面向老年人認(rèn)知的語(yǔ)音交互設(shè)計(jì)分析

倪亞楠

關(guān)鍵詞：老年人;語(yǔ)音交互;設(shè)計(jì)

過(guò)去四十年，人與機(jī)器的交互方式在不斷朝著智能化、自然化的方向發(fā)展。隨著人工智能研究在理論和應(yīng)用層面的不斷突破，語(yǔ)音交互逐漸成為人們與設(shè)備進(jìn)行交流和傳遞意圖的優(yōu)先選擇。與傳統(tǒng)交互相比，語(yǔ)音交互更貼近自然語(yǔ)言的表達(dá)，學(xué)習(xí)成本極低，可以很好地解放雙手和雙眼。語(yǔ)言是多維的，它在傳遞信息的同時(shí)也蘊(yùn)含著豐富情感，允許人與設(shè)備之間進(jìn)行更充分地互動(dòng)。結(jié)合當(dāng)下智能語(yǔ)音的技術(shù)能力，在一些具體的互聯(lián)網(wǎng)使用場(chǎng)景中，它已經(jīng)能夠很好地適應(yīng)老年群體在生理能力與認(rèn)知特性方面的不足。

1老年人認(rèn)知特性及互聯(lián)網(wǎng)介入分析

老年人感知覺(jué)能力的退化，記憶、思維能力的老化，導(dǎo)致了他們對(duì)自我能力的評(píng)價(jià)與結(jié)果預(yù)期降低，從而對(duì)融入互聯(lián)網(wǎng)產(chǎn)生消極情緒和抗拒心理。另外，信息的爆發(fā)性增長(zhǎng)使得界面變得臃腫不堪，不友好的界面加劇了兩者之間的疏離。

1.1感知覺(jué)退化與信息可達(dá)性

從界面交互所需的能力來(lái)看，老年人視覺(jué)感受性、靈敏度與色彩辨識(shí)力均逐漸下降，聽(tīng)覺(jué)開(kāi)始變得遲鈍，觸覺(jué)的敏感性與定位精準(zhǔn)性也降低，這無(wú)疑加劇了老年人在對(duì)界面信息進(jìn)行的輸入輸出環(huán)節(jié)的負(fù)擔(dān)。手機(jī)屏幕大小的局限性使得信息以更加密集的單位進(jìn)行輸出，對(duì)人的感知覺(jué)能力提出了越來(lái)越高的要求。

1.2記憶、思維老化與感知易用性

隨著老年人記憶衰退與思維老化，同時(shí)缺乏互聯(lián)網(wǎng)使用經(jīng)驗(yàn)，他們?cè)诮尤牖ヂ?lián)網(wǎng)的過(guò)程中常常伴隨著很高的學(xué)習(xí)成本和記憶負(fù)擔(dān)，因而很容易在界面層級(jí)和交互動(dòng)作中感到不知所措。目前，主流的交互設(shè)計(jì)規(guī)范定義了頁(yè)面交互的對(duì)象和方式、層級(jí)之間的關(guān)系和跳轉(zhuǎn)邏輯、功能模塊的聚合和指引等等。這些規(guī)范在易用性和美學(xué)上頗具說(shuō)服力，但卻很少以老年群體作為測(cè)試標(biāo)準(zhǔn)（如圖1），老人不僅要熟記各類(lèi)密碼，并且各種APP的名稱(chēng)都相對(duì)圖標(biāo)縮小化，對(duì)于視力惡化、記憶力衰退的老年人而言簡(jiǎn)直是噩夢(mèng)。

1.3消極情緒與自我效能

自我效能是社會(huì)認(rèn)知理論中一個(gè)重要的認(rèn)知?jiǎng)右颍诨ヂ?lián)網(wǎng)環(huán)境中即是指?jìng)€(gè)體完成特定界面交互任務(wù)的信心。由于老年人物理機(jī)能的退化，使得他們的自我效能降低，往往會(huì)高估互聯(lián)網(wǎng)的使用難度，從而產(chǎn)生十分消極的情緒。由此可見(jiàn)，提升老年人使用互聯(lián)網(wǎng)的信心，使其在交互過(guò)程中保持積極樂(lè)觀的情緒，都能很好地提升他們使用互聯(lián)網(wǎng)的意愿。

2語(yǔ)音交互技術(shù)現(xiàn)狀與應(yīng)用趨勢(shì)

從計(jì)算機(jī)語(yǔ)言交互到圖形用戶(hù)界面交互，再到語(yǔ)音自然交互，人機(jī)交互一直朝著簡(jiǎn)單、豐富、高效、自然的方向發(fā)展。

2.1語(yǔ)音交互技術(shù)現(xiàn)狀

伴隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的進(jìn)步，語(yǔ)音交互技術(shù)也經(jīng)歷了從規(guī)則技術(shù)向統(tǒng)計(jì)學(xué)習(xí)再到深度學(xué)習(xí)技術(shù)的升級(jí)進(jìn)化。深度對(duì)話(huà)技術(shù)借助大規(guī)模的深度神經(jīng)網(wǎng)絡(luò)，顯著增強(qiáng)了對(duì)話(huà)系統(tǒng)的知識(shí)學(xué)習(xí)和應(yīng)用能力，從而極大提升了語(yǔ)音交互的用戶(hù)體驗(yàn)。

從功能實(shí)現(xiàn)角度，一套通用的語(yǔ)音交互系統(tǒng)包含如下環(huán)節(jié)（如圖2）：（1）語(yǔ)音識(shí)別：將用戶(hù)的語(yǔ)音表達(dá)經(jīng)過(guò)自動(dòng)化的識(shí)別，轉(zhuǎn)化成文字;（2）自然語(yǔ)言處理：分析用戶(hù)表達(dá)中的意圖，對(duì)任務(wù)型對(duì)話(huà)而言即提煉關(guān)鍵詞填進(jìn)“詞槽”;（3）語(yǔ)音合成：將處理后的最佳結(jié)果轉(zhuǎn)化成自然語(yǔ)言，并合成語(yǔ)音，與用戶(hù)進(jìn)行交互。

2.2語(yǔ)音交互技術(shù)的應(yīng)用趨勢(shì)

2.2.1智能音箱興起

自2014年11月亞馬遜率先推出智能音箱Echo，引發(fā)全球智能音箱浪潮，隨后谷歌、蘋(píng)果、facebook等巨頭紛紛入場(chǎng)布局。在已成為僅次于美國(guó)的智能音箱第二大市場(chǎng)的中國(guó)，阿里巴巴的天貓精靈、百度的小度音箱、小米的小愛(ài)音箱占據(jù)了近九成市場(chǎng)份額。

值得注意的是，2017年谷歌推出了自己的帶屏智能音箱Echo show，之后天貓精靈和百度也相繼發(fā)布帶屏智能音箱產(chǎn)品（如圖3）。從語(yǔ)音向視覺(jué)延伸，在語(yǔ)音交互中融入可視化信息，已經(jīng)是業(yè)界探索下一代語(yǔ)音交互范式的重要趨勢(shì)。

2.2.2語(yǔ)音交互與界面交互的融合趨勢(shì)

正如人工智能專(zhuān)家吳恩達(dá)指出的：人與機(jī)器交流最高效的方式是語(yǔ)言，而機(jī)器與人最高效的交流方式是語(yǔ)言加上視覺(jué)，即需要在聽(tīng)覺(jué)基礎(chǔ)上融入視覺(jué)信息彌補(bǔ)語(yǔ)音交互的不足。

目前針對(duì)語(yǔ)音交互，并沒(méi)有統(tǒng)一的設(shè)計(jì)原則。因此，參照國(guó)內(nèi)界面交互的設(shè)計(jì)原則，可總結(jié)為如下原則：（1）一致性：符合用戶(hù)心理，降低學(xué)習(xí)成本;（2）通用性：兼容多場(chǎng)景、多需求;（3）高效性：即時(shí)響應(yīng)、有效提示;（4）清晰性：信息傳達(dá)準(zhǔn)確無(wú)歧義;（5）角色為本：人文關(guān)懷與情感化。

結(jié)合語(yǔ)音交互的特征，其主要在高效性、一致性、角色為本上具備顯著優(yōu)勢(shì)，具體包含：（1）釋放雙手，速度更快;（2）更貼近自然交互，學(xué)習(xí)成本極低;（3）情感關(guān)懷豐富;（4）突破界面限制。其劣勢(shì)主要有：（1）在現(xiàn)有技術(shù)條件下，信息的輸入輸出以及處理仍然具備不確定性;（2）缺乏實(shí)體支撐的語(yǔ)音，引導(dǎo)性與信息反饋均較弱，同時(shí)聽(tīng)覺(jué)記憶性也更差。

3老年人語(yǔ)音交互產(chǎn)品的設(shè)計(jì)分析

語(yǔ)音和視覺(jué)結(jié)合的多通道交互形式，無(wú)法再用經(jīng)典的界面交互范式（窗口、圖標(biāo)、菜單、點(diǎn)擊設(shè)備）進(jìn)行定義。對(duì)于語(yǔ)音交互系統(tǒng)而言，更加需要明確的是：語(yǔ)音交互對(duì)象的角色設(shè)定，交互過(guò)程中存在的交互模態(tài)、采用的交互命令，以及如何利用界面和語(yǔ)音對(duì)信息內(nèi)容進(jìn)行呈現(xiàn)。

3.1角色

角色是一個(gè)擬人化的形象，它的作用是提供智能交互的界面隱喻，清晰地訴說(shuō)智能系統(tǒng)所能實(shí)現(xiàn)的功能，以及其能力的邊界，從而避免用戶(hù)不切實(shí)際的期待。此處我們可以將其定義為“網(wǎng)上沖浪助理”，所以它的功能便是引導(dǎo)并協(xié)助老年人完成一系列的上網(wǎng)任務(wù)，如網(wǎng)購(gòu)、打車(chē)、社交聊天、收聽(tīng)節(jié)目等。

角色另一個(gè)很重要的作用是人文關(guān)懷與情感化。目前，每一個(gè)開(kāi)發(fā)智能音箱的公司都會(huì)根據(jù)其任務(wù)性質(zhì)賦予該角色一個(gè)專(zhuān)屬的喚醒詞，以及特定的音色、音調(diào)和語(yǔ)速。這樣做的目的就是建立情感化的形象，占領(lǐng)用戶(hù)心智。如前所述，老年人接入互聯(lián)網(wǎng)的障礙中自我效能低是重要原因之一，因此該系統(tǒng)的語(yǔ)音形象應(yīng)當(dāng)語(yǔ)速較慢、聲音清晰洪亮。

3.2交互模態(tài)

當(dāng)智能系統(tǒng)的交互形式不止一種時(shí)，就需要明確其所支持的交互模態(tài)，以及各個(gè)交互模態(tài)適用的場(chǎng)景。該智能助理目前支持語(yǔ)音輸入和觸摸輸入，兩者之間有時(shí)是獨(dú)立的，比如任務(wù)的開(kāi)始往往是通過(guò)語(yǔ)音喚醒并用語(yǔ)音輸入任務(wù);而有時(shí)又是兼容的，比如在多個(gè)搜索結(jié)果中進(jìn)行確認(rèn)的環(huán)節(jié)，既可以用觸摸確認(rèn)也可以語(yǔ)音確認(rèn)選擇“第幾個(gè)”。

3.3交互命令

對(duì)于語(yǔ)音交互模態(tài)，交互命令包括特定的喚醒詞，任務(wù)輸入環(huán)節(jié)中能被識(shí)別的關(guān)鍵詞，以及信息確認(rèn)環(huán)節(jié)的瀏覽和選中指令。在學(xué)習(xí)階段，要多主動(dòng)告知用戶(hù)智能助理支持的交互指令和相應(yīng)的功能。對(duì)于觸摸交互模態(tài)，交互命令則是一系列點(diǎn)擊、滑動(dòng)的動(dòng)作。

3.4信息呈現(xiàn)方式

結(jié)合上文對(duì)語(yǔ)音交互與界面交互的優(yōu)劣勢(shì)對(duì)比，在具體設(shè)計(jì)中，信息呈現(xiàn)方式需要有針對(duì)老年群體的適應(yīng)性變化：（1）老年人的視力、聽(tīng)力退化，信息獲取能力下降，而且不同老年人退化的程度不一。因此，界面的圖片、字體大小應(yīng)當(dāng)支持語(yǔ)音調(diào)節(jié)，并且調(diào)節(jié)后的排版依然適應(yīng)畫(huà)面大小。同時(shí)，也需要有信息篩選的策略，比如在網(wǎng)購(gòu)場(chǎng)景下，引導(dǎo)用戶(hù)提出更精確的指令，盡量只展示強(qiáng)相關(guān)的搜索結(jié)果，減少信息的冗余度。（2）老年人認(rèn)知反應(yīng)速度較慢，信息確認(rèn)耗時(shí)較長(zhǎng)。因此，信息輸入與展示上應(yīng)當(dāng)留有比普通智能系統(tǒng)更長(zhǎng)的輸入等待時(shí)間，更長(zhǎng)的信息確認(rèn)時(shí)間;（3）老年人的普通話(huà)標(biāo)準(zhǔn)程度低，意圖表達(dá)過(guò)于口語(yǔ)化。這首先對(duì)語(yǔ)音識(shí)別的技術(shù)提出了比較大的考驗(yàn)，此外語(yǔ)言本身就有歧義性和多樣性的特點(diǎn)，所以在產(chǎn)品設(shè)計(jì)層面需要更加主動(dòng)的信息反饋機(jī)制來(lái)降低這種不確定性。例如，以排序的方式提供可能的任務(wù)結(jié)果供用戶(hù)選擇，并以圖文結(jié)合的方式呈現(xiàn)出來(lái)。對(duì)于過(guò)于模糊的任務(wù)，則可以請(qǐng)求用戶(hù)組織語(yǔ)言重新輸入。

4結(jié)語(yǔ)

語(yǔ)音交互與界面交互的“視聽(tīng)融合”，不僅是下一代智能音箱產(chǎn)品的發(fā)展趨勢(shì)，同時(shí)也將大大拓寬語(yǔ)音交互的使用人群和使用場(chǎng)景。在語(yǔ)音技術(shù)的能力范圍內(nèi)，設(shè)計(jì)者采取主動(dòng)的設(shè)計(jì)策略幫助老年人接入互聯(lián)網(wǎng)，不僅可以提高老年人的生活水平和便捷程度，從社會(huì)和經(jīng)濟(jì)層面也能挖掘老年群體的消費(fèi)潛力，并大大提高他們的生活自理能力。