從有了Siri作為先例,擬人化已經(jīng)成為了自然語言交互工具的必備能力。不論是服務(wù)于個人用戶的AI語音助手,還是企業(yè)提供的智能客服,甚至是各種有語音功能的家用電器,都要做IP、造人設(shè),幾乎有了成精之勢。
在大多數(shù)時候,我們認為自然語言交互的工具的擬人化可以降低用戶的“恐怖谷效應(yīng)”,讓用戶更喜歡與其交流。但最新的研究結(jié)果卻表明,事實或許并非如此。
成為人類的千重套路
首先我們可以來看看,自然語言交互工具擬人化的“千重套路”。
第一步,給自己起一個人畜無害的名字。
我們常說,當(dāng)你撿到一只小動物后,如果給它起了名字,那么它十有八九會成為你的寵物。AI也是一樣,當(dāng)自然語言交互工具擁有姓名,基本就注定了它會在成精的道路上越走越遠。自然語言交互工具的名字通常是“小”字輩,既顯得弱小無害又無關(guān)性別足夠政治正確。
第二步,利用語音生成技術(shù)模仿人類語氣。
擁有了名字之后,肯定就不能再用冷冰冰的電子音了,甚至以往語音生成技術(shù)管用的真人錄音+規(guī)則匹配的模式也略顯死板。這時便出現(xiàn)了以谷歌WaveNet為代表的神經(jīng)網(wǎng)絡(luò)語音生成,通過對真人說話方式多種特征的抓取,對語義、詞性、語法包括上下文等等參數(shù)綜合考慮,最終生成谷歌助手那樣像真人一樣說話會停頓、有思考的語氣。
第三步,讓對話內(nèi)容更加人性化。
在自然語言交互的過程中,語音生成需要建立在文本內(nèi)容之上。滿足了“說話語氣”的擬人化,同樣也要讓“說話內(nèi)容”更加人性化。這時語義理解、多輪對話、自然語言生成等等技術(shù)的成熟度就變得非常重要。例如微軟在微軟小冰上應(yīng)用的全雙工自然語言交互,就能實現(xiàn)“邊聽邊想”和“節(jié)奏控制”——通過整個對話過程對用戶意圖進行理解,減少用戶的等待時間,并且能夠主動引發(fā)新話題打破沉默,自行調(diào)節(jié)回答的內(nèi)容和時機。這樣的對話內(nèi)容通過語音生成技術(shù)“展現(xiàn)”出來,就可以以假亂真,讓人以為自己真的在和人類對話。
最后一步,披上“人皮”。
除了技術(shù)之外,還要以一些外圍模式讓自然語言交互工具更加擬人化。比如為它們設(shè)計一個可愛的卡通形象,增加幾條指令讓它們學(xué)會一些撒嬌賣萌的口頭語,在交互界面上增加一些細節(jié)讓人們意識不到他們在與機器對話等等。
有了這幾步套路,基本就能塑造出一個“化作人形”的自然語言交互工具了。
越人性越可愛?自然語言交互工具的期望值管理
可我們從未想過的一個問題是,在實際應(yīng)用時,自然語言交互工具真的越擬人化越好嗎?最近賓州州立大學(xué)媒體效果研究實驗室就進行了這樣一項實驗。
研究人員們告知志愿者,他們將在電商平臺中選購數(shù)碼相機,并需要和在線客服交談咨詢。這些客服背后都是智能自然語言交互系統(tǒng),但研究人員對其進行人性化和響應(yīng)程度上的區(qū)分。不同組的志愿者們分別會接觸不同的在線客服系統(tǒng),有在對話時直接告知對方自己是機器客服的,有的只展示出對話框內(nèi)容,有的會通過真人頭像和名字“偽裝”成人類。
同時這些擬人程度不同的智能客服,又分別有著不同的響應(yīng)程度。有些可以迅速精準的回答用戶問題,有的卻聽不懂人話顧左右而言他。
在交互過后調(diào)查實驗者的滿意程度時,結(jié)果卻令人意外。
在一般的邏輯中,我們會認為智能客服在交互時響應(yīng)程度越高,人們的滿意度自然也會越高??蓪嶋H情況是,在同樣的響應(yīng)程度下,使用者的滿意程度是與智能客服的人性化程度相關(guān)的。比如同樣的交互內(nèi)容,明確知道對方是機器客服的實驗者就會給出80分的滿意度評價,而那些偽裝成人類的機器客服卻只能獲得60分的滿意度評價。原因是當(dāng)機器客服表現(xiàn)出較高的人性化特征時,用戶對他們的期望程度也會隨著上升,盼望著他們能和人類一樣幫助自己解決問題,如果得不到想要的答案,則會放大失望感。
其實在我們自己應(yīng)用自然語言交互時也有同樣的感受,當(dāng)語音助手、智能客服等等產(chǎn)品不能解決問題還要強行賣萌講笑話時,我們的暴躁指數(shù)往往會呈直線上升。
說到底,自然語言交互的人性化與否是一個“用戶期望值管理”問題,有時過度提升用戶期望值反而會弄巧成拙。
做人容易,做工具難
但目前我們能看到一個重要的趨勢是,自然語言交互人性和工具性的發(fā)展程度是不均衡的。
從技術(shù)發(fā)展的難易程度來看,讓自然語言交互工具更加接近人類,遠遠要比讓自然語言交互工具更加有效容易得多。
不管是谷歌的WaveNet還是微軟的全雙工自然語言交互,都足以讓自然語言交互的發(fā)音模式、對話節(jié)奏等等細節(jié)無限接近人類。未來結(jié)合上計算機視覺層面,甚至機器人制作工藝層面的能力,我們可以打造出一個與人類無異的對話者。
其實在今天,我們就能看到諸如AI主播或harmony推出的索菲亞等等在視覺上極致人性化的“AI演說者”。
可這些自然語言交互解決問題的能力卻沒有因此提高。具體表現(xiàn)為:對于人類語料的理解還存在一定隔閡,尤其是小語種、老年人、兒童等等相對冷門的語料庫;對于不同領(lǐng)域詞匯的認知還不夠全面,很多時候涉及到一些垂直產(chǎn)業(yè)時,AI往往會進入知識盲區(qū)。
如此以來,幫助自然語言交互的“工具性”追趕“人性”或許將成為未來很長一段時間內(nèi)的產(chǎn)業(yè)熱潮。例如建立各個細分產(chǎn)業(yè)領(lǐng)域的知識圖譜、累積詞匯庫,或收集不同人群不同方言語種的語料庫用于AI訓(xùn)練。
在技術(shù)的不斷追趕之下,人們對自然語言交互工具的期望值不斷提高已經(jīng)是一種必然,為了避免出現(xiàn)“短板效應(yīng)”,我們或許應(yīng)該投入更多精力去追求“人性”以外的東西。