李璇：AI時代的人因工程

徐雨晨

什么是人因工程？通俗的說，人因工程其實就是我們做設(shè)計，把人知道的以及不知道的，用做工程的思路，精準(zhǔn)、全面、量化地研究透徹，然后應(yīng)用到設(shè)計中。

人機(jī)互動是虛擬的認(rèn)知交流，所以人因工程研究人的感知規(guī)律來優(yōu)化信息傳遞，比如根據(jù)人類可以明顯區(qū)分的最小音量差——5分貝，來設(shè)計手機(jī)音量鍵的音量大小。

在過去，人因工程奠定了將人的特征以及規(guī)律進(jìn)行研究并應(yīng)用到設(shè)計的基礎(chǔ)，那么到了AI時代，人因工程又有哪些新的延伸呢？

首先，AI時代的人因工程讓機(jī)器越來越像人，可以通過人類的語言、表情等方式進(jìn)行交流，甚至被賦予人的外形，人類不需要適應(yīng)機(jī)器，而是讓機(jī)器適應(yīng)人。其次，機(jī)器越來越懂人，不僅懂語言，更懂文化、動機(jī)等等。當(dāng)機(jī)器越來越像人的時候，人機(jī)關(guān)系也會發(fā)生變化，人們過去對機(jī)器是冷冰冰的，現(xiàn)在會將越來越多對人的情感、需求和預(yù)期投射到機(jī)器上，機(jī)器帶給人的體驗變得更加復(fù)雜。所以在這樣的情況下，AI時代的人因工程不僅關(guān)乎人的能力、行為、限制和特點(diǎn)，也關(guān)乎人的文化和心理，是真正以人類為中心的系統(tǒng)工程。

具體該怎么做呢？對于人來說，語音對話是最自然、最高效的交流方式，因此，語音交互是AI時代新型交互的一個開端。但整個行業(yè)對于如何去設(shè)計一個好的語音交互系統(tǒng)還有很多疑問，因此，定義語音交互的體驗標(biāo)準(zhǔn)是我們工作的一個開始。

首先，梳理出五個語音交互節(jié)點(diǎn)：喚醒、響應(yīng)、輸入、理解和反饋。為了打造更好的體驗，每個環(huán)節(jié)都有很多問題需要被研究和定義。比如好的喚醒詞是什么，用戶發(fā)出指令后多久響應(yīng)是好的，如何引導(dǎo)客戶比較自然的進(jìn)行輸入等等。我們系統(tǒng)的梳理了每個環(huán)節(jié)下的體驗要點(diǎn)，并且在這個框架下進(jìn)行逐一的實驗，以確定最優(yōu)的機(jī)器參數(shù)和反饋水平。

在完成了大部分語音交互節(jié)點(diǎn)之后，我們開始思考，如何在這個基礎(chǔ)上讓人機(jī)交互更加類似人，更加讓人感覺到它是一個智能體而不僅是機(jī)器。心理學(xué)有一個經(jīng)典研究結(jié)論：人和人的第一印象中大概55%的信息來自外觀。所以，研究一個智能體，首先關(guān)注它的外觀應(yīng)該怎么樣。圍繞外觀可以研究的問題有很多，經(jīng)常被爭論的是：智能機(jī)器是否應(yīng)該像人？應(yīng)該多大程度的擬人化？不同部位是否應(yīng)該是不同的？

首先，我們將擬人度按面部擬人和身體擬人進(jìn)行拆解。根據(jù)不同的擬人度分析得到不同的結(jié)果，比如臉部造型中兩個眼睛是關(guān)鍵部位，對于是否增加嘴巴要謹(jǐn)慎，全身擬人方面手是關(guān)鍵部位等等。

除了對前沿的擬人度的探討，我們還對外觀進(jìn)行了基于現(xiàn)狀考慮的研究項目。比如對市面上現(xiàn)有的約60款智能音箱進(jìn)行了梳理，在此基礎(chǔ)上對家居環(huán)境下的外觀偏好進(jìn)行研究。與預(yù)期有些不一樣的是，雖然是智能產(chǎn)品，但當(dāng)智能產(chǎn)品融入家居環(huán)境時，人們更希望它能夠很好的融入家庭環(huán)境，所以選色上，白色、銀色、灰色以及跟家具搭配的皮革、木質(zhì)材質(zhì)成為首選。

探討了智能體的外觀之后，讓交流更加立體是我們的下一個主題。在語音交互體驗持續(xù)優(yōu)化的基礎(chǔ)上，讓人和機(jī)器交流得更加自然是人機(jī)交互發(fā)展的下一個趨勢，也就是自然交互。

所謂自然交互，是參照人的信息輸入、輸出通道來進(jìn)行交互的一種方式。人類的信息輸入包括視、聽、觸、味、嗅，而輸出則通過語音、肢體、文字等等。在信息接受方面，視覺和聽覺基本上能夠滿足90%以上的信息需求，所以機(jī)器在自然交互的信息輸出方面，最主要的就是處理視覺和聽覺信息的配合關(guān)系，而在這個問題上，車載環(huán)境是一個非常典型的場景。

而在輸入方面，語音加肢體，尤其是手勢，是人類最自然、最有效的信息傳遞方式，雖然生活中人們會經(jīng)常使用到手勢，但如何將手勢轉(zhuǎn)化為機(jī)器語言還有很多空缺，為此我們研究了手勢和語音配合作為輸入方式的最優(yōu)方案。

想像一下，如果機(jī)器真的可以擁有人類所有的感知覺通道，那么機(jī)器可以做的事情將遠(yuǎn)遠(yuǎn)超乎人類想象。不管是語音交互還是自然交互，完善的都是機(jī)器的感知通道，觸碰的是人的感知覺，而我們認(rèn)為情感交互將是一個飛躍，它將觸碰人的內(nèi)心。

所謂的情感交互，其實就是讓機(jī)器能夠類似人一樣去感知觀察、理解和表達(dá)情緒。舉個例子，當(dāng)人覺得很悲傷想要聽歌的時候，具有情感能力的機(jī)器人不是隨機(jī)播放熱度很高、點(diǎn)擊量很高的歌曲，而是播放一些比較溫暖的音樂，甚至說上一兩句溫暖的話。所以，當(dāng)機(jī)器進(jìn)化到情感交互這一步的時候，它將不僅能夠聽話，還能懂事，這是人機(jī)關(guān)系的進(jìn)一步深入。

而在情緒應(yīng)對方面，我們研究高情商的人是如何應(yīng)對悲傷、憤怒等負(fù)面情緒的，研究心理咨詢師如何應(yīng)對痛哭流涕的來訪者，研究陌生人和好朋友在表達(dá)關(guān)心時的區(qū)別，從中提取好的應(yīng)對策略并賦予機(jī)器。比如，當(dāng)人感到很悲傷痛苦的時候，機(jī)器不要輕易的去說“我能理解你的感受”，因為作為一個機(jī)器真的很難理解，所以這會顯得是一句空話。好的應(yīng)對策略應(yīng)該是柔和的燈光、舒緩的音樂、甚至是能夠讓人放松的氣味，千萬不要用語言搶占用戶的注意力。而為了驗證這些應(yīng)對策略，我們在實驗中通過VR模擬場景、誘發(fā)用戶情緒，然后讓AI去平復(fù)他們。

在此也分享一下在研究方法上的一些心得。第一，由于研究領(lǐng)域越來越前沿，需要在研究中不斷創(chuàng)造交互體驗和場景，比如通過AR、VR技術(shù)構(gòu)建場景。第二，關(guān)注的體驗更加多元及立體，需要越來越多引入生理測量，腦電、機(jī)電、心電都是比較成熟的體系。第三，人臉、聲紋、語氣等識別技術(shù)幫助我們獲得大量隱藏在行為背后的數(shù)據(jù)，比如用戶的情緒、需求、動機(jī)等。