能Amazon Echo它可以根聽說話者的語音情感進行識別計算，經過韻律學特徵（語調、響度、節奏、語音質量等）更懂用戶說這句話的此刻心境，就像電影《Her》裏的那句臺詞「你今天聽起來有點不開心」，它能感知你，試着主動發起一次對話。