替换语音助手,语音助手开发语言( 二 ) _为什么语音只能一个软件用

另一方面，语音助手使用语音进行输入和输出。这种方法有两个主要问题：
问题1：模仿人类失败作为人类，我们有一种天生的倾向，将类似人类的特征归因于非人类的物体。我们在飘过的云朵中看到一个人的容貌，或者看着一块三明治，它似乎在对我们笑。这被称为拟人化。
这种现象也适用于语音助手，它是由他们的自然语言反应触发的。虽然图形用户界面可以构建得有点中性，但人类不可能不开始思考某人的声音是属于年轻人还是老年人，或者他们是男性还是女性。因此，用户几乎开始认为助理确实是人类。
然而，我们人类非常擅长发现假货。奇怪的是，越接近人类的东西，这些微小的偏差就越开始困扰我们。对于那些试图变得像人类但却无法达到人类标准的东西，人们会有一种毛骨悚然的感觉。在机器人和计算机动画中，这被称为“恐怖谷效应” 。
我们把语音助手做得越好、越人性化，当出现问题时，用户体验就会越令人毛骨悚然、令人失望。每个尝试过语音助手的人可能都无意中遇到过这样的问题: 回答一些让人感觉愚蠢甚至粗鲁的问题。
语音助手的恐怖谷效应给助手的用户体验带来了一个难以克服的质量问题。事实上，图灵测试(以著名数学家艾伦·图灵的名字命名)通过的条件是，当人类评估者展示两个代理之间的对话时，不能区分哪个是机器，哪个是人。到目前为止，从未有人工智能通过。
这意味着，助手范式为类人服务体验设定了一个永远无法实现的承诺，用户肯定会感到失望。成功的体验只会建立最终的失望，因为用户开始信任他们的类人助手。
问题2：顺序和缓慢的相互作用语音助理的第二个问题是，自然语言响应的回合制性质导致交互延迟。这得归因于我们的大脑处理信息的方式。

文章插图
大脑中的信息处理。（资料来源：彭聃龄《普通心理学》）
我们的大脑中有两种类型的数据处理系统：
加工处理说话的语言系统；专门加工处理视觉和空间信息的视觉空间系统。这两个系统可以并行运行，但两个系统一次只处理一件事。这就是为什么你可以一边说话一边开车，但你不能一边发短信一边开车，因为这两种活动都会发生在视觉空间系统中。
同样，当你和语音助手交谈时，语音助手需要保持安静，反之亦然。这创造了一种回合制的对话，其中另一部分总是完全被动的。
然而，假想一个你想和朋友讨论的难题。你们可能会面对面讨论，而不是通过电话讨论，对吗？这是因为在面对面的对话中，我们使用非语言沟通来向对话伙伴提供实时的视觉反馈。这创建了一个双向信息交换循环，并使双方能够同时积极参与对话。
语音助手不会提供实时的视觉反馈。他们依靠一种称为终点测定的技术来决定用户何时停止说话，并在此之后回复。当他们回复时，他们不会同时接受用户的任何输入。体验完全是单向和回合制的。
在双向和实时面对面的对话中，双方可以立即对视觉和语言信号做出反应。这利用了人类大脑的不同信息处理系统，使对话变得更加顺畅和高效。
语音助手卡在单向模式下，因为他们同时使用自然语言作为输入和输出通道。虽然语音输入的速度是打字输入的四倍，但处理消化速度明显慢于阅读。由于信息需要按顺序处理，所以这种方法只适用于简单的命令，如“关灯” ，这些命令不需要助手的太多输出。