AI是一切的基礎：也來談談交談式人機介面／Daniel Eckler
交談式操作介面（Conversational User Interface，CUI）的普及，讓人與電腦之間的溝通變得更加容易。可是……
交談式操作介面的過去與現在
如果您的年紀還不到30歲，可能會發現從前電腦操作方式，其實更像是現在電影裡面的駭客場景：
現在大家比較熟悉的電腦操作介面，是所謂的「圖形介面」（Graphical User Interface，GUI），由Xerox、Apple、以及微軟在1980年代推廣普及。更早期的電腦上只有文字模式，必須在類似上圖中的畫面上，以雙手輸入有如密碼般的指令，才有辦法跟電腦溝通。
GUI的出現，讓電腦操作更加人性而友善，也讓一般人都能輕鬆上手；目前不僅電腦，幾乎所有的個人運算設備都使用了這樣的介面。
廣義來說，GUI在多年的進化之後，雖然變得更加好用、視覺上也更賞心悅目，但並不是沒有潛在的問題；有些像是訂機票、或是訂餐廳座位的線上系統，就充斥著前後體例不一致的文字塊、下拉選單、以及位置不佳的按鈕等令人頭大的不良設計。
此外，再加上各種各樣的行動設備，它們的螢幕空間已經有限，如果再加上不良的GUI設計、要在8個畫面上點20次螢幕才能完事，很可能會把原本2分鐘就可以訂好位的過程，變成20分鐘的內心煎熬；甚至可能有人會覺得，直接翻電話簿可能還簡單一點。
現在，讓我們來考慮一下替代方案：如果可以在手機上輸入類似「下午 7 點 @Momofuku 訂 5 位」這樣的指令，會不會更方便？
編按：其實以文字輸入類似自然語言的句子，讓電腦在解析內容之後執行指令的操作方式，在1993年的蘋果Newton PDA上就已經出現了。
例如以英文輸入「明天中午跟阿花在xx餐廳吃飯」，系統就會知道明天的日期（因為當然知道今天的日期）、知道「中午」指12點、知道阿花指的是哪位（除非通訊錄中有多位阿花待選）、餐廳電話幾號（如果通訊錄中有）。
如此一來，系統在辨識這個短句之後，就會在行事曆中自動加上提醒記錄，稍後使用者也可以在行事曆中查詢阿花和餐廳的電話號碼，以便聯絡（抱歉，當時Newton還不能打行動電話、也沒有Web上網，所以只能這樣了）。
https://www.youtube.com/watch?v=f2Yliy_WUBQ
這就是最近正要開始興起的「CUI交談介面」；與其在設計不佳的介面上拼命又點又滑，還不如用這種方式和電腦溝通更加簡單明瞭。
在亞洲，許多人又會有不一樣的體驗；例如在中國相當流行的「微信」（WeChat）傳訊軟體，就將許多個西方出品商務app功能整合在一起。反過來說，許多原本應該會自己推出app或行動網站的商家，都選擇把服務放在微信之中。
事實上，許多中國的新創服務會直接在微信中起步，如此一來，就可以在這個傳訊工具中直接和顧客即時溝通。
如果微信是在西方國家，大概就會長成這個樣子：
目前有許多即時傳訊平台，都開始多方運用各種媒體、並且充分運用介面的功能設計；在這些平台上，開發者可以製作各種依附在上面的小型應用，以便提供諸如媒體播放器、遊戲、小額付款、以及攝影等功能。
在北美地區，一些像是Operator這樣的公司已經開始透過CUI提供服務；使用者基本是以文字提出需求，但也可以透過視覺媒體和一些基本指令來和系統溝通。
CUI最吸引人的地方，在於讓系統可以用對話方式來接收指令、提供服務；雖然目前大多數CUI都是顧客和服務人員之間的真人對話，但人工智慧將會逐漸介入這個領域。
編按：請參閱〈我和語音機器人的第三類接觸〉一文，以及作者Evonne Wu的聊天介面開發筆記。
在理想狀況下，以後我們將可以和機器人聊自己的內心世界，而不只是聊有興趣的產品。蘋果的Siri語音功能是個好的開始，但目前我們還只是「對她說話」，而不是「跟她交談」。
在科技能夠理解像是臉部表情、說話語調、以及身體語言之類，在溝通過程中必定會發生的微妙角度之前，文字指令是更能讓人工智慧發揮的領域；或許還不像電影「雲端情人」之中，人和系統還可以談戀愛交心那麼浪漫，但文字指令算是已經在往那個方向邁進了。
[embed]https://www.youtube.com/watch?v=WzV6mXIOVl4[/embed]
模仿遊戲
科學家圖靈（Alan Turing）很早就知道，要機器能辨識、甚至模仿人類在對話中常見的微妙動作，是相當困難的； 所以，他在設計「模仿遊戲」，也就是探討機器是否能模仿人的實驗時，在這方面就給了機器比較大的空間。
現在較常被稱為「圖靈測試」（Turing Test）的這個實驗中，有A（電腦）、B（人類）、C（人類）三方共同參與；透過一系列寫成文字的問題與答案，C必須判斷出A和B之中哪個是人類、哪個是電腦。
圖靈認為，如果C在70%的對答中被電腦騙過，那就表示電腦已經有了智慧能力。
當然，在進行這個實驗的1950年代，電腦還沒有現今的語音能力，所以早期的實驗都是透過文字模式來進行的；在之後的65年之中，這個實驗依當時的科技，以各種不同的形式進行了許多次，但想要證實的核心問題還是一樣的：電腦能透過對話過程，讓我們誤以為它是人類嗎？
早期Eliza人工智慧系統的影響
早期的這類實驗之一，包括由麻省理工學院教授Joseph Weizenbaum在1966年設計的「Eliza」（參考文章）；透過電傳打字機，使用者可以和這個以文學家蕭伯納作品《賣花女》主角Eliza Doolittle命名的程式交談。
Weizenbaum開發這個程式的基礎，是所謂的「個人中心治療」（Rogerian Psychotherapy）。這種療法是透過治療師以同理心詢問語氣較為被動、並且具有引導性質的問題來進行，在過程中不需要太多交談、對於談論的話題本身也不需要很深入的知識。
當使用者輸入一個句子之後，Eliza會搜尋諸如「媽媽」、「頭痛」、「家庭」之類的關鍵字，然後從龐大的資料庫中找出適當的句子來回應；如果在句子裡搜尋不到關鍵字，則會以一句普通的回應來讓對話繼續進行。
雖然Eliza淺薄的對話能力，往往在短時間內就會露出馬腳，但它具有親和力、而且被動回答的本質，一開始就廣受大眾喜愛；而設計者的一些同事和學生，甚至對它產生了強烈的情感連結。
「雖然我的秘書已經跟著我進行這個計畫一段時間，所以當然知道它只是個電腦程式，但她卻開始跟Eliza對話；而且在只有問答幾句之後，秘書就請我先離開電腦房一下。」
如同前面這段所描述的，Weizenbaum發現了一件傷腦筋的事情：人們雖然很清楚Eliza只是機器，但卻把它當作一個有智慧、而且關心他們的談話對象。現在，這個狀況被稱作「Eliza效應」；雖然被這個效應影響的案例，並非都像這位秘書那麼極端（至少他們多半沒有要求和電腦獨處），但這個結果後來卻讓Weizenbaum成為人工智慧的長期批評者。
然而，「Eliza效應」也證明了即使只是機器（在這個案例中是一部電傳打字機），如果再加上一些很基本的人性因素，也可以和人類建立一種發自內心的關係。
也就是說，只要一個很基本的對談程式，就可以把一套鍵盤和螢幕提升到接近人類的地位。
只要一點點人性元素，機器也可以和人交心。
雖然Eliza已經可以影響和它互動的人類，但它還缺少一些東西，其中最重要的是關於「情緒」和「美學」的智慧。如果我們回頭看圖靈的「模仿遊戲」，就會發現它和很多遊戲場合「男生假裝自己是女生」的玩法有異曲同工之妙。
這個遊戲的核心理念，其實就是所謂的「同理心」；如果你想讓別人相信自己是另一種性別，最好的方法就是先想著自己是那個性別、對那個性別的生活經驗產生同理心，最後才是盡可能模仿它的行為模式。
跟過去相比，現代Eliza們在技術面的進步已經不可以道里計；它們可以跟人交談好一段時間才被識破、或是達到極限。雖然它們使用的演算法已經相當先進，但卻可能完全不「理解」自己正在聽、或是正在說的話。最能證明這一點的，就是所謂的「中文房間實驗」（Chinese Room Experiment）。
在這個理論中，一位完全不懂中文的人被放在封閉的房間裡，透過一份指引資料，試圖回答從牆上小洞遞進來的中文問題。雖然這場對話從技術上看、或是從結果上看都是正確的，但房間裡的人對於交談內容到底是什麼，其實完全沒有概念。
編按：對於我們中文使用者來說，這一段影片的內容特別有趣，值得一看。影片中「懂中文」的出題者其實中文程度也不怎麼樣，但房間裡的人正因為完全不懂中文，所以對於有錯字的題目反而展現了「容錯能力」。
因為「上」和「不」長得有點像，所以光看字形還是可以找到差不多的答案；至於這兩個字在意義上的不同，對不懂中文的人或系統來說，是沒有意義的。在這類狀況下，「不懂」反而成了優點。
https://youtu.be/D0MD4sRHj1M
所以，人工智慧要克服的最後一個關卡，可能並不是圖靈所說的「騙過人類的能力」，而是如何理解接收到的資訊、進而產生出同理心的能力。在以下的影片中，人工智慧程式雖然可以進行一場似乎有意義的對話，但最後的答案卻暴露出它並不太瞭解對話內容的事實：
https://youtu.be/W0_DPi0PmF0
讓科技人性化
雖然科技圈已經有一整個領域在研究這個主題，但產業界卻是實際把這些研究加以利用、變成日常產品的重要推手。
「Amy」是一個目的非常簡單的應用軟體，主要功能就是幫你編排和管理每天的會議行程，特色則是「非常有人性」；要啟用它的功能，只需把電子郵件cc一份給它（就跟平常把信cc給助理一樣），它就知道該怎麼做了。
因為Amy可以連結你的行事曆，所以它知道你什麼時間有空；它也知道你最常用的開會場地，但如果你找到新的會議室，也可以寫封email告訴它。不過Amy最人性的一面，在於它可以在你的同意之下，接手處理後續的聯繫工作。
如您所見，Amy不只是個聊天機器人而已，它可以保留關於前次會議的資訊、並且用於對下次會議提出建議；它可以獨立運作到一定程度、也可以做出幾年前只有人類能做的「總結」。隨著CUI的進步、並且開始理解我們的行為模式， 人機之間的互動內容將會更加細緻。
諸如Google、Facebook、以及Amazon等大公司，都已經對我們在網路上、以及市場上的行為模式相當瞭解，但CUI對我們的認識將會比這些服務商更加深刻。
推動人工智慧技術進步的火車頭，是所謂的「深度學習」（deep learning）；它的核心價值，在於透過工程師匯入巨量資料、並且微調系統的回應方式，來教導軟體辨識複雜型態的聲音、影像、以及其他資訊。
這項技術最知名的應用，是IBM的「Watson」系統；Watson不僅曾在美國的電視遊戲節目中獲得總冠軍，現在甚至進步到可以協助醫師進行看診和處方。
https://youtu.be/lI-M7O_bRNg
CUI感謝您的耐心等待
目前為止，我們已經討論了CUI未來可能如何改變人機之間的溝通方式；而我們接下來要看的，則是（尤其在現今的形式之下）可能浮現的缺點。
在上面的例子裡，原本應該是跟電腦之間的輕鬆對話，卻成了必須一一執行的待辦事項，只是電腦會幫你排好順序而已；與其如此，還不如直接自己處理掉就好，系統幫不幫忙似乎沒有什麼差別。
雖然做這套系統的公司要我們用的，也可以算是某種CUI，但是這個文字介面系統如果做成GUI圖形介面，其實也差不了多少；然而，「在手機上按號碼」這件事情，跟真正的CUI其實還有點距離。
即使可以說是目前最先進CUI的蘋果Siri語音介面，也還是有不少缺點；例如在餐廳訂位、食譜、以及導航等用途上，Siri對於話題中的細節仍然沒有任何敏銳度。在一些知名案例中，它曾經指引一位企圖自殺的人去買槍，也曾經告訴一位憂心的媽媽，她女兒的性侵事件「那不是問題」（下圖）。
以文字模式進行的溝通，當然還有很大的進步空間，而未來的語音辨識功能或許也能感受到語調的變化、進而針對其中的情緒細節做出適當回應，但像是身體語言或臉部表情方面可能都還沒有辦法。
也就是說，即使是未來的溝通介面，純文字模式仍然會佔著重要的角色。雖然CUI有著相當大的潛力，但重點在於必須搭配成熟的人工智慧技術，才能進入下一個實用階段。
人工智慧會更懂人
理論上來說，隨著人工智慧技術的進步，未來我們將有更多和機器溝通的途徑，包括文字、語音、圖形介面、體溫、以及其他跟環境或使用者個人偏好相關的方式；或許未來的機器會更瞭解我們更深，深到你眉毛一揚，它就知道你要什麼。
未來我們將有更多和機器溝通的途徑：文字、語音、圖形、甚至體溫。
舉例來說，以後我希望可以不用拿出手機發簡訊，向智慧家庭系統報告「我回來了」，而是系統應該能感應我快要到家、在到家的時候認出我的臉、並且在我手握門把的瞬間把鎖解開；如果不嫌太自我膨脹的話，希望門還可以自動打開迎接我的駕到。
現今的流行文化，也已經逐漸把這些發展融入作品之中；例如前面提過的電影「雲端情人」，只憑一聲嘆息就知道主角和媽媽之間的關係、只憑對話中的一個停頓就能解讀情緒。如果未來這些都能成真，或許代表著機器從小動作中辨識人類感性的能力，遲早會超過人類本身。
然而，現在要預測這些介面能做到什麼程度、以及會變成什麼樣子，還稍嫌早了一點；但已經有專家開始進行關於情緒資料的研究和應用。透過偵測使用者身體和行為狀況的被動感應器，電腦將會以擬人的方式逐漸累積這些資訊、並且嘗試解讀。
例如有些攝影機已經可以捕捉人類的表情、姿態、以及手勢，而麥克風和其他錄音設備則能偵測到演講中的細微轉折；同時，能偵測體溫和心跳變化的醫療器材早已存在。
總而言之，人工智慧是把這些要素串連起來的關鍵技術；它也將會讓機器在適當的時候做出正確的回應，讓我們能和機器在更深刻的層面上彼此交心。
https://youtu.be/a38EiBwJlXE