人機交互的前世今生

自從人類發(fā)明了計算機，就持續(xù)面臨著一個問題：我們到底應(yīng)該如何與機器交互？

在計算機的發(fā)展歷史上，隨著技術(shù)的進步，發(fā)生過幾次大的交互模式的演進：近年來的轉(zhuǎn)變大致可以概括為以鼠標(biāo)/鍵盤為主的交互模式轉(zhuǎn)換為以觸摸和語音為主的交互模式。

由此，我們可以預(yù)測人機交互的發(fā)展趨勢，主要體現(xiàn)在：

交互理念方面，機器從被動接受信息到主動理解信息，以及從滿足基本功能到強調(diào)用戶體驗；

交互設(shè)備方面，機器輸入、輸出的方式更加自然化、內(nèi)容多樣化。

顯然，不管是理念的轉(zhuǎn)變還是設(shè)備的升級，我們和機器的交互方式上經(jīng)歷了一個從人適應(yīng)機器，到機器適應(yīng)人的過程。

語音交互解決人機交互痛點

語言是什么？是人類最牛逼的發(fā)明，是人類進化的產(chǎn)物。

人類通過語言，能夠把對世界的理解，想傳遞的信息，壓縮成一串很短的文字輸入給對方，對方聽完以后，能根據(jù)這些文字，還原事件、圖像，以及情感。

鼠標(biāo)/鍵盤本質(zhì)上不是一種交互方式，而是一種輸入設(shè)備，真正的交互方式其實是以語言為載體的“命令”。

正如微軟創(chuàng)始人比爾?蓋茨如所言：“人類自然形成的與自然界溝通的認(rèn)知習(xí)慣和形式必定是人機交互的發(fā)展方向”。

隨著人工智能技術(shù)的發(fā)展，自然語言交互必定是實現(xiàn)“命令自然化”的關(guān)鍵突破口。語言聲學(xué)技術(shù)為人機交互注入了智能屬性，交互不再是精確的“指令”。

在上世紀(jì)出現(xiàn)Google、百度等搜索引擎的時候，交互還是單向的，但出現(xiàn)智能手機之后我們的交互變成了雙向。比如蘋果的交互史，在剛開始做出來第一代iPhone的時候并沒有語音交互的能力，但經(jīng)過市場調(diào)研之后發(fā)現(xiàn)有75%的用戶都希望有語音控制。于是，在后面兩代iPhone加入了語音控制，但到后面發(fā)現(xiàn)實際使用的用戶竟然不到5%，蘋果經(jīng)過總結(jié)之后發(fā)現(xiàn)不僅僅是語音，還必須有自然語言交互。

正如我們對自然語言處理技術(shù)的應(yīng)用場景的想象，關(guān)鍵在于足夠自然，人工智能永遠都在追趕最高的自然智能。

信息文明走向智能文明 ，機器需適應(yīng)人類的自然語言體系，然后完成任務(wù)。

語音識別+聲紋識別：人機交互這么做就對了！

以智能音箱為例，需要其不再是基于幾個關(guān)鍵詞來反饋結(jié)果，而是能夠理解用戶的語言指令，完成一項完整的任務(wù)。

一方面，語音交互將使智能音箱跳出了傳統(tǒng)的“命令式交互系統(tǒng)”，你可以說“為我播放一首爵士樂”、“為我查一下明天的天氣”等這類不再精確的指令。機器擁有理解人類語言、分析語言意圖，進行更多的決策的可能。

另一方面，語音技術(shù)的進展使得我們可以遠距離控制設(shè)備。在移動互聯(lián)網(wǎng)時代，用戶需要更為方便自然的人機交互方式。當(dāng)互聯(lián)網(wǎng)從個人電腦向移動終端遷移，人們在走路、開車、吃飯時都可以通過互聯(lián)網(wǎng)獲取信息、完成任務(wù)，語音交互的非接觸性，解放了雙手，成為了快捷方便的方式。

“萬物互聯(lián)”時代下的人機交互：以用戶為中心，使產(chǎn)品主動為受眾的提供服務(wù)

隨著5G的發(fā)展和互聯(lián)網(wǎng)技術(shù)的不斷成熟，人類已經(jīng)進入到了一個萬物互聯(lián)的“大連接”時代，“大連接”的目的是為了讓人類的生活更加美好，更加便利。

設(shè)備被賦予的大量連接，連接為交互建立了通道。交互通道建立后的下一步，是用人工智能技術(shù)為“大連接”時代賦能。

語音交互遠距離控制的特性，極大地增加了可交互設(shè)備的數(shù)量，有利于智能設(shè)備的快速普及。

在未來全面智能化、萬物互聯(lián)的生活中，真實使用場景總是有多個聲源和環(huán)境噪聲疊加，比如經(jīng)常會出現(xiàn)周邊噪聲干擾和多人同時說話的場景。

想象一下，如果所有的智能設(shè)備都在同一時間點被觸發(fā)，“隨意”的為用戶展示信息，身處其中的大家可能會立刻瘋掉。這時候，用聲紋識別技術(shù)讓智能設(shè)備可以識別“主人身份”就顯得格外重要（語音識別是識別你說的話，而聲紋識別是指識別說話的人是誰）。未來更多的智能設(shè)備上面將配有聲紋識別，更將大大的提高設(shè)備的安全性。

快商通聲紋識別：讓智能設(shè)備認(rèn)識你，聽懂你

以前的語音交互大多是服務(wù)為主，以產(chǎn)品為核心，是根據(jù)產(chǎn)品找用戶。

目前，作為聲紋身份認(rèn)證與智能語音交互解決方案提供商，快商通推出以用戶為中心的智能交互解決方案：

通過遠場聲紋識別技術(shù)，讓智能設(shè)備能夠自然快速識別用戶身份，從而時刻感知用戶需求的本質(zhì)來源，記憶用戶行為習(xí)慣和各類偏好。通過自然語言交互，分析用戶語言背后的真實意圖，并隨之快速作出合理的反應(yīng)，并能在之后的生活中不斷地進行調(diào)整。

方案集成聲紋識別、聲學(xué)處理、自然語言處理、深度神經(jīng)網(wǎng)絡(luò)等核心AI智能技術(shù)，以唯一性和安全性為基礎(chǔ)，打造“人性化”的人機交互，解決智能設(shè)備的誤觸發(fā)及個性化服務(wù)痛點：

快商通原創(chuàng)的語音與聲學(xué)處理技術(shù)能夠保證機器能夠聽得準(zhǔn)真實環(huán)境下人的聲音，使智能設(shè)備在充滿噪聲干擾和多人同時說話的場景中，仍然能保持95%以上的識別準(zhǔn)確率，同時處理多人聲紋身份識別的問題。

智能設(shè)備們除了能只被特定成員喚醒外，還能根據(jù)不同成員的習(xí)慣和喜好進行個性化推薦。唯有你能在你的整個智能生活的中心隨心所欲。

快商通是一家以人工智能技術(shù)為核心的創(chuàng)新型科技公司，專注于聲紋識別與自然語言處理技術(shù)的研發(fā)與創(chuàng)新，完全自主知識產(chǎn)權(quán)的聲紋識別技術(shù)達到世界領(lǐng)先水平。

目前，快商通已為大量終端設(shè)備廠商提供優(yōu)質(zhì)的遠場聲紋識別與語義理解技術(shù)支持。用戶可在不同場景下通過遠場語音交互。進行自然語言交互，享受科技給生活帶來的便利。未來，將攜手人工智能生態(tài)鏈上下游合作伙伴，持續(xù)推進更自然、更智能、更人性化的人機交互發(fā)展，讓人工智能更好的服務(wù)人類。

快商通技術(shù)方案優(yōu)勢：

1.復(fù)雜場景下的身份識別與喚醒：結(jié)合聲源定位和前端聲學(xué)處理技術(shù)，解決誤觸發(fā)，交互過程自然高效。

2.深層次理解：結(jié)合場景、世界知識和歷史交互信息，再對語義、語用和情感進行深層次理解，提升能交互效率和機器決策準(zhǔn)確度。

3.擬人式對話：在系統(tǒng)的輸出側(cè)，能夠以高逼真度、高自然度、和高準(zhǔn)確度度的擬人形象、用詞、和表達方式來和用戶交互，就能大大減小對用戶感知能力的要求。

4.個性化交互：與不同人交互時，智能設(shè)備提供的交互方式和內(nèi)容是用戶所感興趣的。