倪亞楠

關(guān)鍵詞：老年人;語音交互;設(shè)計(jì)

過去四十年，人與機(jī)器的交互方式在不斷朝著智能化、自然化的方向發(fā)展。隨著人工智能研究在理論和應(yīng)用層面的不斷突破，語音交互逐漸成為人們與設(shè)備進(jìn)行交流和傳遞意圖的優(yōu)先選擇。與傳統(tǒng)交互相比，語音交互更貼近自然語言的表達(dá)，學(xué)習(xí)成本極低，可以很好地解放雙手和雙眼。語言是多維的，它在傳遞信息的同時也蘊(yùn)含著豐富情感，允許人與設(shè)備之間進(jìn)行更充分地互動。結(jié)合當(dāng)下智能語音的技術(shù)能力，在一些具體的互聯(lián)網(wǎng)使用場景中，它已經(jīng)能夠很好地適應(yīng)老年群體在生理能力與認(rèn)知特性方面的不足。

1老年人認(rèn)知特性及互聯(lián)網(wǎng)介入分析

老年人感知覺能力的退化，記憶、思維能力的老化，導(dǎo)致了他們對自我能力的評價與結(jié)果預(yù)期降低，從而對融入互聯(lián)網(wǎng)產(chǎn)生消極情緒和抗拒心理。另外，信息的爆發(fā)性增長使得界面變得臃腫不堪，不友好的界面加劇了兩者之間的疏離。

1.1感知覺退化與信息可達(dá)性

從界面交互所需的能力來看，老年人視覺感受性、靈敏度與色彩辨識力均逐漸下降，聽覺開始變得遲鈍，觸覺的敏感性與定位精準(zhǔn)性也降低，這無疑加劇了老年人在對界面信息進(jìn)行的輸入輸出環(huán)節(jié)的負(fù)擔(dān)。手機(jī)屏幕大小的局限性使得信息以更加密集的單位進(jìn)行輸出，對人的感知覺能力提出了越來越高的要求。

1.2記憶、思維老化與感知易用性

隨著老年人記憶衰退與思維老化，同時缺乏互聯(lián)網(wǎng)使用經(jīng)驗(yàn)，他們在接入互聯(lián)網(wǎng)的過程中常常伴隨著很高的學(xué)習(xí)成本和記憶負(fù)擔(dān)，因而很容易在界面層級和交互動作中感到不知所措。目前，主流的交互設(shè)計(jì)規(guī)范定義了頁面交互的對象和方式、層級之間的關(guān)系和跳轉(zhuǎn)邏輯、功能模塊的聚合和指引等等。這些規(guī)范在易用性和美學(xué)上頗具說服力，但卻很少以老年群體作為測試標(biāo)準(zhǔn)（如圖1），老人不僅要熟記各類密碼，并且各種APP的名稱都相對圖標(biāo)縮小化，對于視力惡化、記憶力衰退的老年人而言簡直是噩夢。

1.3消極情緒與自我效能

自我效能是社會認(rèn)知理論中一個重要的認(rèn)知動因，在互聯(lián)網(wǎng)環(huán)境中即是指個體完成特定界面交互任務(wù)的信心。由于老年人物理機(jī)能的退化，使得他們的自我效能降低，往往會高估互聯(lián)網(wǎng)的使用難度，從而產(chǎn)生十分消極的情緒。由此可見，提升老年人使用互聯(lián)網(wǎng)的信心，使其在交互過程中保持積極樂觀的情緒，都能很好地提升他們使用互聯(lián)網(wǎng)的意愿。

2語音交互技術(shù)現(xiàn)狀與應(yīng)用趨勢

從計(jì)算機(jī)語言交互到圖形用戶界面交互，再到語音自然交互，人機(jī)交互一直朝著簡單、豐富、高效、自然的方向發(fā)展。

2.1語音交互技術(shù)現(xiàn)狀

伴隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的進(jìn)步，語音交互技術(shù)也經(jīng)歷了從規(guī)則技術(shù)向統(tǒng)計(jì)學(xué)習(xí)再到深度學(xué)習(xí)技術(shù)的升級進(jìn)化。深度對話技術(shù)借助大規(guī)模的深度神經(jīng)網(wǎng)絡(luò)，顯著增強(qiáng)了對話系統(tǒng)的知識學(xué)習(xí)和應(yīng)用能力，從而極大提升了語音交互的用戶體驗(yàn)。

從功能實(shí)現(xiàn)角度，一套通用的語音交互系統(tǒng)包含如下環(huán)節(jié)（如圖2）：（1）語音識別：將用戶的語音表達(dá)經(jīng)過自動化的識別，轉(zhuǎn)化成文字;（2）自然語言處理：分析用戶表達(dá)中的意圖，對任務(wù)型對話而言即提煉關(guān)鍵詞填進(jìn)“詞槽”;（3）語音合成：將處理后的最佳結(jié)果轉(zhuǎn)化成自然語言，并合成語音，與用戶進(jìn)行交互。

2.2語音交互技術(shù)的應(yīng)用趨勢

2.2.1智能音箱興起

自2014年11月亞馬遜率先推出智能音箱Echo，引發(fā)全球智能音箱浪潮，隨后谷歌、蘋果、facebook等巨頭紛紛入場布局。在已成為僅次于美國的智能音箱第二大市場的中國，阿里巴巴的天貓精靈、百度的小度音箱、小米的小愛音箱占據(jù)了近九成市場份額。

值得注意的是，2017年谷歌推出了自己的帶屏智能音箱Echo show，之后天貓精靈和百度也相繼發(fā)布帶屏智能音箱產(chǎn)品（如圖3）。從語音向視覺延伸，在語音交互中融入可視化信息，已經(jīng)是業(yè)界探索下一代語音交互范式的重要趨勢。

2.2.2語音交互與界面交互的融合趨勢

正如人工智能專家吳恩達(dá)指出的：人與機(jī)器交流最高效的方式是語言，而機(jī)器與人最高效的交流方式是語言加上視覺，即需要在聽覺基礎(chǔ)上融入視覺信息彌補(bǔ)語音交互的不足。

目前針對語音交互，并沒有統(tǒng)一的設(shè)計(jì)原則。因此，參照國內(nèi)界面交互的設(shè)計(jì)原則，可總結(jié)為如下原則：（1）一致性：符合用戶心理，降低學(xué)習(xí)成本;（2）通用性：兼容多場景、多需求;（3）高效性：即時響應(yīng)、有效提示;（4）清晰性：信息傳達(dá)準(zhǔn)確無歧義;（5）角色為本：人文關(guān)懷與情感化。

結(jié)合語音交互的特征，其主要在高效性、一致性、角色為本上具備顯著優(yōu)勢，具體包含：（1）釋放雙手，速度更快;（2）更貼近自然交互，學(xué)習(xí)成本極低;（3）情感關(guān)懷豐富;（4）突破界面限制。其劣勢主要有：（1）在現(xiàn)有技術(shù)條件下，信息的輸入輸出以及處理仍然具備不確定性;（2）缺乏實(shí)體支撐的語音，引導(dǎo)性與信息反饋均較弱，同時聽覺記憶性也更差。

3老年人語音交互產(chǎn)品的設(shè)計(jì)分析

語音和視覺結(jié)合的多通道交互形式，無法再用經(jīng)典的界面交互范式（窗口、圖標(biāo)、菜單、點(diǎn)擊設(shè)備）進(jìn)行定義。對于語音交互系統(tǒng)而言，更加需要明確的是：語音交互對象的角色設(shè)定，交互過程中存在的交互模態(tài)、采用的交互命令，以及如何利用界面和語音對信息內(nèi)容進(jìn)行呈現(xiàn)。

3.1角色

角色是一個擬人化的形象，它的作用是提供智能交互的界面隱喻，清晰地訴說智能系統(tǒng)所能實(shí)現(xiàn)的功能，以及其能力的邊界，從而避免用戶不切實(shí)際的期待。此處我們可以將其定義為“網(wǎng)上沖浪助理”，所以它的功能便是引導(dǎo)并協(xié)助老年人完成一系列的上網(wǎng)任務(wù)，如網(wǎng)購、打車、社交聊天、收聽節(jié)目等。

角色另一個很重要的作用是人文關(guān)懷與情感化。目前，每一個開發(fā)智能音箱的公司都會根據(jù)其任務(wù)性質(zhì)賦予該角色一個專屬的喚醒詞，以及特定的音色、音調(diào)和語速。這樣做的目的就是建立情感化的形象，占領(lǐng)用戶心智。如前所述，老年人接入互聯(lián)網(wǎng)的障礙中自我效能低是重要原因之一，因此該系統(tǒng)的語音形象應(yīng)當(dāng)語速較慢、聲音清晰洪亮。

3.2交互模態(tài)

當(dāng)智能系統(tǒng)的交互形式不止一種時，就需要明確其所支持的交互模態(tài)，以及各個交互模態(tài)適用的場景。該智能助理目前支持語音輸入和觸摸輸入，兩者之間有時是獨(dú)立的，比如任務(wù)的開始往往是通過語音喚醒并用語音輸入任務(wù);而有時又是兼容的，比如在多個搜索結(jié)果中進(jìn)行確認(rèn)的環(huán)節(jié)，既可以用觸摸確認(rèn)也可以語音確認(rèn)選擇“第幾個”。

3.3交互命令

對于語音交互模態(tài)，交互命令包括特定的喚醒詞，任務(wù)輸入環(huán)節(jié)中能被識別的關(guān)鍵詞，以及信息確認(rèn)環(huán)節(jié)的瀏覽和選中指令。在學(xué)習(xí)階段，要多主動告知用戶智能助理支持的交互指令和相應(yīng)的功能。對于觸摸交互模態(tài)，交互命令則是一系列點(diǎn)擊、滑動的動作。

3.4信息呈現(xiàn)方式

結(jié)合上文對語音交互與界面交互的優(yōu)劣勢對比，在具體設(shè)計(jì)中，信息呈現(xiàn)方式需要有針對老年群體的適應(yīng)性變化：（1）老年人的視力、聽力退化，信息獲取能力下降，而且不同老年人退化的程度不一。因此，界面的圖片、字體大小應(yīng)當(dāng)支持語音調(diào)節(jié)，并且調(diào)節(jié)后的排版依然適應(yīng)畫面大小。同時，也需要有信息篩選的策略，比如在網(wǎng)購場景下，引導(dǎo)用戶提出更精確的指令，盡量只展示強(qiáng)相關(guān)的搜索結(jié)果，減少信息的冗余度。（2）老年人認(rèn)知反應(yīng)速度較慢，信息確認(rèn)耗時較長。因此，信息輸入與展示上應(yīng)當(dāng)留有比普通智能系統(tǒng)更長的輸入等待時間，更長的信息確認(rèn)時間;（3）老年人的普通話標(biāo)準(zhǔn)程度低，意圖表達(dá)過于口語化。這首先對語音識別的技術(shù)提出了比較大的考驗(yàn)，此外語言本身就有歧義性和多樣性的特點(diǎn)，所以在產(chǎn)品設(shè)計(jì)層面需要更加主動的信息反饋機(jī)制來降低這種不確定性。例如，以排序的方式提供可能的任務(wù)結(jié)果供用戶選擇，并以圖文結(jié)合的方式呈現(xiàn)出來。對于過于模糊的任務(wù)，則可以請求用戶組織語言重新輸入。

4結(jié)語

語音交互與界面交互的“視聽融合”，不僅是下一代智能音箱產(chǎn)品的發(fā)展趨勢，同時也將大大拓寬語音交互的使用人群和使用場景。在語音技術(shù)的能力范圍內(nèi)，設(shè)計(jì)者采取主動的設(shè)計(jì)策略幫助老年人接入互聯(lián)網(wǎng)，不僅可以提高老年人的生活水平和便捷程度，從社會和經(jīng)濟(jì)層面也能挖掘老年群體的消費(fèi)潛力，并大大提高他們的生活自理能力。