人機語音交互存在的問題研究

葉子

摘 要 隨著計算機技術的飛速發展，人機交互形式已經發展到自然交互界面。語音交互就屬于自然交互方式的一種。但是目前來看，人機語音交互仍存在局限性，并不能算 非常自然的交互方式。本文將以諾曼在《設計心理學》提出的“匹配原則”為出發點，并從“操作層”“功能層”“情感層”幾個方面探討研究目前語音交互中存在的問題。

關鍵詞 語音交互；自然交互；匹配原則

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2017）178-0031-02

1 語音交互發展概況

隨著計算機技術的飛速發展，人和計算機的交互已經從早期的手工作業階段、作業控制語言及交互命令行界面階段（CLI）、圖形用戶界面階段（GUI）、發展到如今的的自然用戶界面階段（NUI）。自然用戶界面是一種“對用戶隱形計算機用戶界面”，即是指用戶可以擺脫傳統的鼠標和鍵盤等物理機器設置，用最自然的方式與機器互動。自然交互的概念由此而來。所謂自然交互，關鍵在于“自然”，它是指在用戶在與產品的交互過程中，能利用自身的固有認知和生活行為習慣以一種非精確的自然行為與產品進行溝通交流并能夠被理解的交互方式[ 1 ]。人機語音交互就是屬于當前自然交互的一種，指的是人通過語音的方式與計算機進行交流互動，來完成自己的任務。

2011年蘋果公司在iPhone4s中開創了Siri智能語音助手，在全球引發了語音熱潮，用戶只需要對著手機的麥克風說幾句話，系統就能跳過繁瑣的操作步驟喚起并實現用戶想要的功能；現如今的智能手機中都已經集成了語音交互功能，例如蘋果手機的Siri、谷歌在安卓平臺上推出的Google Now、微軟公司的Cortana等。語音交互的價值也愈發凸顯，通過聽覺的方式作用于用戶能夠在很大程度上緩解用戶的視覺疲勞，從而降低因為疲勞而引發的誤操作，提高了輸入的效率，讓輸入更加簡單、便捷；對于老人、視覺障礙人士等輸入有困難的群體而言，語音交互幫助他們擺脫了復雜的鍵盤操作，減少了產品的使用障礙。

語音輸入成為繼鍵盤、鼠標之后我們與機器交流的又一重要方式，并且在聲控命令、操作方式以及人工智能方面均有望產生更大的價值，但在達到這個期望階段之前，語音交互仍有一段很長的路要走，就目前而言，語音交互并不能算作是非常自然的一種交互方式，它仍然存在著很多問題。

2 語音交互存在的問題研究

在如何設計出好的產品這個問題上，美國設計心理學學者諾曼（Norman）在他所著的《設計心理學》提出了匹配原則[ 2 ]。他指出匹配是指兩種事物之間的適應關系。他認為用戶頭腦中有一個心智模型，產品的設計者頭腦中也有一個心智模型，在系統里應該讓這兩者盡可能的匹配，從而讓用戶容易學習、使用產品，來實現較高的效率和滿意度。例如，Windows系統桌面上的“回收站”，其外形與現實生活中的垃圾桶很相似，讓用戶能夠將回收站與生活中的垃圾桶對比，便能自然地聯想出回收站是將廢棄的文件丟掉的地方。

在筆者看來，自然匹配就是指在用戶和產品之間有一個明確又良好的映射，用戶在操作產品時可以依據固有的知識和經驗能很容易地明白如何使用產品，并且能從操作本身看出它產生的結果。從某個角度來講就是指操作是否與用戶的心理預期一致，并且兩者越一致，用戶對產品的滿意度就越高。受諾曼“匹配原則”的啟發，筆者嘗試從心理匹配的角度去分析當前人機語音交互中的一些局限性。并從產品設計3個層次“操作層”“功能層”“情感層”來對語音交互目前存在的問題進行分析研究。

2.1 操作層匹配

語音交互從誕生之日起就被委以“解放雙手”的重任。但目前來看，語音并沒有十分有效地“解放雙手”，例如蘋果手機用戶需要長按主屏Home鍵才可以喚起Siri語音助手，在同Siri交流時也需要多次用手進行操作。對于“沒有解放雙手”的原因，筆者認為，語音交互本質上是人和計算機的溝通交流，就像我們平常的對話一樣，而這種交流應該是沒有屏障的。那么人機之間存在的界面就是對這種自然對話的違背。雖然都說“語音交互解放了雙手”，但實際上，界面的存在是不可能完全解放雙手的。

在界面統領一切的計算機時代，用戶似乎已經習慣在界面上處理一切事物，但界面旳存在，實際上大大阻礙了人機交互的通暢，因為界面并不代表任務本身。在現實的人機交互情境中，人們迫于壓力和約束，又必須把自己的某一部分心智和精力，放到各種復雜的界面識別和操作當中，人的思維、情緒很容易被一個沒有任何變化任何起伏的設備所打斷，從而有可能損耗互動效率。就語音發展的長遠性來看，要想真正徹底地解放雙手，必須盡量降低我們在使用語音功能時對界面的依賴程度。

2.2 功能層匹配

雖然Siri引爆了語音市場，語音識別系統進入商品化階段，但是就目前的發展水平看，還遠沒有達到人類與機器自然交流的終極目標。語音識別的精確度不高是制約語音交互發展的最大障礙之一。而語音識別技術是解決人機語音交互問題的關鍵核心技術之一，雖然取得了一定的發展，但仍有很多問題亟待解決。目前語音識別面臨的技術難點主要包括：1）語音中語法語義規則的建立和理解很困難，尤其對于中文一詞多意的語言來說更為困難；2）方言、口音嚴重影響語音的正確識別；3）字母、單詞等發音很容易受到上下文環境的影響，音調、因素、重音等可能都會有很大的差別；4）環境噪聲和干擾童顏能夠嚴重影響語音的識別率；5）對于情感識別而言，語言中的情感過于微妙，就目前技術來說，想要識別是有點不切實際的[ 3 ]。

語音識別精確度不高，就會妨礙用戶去完成任務，甚至會導致哭笑不得的結果。例如微博上曾經的有一條熱門就是山東大漢在開車時與智能車載語音對話，因語音技術對方言或口音的識別能力不佳，而導致車載系統對山東大漢所報的電話號碼數字一直識別不了而鬧出了一些笑話。在面對這種不能避免的錯誤的情況時，系統應該提供相應的錯誤機制，提醒用戶切換方式，避免用戶反復進行自己的操作而不能完成任務。而當前大多數語音交互系統錯誤操作的應對能力并不好，而且系統反饋不佳，導致用戶很容易對產品喪失信心。因此，在人機交互時，語音系統應該及時向用戶提供反饋，讓用戶知道某一操作是否已經完成以及操作所產生的結果；在面對用戶的誤操作時，也要有相應的錯誤機制幫助用戶了解發生的錯誤。例如用戶在進行語音輸入時，被外部環境突然打斷，系統就應該在被打斷時有相應的錯誤機制，當用戶下次重新錄入時，系統應該保存了之前的輸入；或者如果不能有這樣的保存，也應該有所反饋，提醒用戶上次的輸入曾被打斷，并表示如果要繼續，請重新開始。

2.3 情感層匹配

語音交互的操作層匹配和功能層匹配都不是特別好，可想而知其情感層面的匹配性也不好。情感層的設計關注的是產品是否滿足了人們的感性心理需求。人機交互設計不僅是交互界面、功能模塊、操作方式等的“有形”設計，同時也是涉及到人的知覺、態度以及情感等的“無形”的設計。“有形”的設計是基礎，“無形”的設計是用戶感到滿意的關鍵所在，只有“有形”和“無形”之間相當的契合才能實現高質量的人機交互[ 4 ]。人機語音交互亦是如此。只有在操作層面、功能層面滿足了用戶的期望，并到達情感層后，用戶才會在產品易用、高效基礎上覺得很有趣，進而把自己的情感投射到產品中。只有在產品和用戶之間建立起了情感的紐帶，產品的價值才會得以體現。

例如，2014年科幻電影《她》中主人公就因為聲音愛上了操作系統，而聲音的表演者斯嘉麗也僅憑聲音摘得影后桂冠。在一切智能自然化的未來社會中（即一切都滿足“自然匹配”），這種情況是有可能發生的。我們不去探討這種情況可能引發的“計算機恐慌”，僅就軟件系統而言，逼真的、無時不在、知曉一切的智能語音操作系統確實讓使用者產生了共鳴，并使其漸漸產生感情。也就是說，包括語音交互在內的人機交互設計應當追求的終極理想是，使用戶高效、準確地完成目標后，還能給用戶帶來心靈上的愉悅和共鳴，滿足其情感性需求，使產品的價值得以彰顯。

3 結論

綜上所述，目前的語音交互確實存在很多“不自然”的問題。筆者以諾曼的“匹配原則”為出發點，從操作層、功能層、情感層3個維度分析了當前語音交互的局限性。根據前面的分析，我們可以嘗試通過減少界面操作（取消界面）、提升語音識別技術、提供錯誤機制和反饋機制等幾個方面來提升語音交互的各方面體驗。雖然目前的語音交互仍存在很多問題，但毋庸置疑的是語音一定會有一個良好的發展前景，隨著技術的提升，未來的智能語音人機交互將會像電影《她》所展現的那樣給人類帶來全新的智能生活方式。

參考文獻

[1]孫傳祥.基于自然交互方式的移動終端產品交互設計研究[D].濟南：山東大學，2012.

[2]唐納德·諾曼.設計心理學[M].北京：中信出版社，2003.

[3]袁彬，肖波，侯玉華，等.移動智能終端語音交互技術現狀及發展趨勢[J].信息通信技術，2014（2）：39-43.

[4]程彬，趙宏梅.匹配原則在人機交互設計上的應用探討[J].包裝工程，2008，29（11）：125-127.