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計，把人知道的以及不知道的，用做工程的思路，精準、全面、量化地研究透徹，然后應用到設計中。

人機互動是虛擬的認知交流，所以人因工程研究人的感知規律來優化信息傳遞，比如根據人類可以明顯區分的最小音量差——5分貝，來設計手機音量鍵的音量大小。

在過去，人因工程奠定了將人的特征以及規律進行研究并應用到設計的基礎，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器越來越像人，可以通過人類的語言、表情等方式進行交流，甚至被賦予人的外形，人類不需要適應機器，而是讓機器適應人。其次，機器越來越懂人，不僅懂語言，更懂文化、動機等等。當機器越來越像人的時候，人機關系也會發生變化，人們過去對機器是冷冰冰的，現在會將越來越多對人的情感、需求和預期投射到機器上，機器帶給人的體驗變得更加復雜。所以在這樣的情況下，AI時代的人因工程不僅關乎人的能力、行為、限制和特點，也關乎人的文化和心理，是真正以人類為中心的系統工程。

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。但整個行業對于如何去設計一個好的語音交互系統還有很多疑問，因此，定義語音交互的體驗標準是我們工作的一個開始。

首先，梳理出五個語音交互節點：喚醒、響應、輸入、理解和反饋。為了打造更好的體驗，每個環節都有很多問題需要被研究和定義。比如好的喚醒詞是什么，用戶發出指令后多久響應是好的，如何引導客戶比較自然的進行輸入等等。我們系統的梳理了每個環節下的體驗要點，并且在這個框架下進行逐一的實驗，以確定最優的機器參數和反饋水平。

在完成了大部分語音交互節點之后，我們開始思考，如何在這個基礎上讓人機交互更加類似人，更加讓人感覺到它是一個智能體而不僅是機器。心理學有一個經典研究結論：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，首先關注它的外觀應該怎么樣。圍繞外觀可以研究的問題有很多，經常被爭論的是：智能機器是否應該像人？應該多大程度的擬人化？不同部位是否應該是不同的？

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

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

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優化的基礎上，讓人和機器交流得更加自然是人機交互發展的下一個趨勢，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系，而在這個問題上，車載環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常使用到手勢，但如何將手勢轉化為機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方案。

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

所謂的情感交互，其實就是讓機器能夠類似人一樣去感知觀察、理解和表達情緒。舉個例子，當人覺得很悲傷想要聽歌的時候，具有情感能力的機器人不是隨機播放熱度很高、點擊量很高的歌曲，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，當機器進化到情感交互這一步的時候，它將不僅能夠聽話，還能懂事，這是人機關系的進一步深入。

而在情緒應對方面，我們研究高情商的人是如何應對悲傷、憤怒等負面情緒的，研究心理咨詢師如何應對痛哭流涕的來訪者，研究陌生人和好朋友在表達關心時的區別，從中提取好的應對策略并賦予機器。比如，當人感到很悲傷痛苦的時候，機器不要輕易的去說“我能理解你的感受”，因為作為一個機器真的很難理解，所以這會顯得是一句空話。好的應對策略應該是柔和的燈光、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。而為了驗證這些應對策略，我們在實驗中通過VR模擬場景、誘發用戶情緒，然后讓AI去平復他們。

在此也分享一下在研究方法上的一些心得。第一，由于研究領域越來越前沿，需要在研究中不斷創造交互體驗和場景，比如通過AR、VR技術構建場景。第二，關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、語氣等識別技術幫助我們獲得大量隱藏在行為背后的數據，比如用戶的情緒、需求、動機等。