自然語言界面：開啟人機(jī)交互的全新篇章

自然語言界面：開啟人機(jī)交互的全新篇章人機(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(huì)為人機(jī)交互帶來哪些新的變化，它會(huì)成為下一代主流的用戶界面嗎？本文將從計(jì)算機(jī)UI的發(fā)展簡(jiǎn)史出發(fā)，對(duì)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(chǎng)景和發(fā)展方向。一、計(jì)算機(jī)UI發(fā)展簡(jiǎn)史首先讓我們回顧一下過去幾十年計(jì)算機(jī)UI的發(fā)展階段。1.穿孔紙帶（Punchedtape）1940-1960年代，早期的計(jì)算機(jī)通過穿孔紙向計(jì)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(jì)算機(jī)。由于需要輸入二進(jìn)制的機(jī)器語言，計(jì)算機(jī)在這個(gè)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(jì)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(jì)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(jì)算機(jī)的使用門檻，個(gè)人計(jì)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(duì)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(gè)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(xiàng)，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(jì)算機(jī)和各類消費(fèi)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)1.什么是自然語言界面？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)。2.自然語言界面是什么時(shí)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(gè)早期的自然語言處理計(jì)算機(jī)程序，由麻省理工學(xué)院的JosephWeizenbaum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(duì)話，也就是說它通過檢測(cè)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(gè)里程碑。3.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(gè)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?cè)隗w驗(yàn)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(gè)表述方式它們就聽不懂了，所以這個(gè)階段的自然語言界面更多是作為一種輔助交互方式。4.大語言模型（LLM）ChatGPT于2022年底開放測(cè)試，不到一年時(shí)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(shí)現(xiàn)了NLP技術(shù)的階段性跨越，AI對(duì)自然語言的理解能力大幅提升，不僅能模仿人類對(duì)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(shì)那么，自然語言界面相比傳統(tǒng)圖形界面又有什么優(yōu)勢(shì)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(jì)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(xiàng)，讓人類進(jìn)行選擇。但復(fù)雜產(chǎn)品可能有幾百上千個(gè)選項(xiàng)，即便設(shè)計(jì)師努力按照最合理的邏輯整理、收納這些選項(xiàng)，用戶仍需要花大量時(shí)間精力尋找、理解、記憶這些選項(xiàng)。1）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(gè)功能中找到那一個(gè)功能都如此困難，對(duì)于需要用到多個(gè)“選項(xiàng)”組合操作才能實(shí)現(xiàn)的效果，那確實(shí)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(huì)直接實(shí)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(jì)師也無需煞費(fèi)苦心設(shè)計(jì)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。2）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(shí)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(jì)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(jì)算機(jī)，但同時(shí)我們也被其限制了。美間站點(diǎn)：以”美間“為例，美間站點(diǎn)有大量的海報(bào)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(gè)維度篩選。如果我想找出10月份用戶點(diǎn)擊最高的10個(gè)節(jié)氣海報(bào)模板，那對(duì)不起，辦不到，不是因?yàn)槲覀儧]有這個(gè)數(shù)據(jù)，而是我們沒有提供個(gè)“選項(xiàng)”，通過SQL或者其他語言查詢數(shù)據(jù)庫(kù)就可以獲取到。但如果美間的數(shù)據(jù)庫(kù)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(kù)能提供的內(nèi)容，因?yàn)楝F(xiàn)在LLM已經(jīng)會(huì)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(jì)算機(jī)和數(shù)據(jù)庫(kù)的價(jià)值。四、自然語言會(huì)不會(huì)取代圖形界面？自然語言界面這么強(qiáng)大，那它會(huì)不會(huì)取代圖形界面呢？答案是不會(huì)，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(gè)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(shí)間相比通過GUI直接對(duì)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(shí)間，帶來更高的試錯(cuò)成本，某些場(chǎng)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(huì)反問：”哪個(gè)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(jiǎn)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?jiǎng)幽X子，這顯然與我們追求的”Dotletmethink“原則相違背。美間海報(bào)：以美間海報(bào)場(chǎng)景為例，美間支持”AI生成“和”模板再創(chuàng)作“兩種海報(bào)創(chuàng)作方式。這兩種方式分別有各自的使用場(chǎng)景。如果用戶需要一張?jiān)┳８：?bào)，對(duì)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(gè)性化的海報(bào)方案。例如：”生成一張?jiān)┕?jié)日海報(bào)，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(duì)于更多用戶來說，描述一個(gè)海報(bào)畫面是困難的，大部分用戶只需要一個(gè)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(bào)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(huì)取代圖形界面，它們更多會(huì)融合互補(bǔ)，在各自的擅長(zhǎng)領(lǐng)域發(fā)光發(fā)熱。未來常見的用戶工作流將會(huì)是：NLI發(fā)散-GUI收斂，先使用NLI得到一個(gè)大概結(jié)果，再通過GUI完成確認(rèn)或調(diào)整。美間AI海報(bào)：美間AI海報(bào)就是這樣的設(shè)計(jì)思路：基于自然語言輸入生成若干結(jié)果，選擇一個(gè)滿意的方案再二次編輯。六、NLI還有哪些應(yīng)用場(chǎng)景？自然語言界面還有哪些應(yīng)用場(chǎng)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（AIAgent）。11月15日的微軟Ignite大會(huì)上，CEO納德拉向我們展示了Copilot最新的形態(tài)：一個(gè)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(dòng)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。1）CopilotStudioCopilotStudio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(chǎng)景的定制化需求。讓Copilot鏈接企業(yè)財(cái)務(wù)系統(tǒng)，你可以隨時(shí)問它各類財(cái)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(dòng)化執(zhí)行復(fù)雜的業(yè)務(wù)流程，比如辦理新員工入職、費(fèi)用報(bào)銷等。2）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?yàn)楦唠A的函數(shù)、宏等功能對(duì)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(shí)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。3）AIGCAIGC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(dòng)幫你完成PPT的文案、配圖、排版等工