欧美videos另类精品-欧美videos另类极品-欧美vide-欧美va在线视频-欧美va在线观看-欧美va在线播放免费观看

自然語言界面：開啟人機(jī)交互的全新篇章

2023-12-4 博博

作者：山中

人機(jī)交互界面經(jīng)過幾十年的發(fā)展，人與機(jī)器間的交互變得越來越容易，隨著ChatGPT等大語言模型的出現(xiàn)，一種我們既熟悉又陌生的交互方式再次進(jìn)入大眾視野，它就是自然語言界面（NLI）。

那么什么是自然語言界面，它又會為人機(jī)交互帶來哪些新的變化，它會成為下一代主流的用戶界面嗎？本文將從計算機(jī)UI的發(fā)展簡史出發(fā)，對比自然語言界面與傳統(tǒng)圖形界面的差異，帶你了解自然語言界面的應(yīng)用場景和發(fā)展方向。

一、計算機(jī)UI發(fā)展簡史

首先讓我們回顧一下過去幾十年計算機(jī)UI的發(fā)展階段。

1、穿孔紙帶(Punched tape)

1940-1960年代，早期的計算機(jī)通過穿孔紙向計算機(jī)輸入指令，帶孔為1，無孔為0，經(jīng)過光電輸入機(jī)將數(shù)據(jù)輸入計算機(jī)。由于需要輸入二進(jìn)制的機(jī)器語言，計算機(jī)在這個階段只被少數(shù)專家應(yīng)用于專業(yè)領(lǐng)域。

2、命令行界面（CLI）

20世紀(jì)60年代中期，命令行界面( CLI )作為穿孔紙帶的友好替代方案出現(xiàn)在計算機(jī)上。命令行界面是一種通過輸入被稱為命令行的文本行與計算機(jī)程序交互的方法，雖然它與人類語言有較大差異，但還是大幅降低了計算機(jī)的使用門檻，個人計算機(jī)（PC）隨之出現(xiàn)。

3、圖形用戶界面（GUI）

命令行界面通常需要用戶記憶操作的命令，這對于普通用戶仍然是很困難的。GUI的出現(xiàn)正是為了解決這個問題：既然人類很難記住各種命令，那就讓機(jī)器提供可能的選項，人類只需要通過圖形元素進(jìn)行選擇。最早的圖像界面出現(xiàn)在1970年代，隨后蘋果和微軟讓GUI普及，短短二三十年，使用GUI交互的計算機(jī)和各類消費電子產(chǎn)品已經(jīng)成為我們工作生活中不可缺少的一部分。

二、自然語言界面（NLI）的爆發(fā)

什么是自然語言界面？

W3C是這樣定義的：自然語言界面是用戶與系統(tǒng)通過自然語言進(jìn)行通信的用戶界面。用戶通過語音或某種其他方法提供輸入，并且系統(tǒng)以通過語音、文本或某種其他方法傳遞的話語的形式生成響應(yīng)。

自然語言界面是什么時候出現(xiàn)的？

最早的自然語言界面可以追溯到 20 世紀(jì) 60 年代。ELIZA是一個早期的自然語言處理計算機(jī)程序，由麻省理工學(xué)院的Joseph Weizenbaum教授于1964 年至 1967 年開發(fā)，旨在探索人類和機(jī)器之間的溝通方法。ELIZA 通過模式匹配和替換來模擬對話，也就是說它通過檢測用戶輸入的內(nèi)容中是否包含某些關(guān)鍵詞來做出響應(yīng)，雖然它能做出的反應(yīng)有限，更不能真正理解人類的語言，但這是人類第一次嘗試通過自然語言進(jìn)行人機(jī)交互，也是后續(xù)自然語言處理（NLP）技術(shù)研究的一個里程碑。

語音用戶界面（VUI）

自然語言處理（NLP）技術(shù)經(jīng)過幾十年的發(fā)展，終于在2010年代迎來第一波應(yīng)用爆發(fā)。2011年 Siri 作為 iOS 功能由 Apple 發(fā)布，隨后各家手機(jī)語音助手、智能音箱等VUI產(chǎn)品紛紛出現(xiàn)。但隨之出現(xiàn)了一個新的網(wǎng)絡(luò)名詞-“人工智障”。雖然 Siri 相比 ELIZA 能做的事情更多了，但它們在體驗上仍沒有本質(zhì)區(qū)別，Siri等產(chǎn)品依然需要用戶遵循特定的表述方式才能做出正確響應(yīng)，可能換一個表述方式它們就聽不懂了，所以這個階段的自然語言界面更多是作為一種輔助交互方式。

大語言模型（LLM）

ChatGPT 于2022年底開放測試，不到一年時間大語言模型（LLM）與AIGC應(yīng)用已經(jīng)遍地開花。大語言模型實現(xiàn)了NLP技術(shù)的階段性跨越，AI對自然語言的理解能力大幅提升，不僅能模仿人類對話，還具備文案寫作和問題分析等能力，并且這些能力還在飛速進(jìn)步中，相信自然語言界面即將迎來第二次應(yīng)用爆發(fā)。

三、自然語言界面的優(yōu)勢

那么，自然語言界面相比傳統(tǒng)圖形界面又有什么優(yōu)勢呢？

1、低門檻

刻在我們DNA里的交互方式

語言是我們與他人交互的主要“界面”，智人的言語出現(xiàn)于 50,000 至 200 萬年前，所以說這是刻在我們DNA里的交互方式。我們從小就學(xué)習(xí)閱讀、寫作和說話，因此通過自然語言界面與計算機(jī)交互幾乎不需要學(xué)習(xí)。

2、高效率

GUI的思路是機(jī)器提供可能的選項，讓人類進(jìn)行選擇。但復(fù)雜產(chǎn)品可能有幾百上千個選項，即便設(shè)計師努力按照最合理的邏輯整理、收納這些選項，用戶仍需要花大量時間精力尋找、理解、記憶這些選項。

酷家樂用戶問題

酷家樂用戶聯(lián)系客服的問題中較多是工具使用問題：怎么添加門把手、怎么把門翻轉(zhuǎn)、怎么顯示柜體尺寸。在幾十上百個功能中找到那一個功能都如此困難，對于需要用到多個“選項”組合操作才能實現(xiàn)的效果，那確實難以要求普通用戶做到。

但如果酷家樂支持自然語言交互，我只需要告訴它我們的訴求：“添加門把手”、“把門翻轉(zhuǎn)”、”顯示柜體尺寸“，軟件便會直接實現(xiàn)這些的效果。

通過自然語言輸入，用戶便可以忘記各家軟件各種復(fù)雜的交互邏輯，設(shè)計師也無需煞費苦心設(shè)計復(fù)雜的用戶引導(dǎo)和幫助系統(tǒng)，隨之客服人力成本也將大幅降低。

Tome

目前已經(jīng)有一些產(chǎn)品在這么做了，Tome是一款制作提案PPT的產(chǎn)品，它可以通過自然語言輸入實現(xiàn)大部分操作，并且支持AI直接生成內(nèi)容。

3、不設(shè)限

早期計算機(jī)的輸入輸出完全靠機(jī)器語言，門檻很高。后來，普通用戶借助圖形界面和開發(fā)好的程序，也能輕松使用計算機(jī)，但同時我們也被其限制了。

美間站點

以”美間“為例，美間站點有大量的海報模板，可以按用途、風(fēng)格維度進(jìn)行篩選，但用戶也只能按這兩個維度篩選。如果我想找出10月份用戶點擊最高的10個節(jié)氣海報模板，那對不起，辦不到，不是因為我們沒有這個數(shù)據(jù)，而是我們沒有提供個“選項”，通過SQL或者其他語言查詢數(shù)據(jù)庫就可以獲取到。

但如果美間的數(shù)據(jù)庫接入了大語言模型，那么直接問它，就能得到任何數(shù)據(jù)庫能提供的內(nèi)容，因為現(xiàn)在LLM已經(jīng)會自己寫代碼做數(shù)據(jù)分析工作了。通過自然語言界面，我們可以最大程度發(fā)揮計算機(jī)和數(shù)據(jù)庫的價值。

四、自然語言會不會取代圖形界面？

自然語言界面這么強(qiáng)大，那它會不會取代圖形界面呢？答案是不會，受限于AI能力發(fā)展現(xiàn)狀和自然語言自身的局限性，自然語言界面有其適用范圍。

1、AI能力仍有限

理想情況是AI能完全理解我們的訴求、且能力能夠覆蓋，但現(xiàn)在還做不到。用戶隨便輸入一個需求，產(chǎn)品很可能做不到，這就需要我們通過GUI進(jìn)行提示和引導(dǎo)。

2、額外的處理時間

相比通過GUI直接對程序發(fā)出指令，用戶輸入自然語言LLM普遍需要幾秒鐘的處理時間，帶來更高的試錯成本，某些場景下我們使用GUI操作更加快捷

3、自然語言表達(dá)不夠精準(zhǔn)

人與人的交流也常常存在歧義，更別說跟機(jī)器交流了，所以自然語言界面不適合做非常精細(xì)的操作。

美間提案PPT

以美間提案PPT為例，如果我通過自然語言輸入：“把標(biāo)題改成紅色”，那AI可能會反問：”哪個標(biāo)題？哪種紅色？“。試想一下，如果要通過自然語言描述這些信息，是不是還不如通過鼠標(biāo)選擇來的簡單。

4、自然語言輸入也存在成本

自然語言輸入，用戶需要把需求組織成語言，然后打字或講出。也就是說用戶需要動腦子，這顯然與我們追求的”Dot let me think“原則相違背。

美間海報

以美間海報場景為例，美間支持”AI生成“和”模板再創(chuàng)作“兩種海報創(chuàng)作方式。這兩種方式分別有各自的使用場景。如果用戶需要一張元旦祝福海報，對于目標(biāo)明確的用戶，他可以通過詳細(xì)描述畫面需求，生成個性化的海報方案。例如：”生成一張元旦節(jié)日海報，主題為：群核科技祝您元旦快樂，畫面要喜慶，插畫風(fēng)格，包含煙花、燈籠、熱鬧的人群等元素“

但對于更多用戶來說，描述一個海報畫面是困難的，大部分用戶只需要一個通用的模板改改字就足夠了，這樣不但更輕松，而且得到的海報質(zhì)量也更高。

五、NLI與GUI融合互補(bǔ)

所以，自然語言界面不會取代圖形界面，它們更多會融合互補(bǔ)，在各自的擅長領(lǐng)域發(fā)光發(fā)熱。

未來常見的用戶工作流將會是：NLI發(fā)散-GUI收斂，先使用NLI得到一個大概結(jié)果，再通過GUI完成確認(rèn)或調(diào)整。

美間AI海報

美間AI海報就是這樣的設(shè)計思路：基于自然語言輸入生成若干結(jié)果，選擇一個滿意的方案再二次編輯。

六、NLI還有哪些應(yīng)用場景？

自然語言界面還有哪些應(yīng)用場景？微軟表示：萬物皆可“Copilot”。

Copilot是微軟發(fā)布的依托于大語音模型的AI助手（AI Agent）。11月15日的微軟Ignite大會上，CEO納德拉向我們展示了Copilot最新的形態(tài)：一個入口連接無限可能。

Copilot可以連接各種應(yīng)用和數(shù)據(jù)源，用戶只需要把需求告訴Copilot，Copilot就能自動完成全部應(yīng)用和數(shù)據(jù)操作，甚至是跨應(yīng)用和跨數(shù)據(jù)源的。

Copilot Studio

Copilot Studio是微軟面向B端用戶推出的AI助手，支持用戶自定義專屬的Copilot，以滿足行業(yè)、部門、角色等內(nèi)外部場景的定制化需求。讓Copilot鏈接企業(yè)財務(wù)系統(tǒng)，你可以隨時問它各類財務(wù)預(yù)算的開支和剩余情況；Copilot還能雙向打通CRM、ERP等SAAS產(chǎn)品，自動化執(zhí)行復(fù)雜的業(yè)務(wù)流程，比如辦理新員工入職、費用報銷等。

數(shù)據(jù)分析

Excel擁有強(qiáng)大的數(shù)據(jù)分析能力，但我們大部分人只用過Excel來制作表格，因為高階的函數(shù)、宏等功能對于普通用戶來說學(xué)習(xí)成本太高。現(xiàn)在，Copilot與Excel結(jié)合，便可以實現(xiàn)通過自然語言寫代碼執(zhí)行復(fù)雜的數(shù)據(jù)分析工作。

AIGC

AIGC是當(dāng)前最熱門的AI應(yīng)用領(lǐng)域之一，除了常見的文案生成、圖片生成，傳統(tǒng)的內(nèi)容創(chuàng)作軟件結(jié)合AIGC能力也可以發(fā)揮出巨大的潛力。Copilot加持下的PPT，只需一句話，Copilot將自動幫你完成PPT的文案、配圖、排版等工作。

七、展望

未來自然語言界面將重塑現(xiàn)有產(chǎn)品的交互方式，但自然語言也只是一種交互方式，未來隨著AI能力和硬件技術(shù)的發(fā)展，人類與機(jī)器間的交互成本還將進(jìn)一步降低。

微軟在Ignite大會上演示了未來 AI+MR 設(shè)備的應(yīng)用場景，借助MR設(shè)備AI可以看到、聽到、解釋、理解我們的意圖和我們周圍的世界，我們只需要極少的輸入就能得到需要的結(jié)果。以現(xiàn)在AI技術(shù)的發(fā)展速度，相信這些看似科幻電影中的場景用不了多久便會成為現(xiàn)實。