语言交互场景探索（一）：关于语言交互效率的探讨

2018-01-25 22:01:10 来源：易采站长网友投稿作者：admin

　　正在甚么时分言语交互的服从更下，甚么时分更低?

　　“天然言语交互”，那个名词仿佛正在来年曾经持久占有科技类消息的头条，各年夜巨子们皆念抢占那个听说是下一个互联网进口的宏大时机。

　　但是，便跟汗青上每次的交互变化一样，今朝我们离实正弄大白那个下一代的人机交互方法借有很少的一段路要走。期望经由过程那一系列的文章，我能协助本人理浑思绪，同时也能为各人供给一些念法。同时期望，我实的能把那个系列对峙下来…

　　界说

　　跟普通“市情上”所道的“语音交互”纷歧样，本文用到的是“言语交互”，大概叫所谓的“对话式交互(CUI)”，果为本文念会商的不但是语音交互，也包罗笔墨交互。

　　本文存眷甚么

　　正在浏览前面的内容前，我们先去问两个成绩：

　　甚么状况下言语交互服从更下?

　　甚么状况下言语交互服从更低?

　　出错，正在本文的语境下，我们临时只会商交互服从。

　　举一个例子

　　我念以我们做过的一个功用——日程提示(实践上许多产物也做了那个)为例去睁开上面的阐述。假如我们是正在一样平常会话中念让助理给我们设置一个提示，我们或许会那么道：

　　“下周一下战书三面提示我坐飞机”

　　“中春节10面提示我要回家用饭”

　　……

　　上里所列的是比力天然的一些言语交互的问法。因为自己所做的产物是里背PC端办公的场景，以是那里先比力杂键盘输进的笔墨交互战传统的基于图形交互界里(GUI)的鼠标+键盘的交互之间的好坏。那接下去我们便看一个挑选工夫的典范的GUI交互方法：

　　各人能够很简单天发明，第一种杂笔墨交互的益处是全部交互体验十分分歧、流利，用户只需求经由过程键盘挨出TA念要设置的提示内容便能够了;而第两种交互，用户必需经由过程鼠标战键盘的去回切换才气完成全部行动(工夫用鼠标挑选，变乱内容要经由过程键盘输进)，十分天没有流利。

　　我没有晓得各人的操纵风俗怎样样，关于我去道，我既厌恶正在鼠标战键盘间去回切换，也没有太喜好操纵鼠标。

　　试念一下，您正单脚托腮很慵懒天用一只脚正在操纵鼠标，大概您正用一只脚摆了个很帅的pose，另外一只脚正在操纵鼠标，而那时分您被迫要切换成两只脚正在键盘上里停止输进，那种姿式的切换是会给用户带去宏大的体验本钱的。

　　鼠标减键盘是PC时期没有得已的交互方法，固然如今我们也讲所谓的“多模态交互”，可是鼠标减键盘的组开正在许多场景下隐然没有是最劣解。

　　道道服从

　　道完交互的成绩，让我们回回到文章的中间：服从。

　　GUI有一个很年夜的成绩，便是正在处置出格多的选项的时分，不管是显现服从借是操纵服从皆没有尽善尽美，而工夫挑选便是一个典范的例子。

　　为何?果为“日期”的选项是无量多的，假如您供给将来一年的提示功用，那末您需求念法子显现365-366天。

　　而“时辰”的选项也长短常多的，假如您的功用是准确到分钟的话，那末您则需求念法子显现60 * 60 * 24 = 1440个选项。固然普通的GUI皆没有会挑选把局部选项间接仄展出去，果为那样太“愚”。

　　普通的做法(如上图Win10)皆是以月为单元列出日期，然后供给翻页(翻月)功用。关于时辰的挑选去道，普通的做法能够是低落粗度(如上图Win10，以半小时为单元，低落了29倍的粗度)，大概是供给以滚轮转动的方法去删加分钟。

　　那些做法的素质皆是一样，便是只显现部门选项，躲藏其他选项，然后供给一个切换选项的机造。固然那种做法里也借是有一些进步挑选服从的方法，如最多见的“热点”选项：

　　可是整体去道，那种GUI的挑选服从借是很低，果为用户实正念选的选项许多时分皆没有呈现正在“尾页”，并且用户体验十分蹩脚：我明显晓得我要选的是甚么，可是您竟然要让我颠末辣么多步调才气选到我念选的。

　　别的年夜大都那些GUI的设建都有利用门坎，大概道预设了用户的某种先验常识，比方(如上图)需求用户教过一般话取拼音，大概需求用户晓得焦做正在哪一个省(那些要先选省再选都会的GUI)等等，要晓得，部门用户是没有具有那些先验常识的。

　　改良GUI?

　　如今，我们要问一个成绩，上述GUI的成绩能够经由过程改进设想去处理吗?正在那里，我念仅以“时辰”的挑选为例去阐明：

　　(请本谅我用表格去绘UI……)

　　正在上图的第一种显现方法中，我们把一天内的每分钟皆显现出去了，那样的益处是面击服从下，只需求面击一次便完成挑选。可是肯定也很较着，便是显现服从战定位服从皆太低。正在第两种显现方法中，我们改进了一下，把“时”战“分”分隔去挑选，那样操纵数固然删减到了2，可是显现服从年夜年夜进步。

　　正在上图的第三种显现方法中，我们再进一步把“分”内里的十位战个位停止了别离，那样再进一步提拔了显现服从，可是操纵数上降到了3。固然3次的操纵数是完整能够承受的，便算您用键盘输进，也最少要操纵四次才气完成比方“8：00”那样的输进。

　　实在第三种GUI素质上去讲便曾经跟弹出个实拟键盘好没有多了，正在那里我们会发明关于那个例子去道，面击操纵终极会支敛于键盘操纵。

　　可是改良到了那里，是否是GUI便能战笔墨(键盘)交互对抗了么?纷歧定。

　　鼠标交互的成绩

　　鼠标交互关于键盘交互去道，最年夜的缺点便是，鼠标交互是没有间接的。

　　为何没有间接?各人能够试一下从屏幕左半部的某个指定的面疾速挪动到屏幕左半部的某个指定的面(除屏幕的四个角中)，您会发明您是险些不成能一步到位的，您必需正在快到谁人面的时分不竭天做微调，最初才气让鼠尺度确天降到谁人面上。

　　本果便正在于人操纵屏幕上的鼠标是经由过程脚里的鼠标硬件去停止的，而那个历程是鼠标那个硬件经由过程传感器扫描鼠标底下的仄里去测出用户正在那个仄里上挪动的间隔，然后再经由过程一个系数去转换成屏幕上的鼠标挪动间隔的(像素值)。那个历程是极端没有间接的。

　　我已经教过我爷爷利用鼠标，我不克不及遗忘其时他当心天渐渐挪动脚中的鼠标，时辰不雅察着屏幕上鼠标的挪动，每面的挪动关于他去道皆艰难非常。以是即便鼠标的操纵数(实在上文是疏忽了“挪动鼠标”那种操纵)跟键盘的操纵数相称，键盘输进也有着壮大的交互劣势，果为键盘是“所睹即所得”，敲甚么出甚么。

　　选项比您设想中的要多

　　接下去，GUI将会晤临一个愈加宽峻的成绩，那便是用户的需供比您设想中的要多。便如本文开首所举的两个例子“下周一”战“中春节”，您皆没法正在GUI下找到很好的处理法子。

　　关于前者，用户要先正在日历中定位“明天的地位”战日历上“礼拜一”对应的那一列正在哪，然后才气“困难”天找到“下周一”正在哪;而关于后者，更疾苦，用户需求先百度一下“本年中春是几号”然后才气返来挑选。您固然能够道，我们能够把“下周X”战“XX节”那些快速按钮列出去，可是试问您能列出几呢?

　　正在那里，我们会看到，正在面对用户的“表达自在度”十分下的场景，GUI是非常有力的。固然言语交互也会晤临不异的成绩，不外那个成绩将会酿成“言语表达自在度”的成绩，比方用户会道“下周一”、“下周1”、“下星期一”、“下礼拜一”等等，不外那部门的成绩临时没有正在本文会商。

　　实在我做了个弊……

　　为何那么道呢?果为究竟上是存正在更劣化的GUI战略，能让工夫挑选的操纵服从更下也更舒适的，只不外我以一个“做者”的身份让各人失落进了某个逻辑圈套中而疏忽那些更好的设想的存正在罢了。

　　并且本文次要针对的是(非触摸型)PC真个办公场景，实践上正在挪动端(或触屏PC)利用触摸交互替代鼠标交互便能够制止上文提到的鼠标交互取切换交互姿式等的成绩。并且，挨字借存正在挨错字、挨字速率缓等等的成绩……

　　可是，便算GUI博得了笔墨(杂键盘)交互，借是赢没有了语音交互……假定正在语音辨认率靠近100%的条件下，到今朝为行，我借出有睹到过有任何GUI的工夫输进服从能赛过语音输进。

　　下一个成绩

　　前文讲了那末多言语交互的益处，可是甚么时分CUI的服从比GUI低呢?请看一张图片：

　　(请留意，那没有是告白，是百度然后随机的)

　　假如您去到一家只要CUI而出有GUI的餐厅，您必然会疯失落，果为您只能经由过程效劳员渐渐天给您报菜名去晓得那家餐厅有哪些菜。固然播报服从是一个成绩，别的一个成绩便是效劳员播报完当前出有留下任何工具，剩下的便靠用户的影象力了，以是很简单报到前面，用户曾经记了前里有啥了。

　　以是您会发明一切德律风主动语音复兴城市有一个“从头支听请按#”的选项，连普通客服面化的4、5个选项用户皆记没有住，更别道一份完好的菜单了。那样的例子借有许多，比方某宝的商品详情页：

　　(对没有起，那..该当是条告白…吧..)

　　假如上图中的一切疑息皆只经由过程语音展现给用户，那服从必定会比GUI低许多，果为人的浏览速率长短常下的。那里我们能够看到，实在交互能够大抵分为两个部门：展现战输进。

　　正在本文的前半部门中次要会商了CUI怎样正在输进圆里具有比GUI更下的服从，但正在那两个例子中，我们会发明，正在尽年夜部门场所中，GUI的展现服从要比CUI下很多。

　　做为最早推出智能声响的公司，Amazon早便认识到了那个成绩，并正在后绝的产物晋级中推出了“Echo Show”那个产物。那个产物便是正在本来的智能声响“Echo”的根底上减了一块显现屏，须要的时分利用显现屏去显现疑息，而丢弃本来的杂语音交互形式：

　　开端的结论

　　因而我们获得了一个开端的结论：

　　图形界里展现服从更下

　　言语交互输进服从更下

　　展现服从不消道，无疑是GUI完胜。而输进的话，比方我们上某宝购衣服，假如我们念输进“5件S码”的话，道四个字便好了，假如用GUI停止输进，则能够需求面击“S码”，然后能够要面击四下谁人“+”按钮，输进服从较着语音交互更劣。

　　没有那末开端的结论

　　可是，上面让我们去看一个反例：

　　我们能够很简单天发明，假如我是念购谁人“HB+2H+2B+3B+4B+5B+6B+8B+10B+12”的话，我得道多暂才气道得完那一少串笔墨。可是假如用GUI的话，则只需求悄悄所在击一下。固然您能够道，我们可用“购最初谁人”去代指谁人选项，可是假如一个超少的选项是正在各年夜选项中心呢?大概道一切选项的名字皆辣么少呢?那您便出法子了。因而我们获得了一个没有那末开端的结论：

　　图形界里展现服从更下

　　言语交互牢固短输进服从更下

　　图形界里牢固少输进服从更下

　　GUI的为难

　　固然道接下去我要讲GUI的为难，可是那实在是一切“单模态”交互的为难。从上文的阐发中能够得出，GUI中的像素同时负担着两个使命：展现战输进。可是许多时分GUI里的展现是过剩的，展现的独一目标是为了输进，果为您没有把选项展现出去，用户没法输进。让我们去看两个例子：

　　上图右边的展现是须要的，果为您没有展现出去购家没有会晓得您有甚么套拆能够挑选;可是左边的展现长短须要的，果为谁皆晓得一年有几个月，每一个月内里有哪几天(连那个皆没有晓得的用户久没有思索……)，但是GUI里又必需把那个展现出去，果为用户需求面击挑选TA念要的工具，以是许多时分GUI里是有许多“冗余”的疑息的。

　　讲到那里，再分离上文中提到的结论，我们便能够推导出合适停止杂语音交互的场景了：那便是选项已知且稳定的合适利用杂语音交互。

　　那种场景借是许多的，比方编纂文章后已保留形态下返回上一级页里，页里便会弹出“文章已保留，能否肯定要退出?”那样的提醒，那个状况下用户会晓得只要“是”战“可”两个选项，以是那里也无需做GUI的展现思索。

　　有那末面意义的结论

　　因而我们又获得了别的一个结论：

　　图形界里展现少文本服从更下

　　言语交互牢固短输进服从更下

　　图形界里牢固少输进服从更下

　　选项已知且稳定的合适杂言语交互

　　值得留意的是，上述的四条结论皆是有比力严厉的条件前提的，至于详细条件前提是啥，实在本文出有从逻辑上会商得十分充实，那里便留给读者一些设想战考虑的空间。

　　有了前文的一些推理，然后再减上分离GUI战CUI两种交互当前，我们会发明当多种交互方法并止的时分(所谓的多模态)，“展现”战“输进”是能够停止别离的。至于甚么时分挑选哪一种交互方法去停止展现大概输进，则需求按照实践状况去决议了。

　　借有更多值得讨论的处所……

　　那里便举几个例子，第一个是面菜。您会发明普通状况下，人们去到餐厅停止面菜时皆是会背效劳员讯问菜单簿本的，可是有些状况下您会发明，比方生客，一坐下去启齿便能够停止面菜;大概是面菜熟手在行，一坐下去便间接问“有甚么肉保举”、“有甚么招牌菜”、“有甚么油菜”等等的。