自然語言界面：開啟人機交互的全新篇章

自然語言界面：開啟人機交互的全新篇章人機交互界面經(jīng)過幾十年的發(fā)展，人與機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UI發(fā)展簡史首先讓我們回顧一下過去幾十年計算機UI的發(fā)展階段。1.穿孔紙帶（Punchedtape）1940-1960年代，早期的計算機通過穿孔紙向計算機輸入指令，帶孔為1，無孔為0，經(jīng)過光電輸入機將數(shù)據(jù)輸入計算機。由于需要輸入二進制的機器語言，計算機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的使用門檻，個人計算機（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，那就讓機器提供可能的選項，人類只需要通過圖形元素進行選擇。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)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候出現(xiàn)的？最早的自然語言界面可以追溯到20世紀60年代。ELIZA是一個早期的自然語言處理計算機程序，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行人機交互，也是后續(xù)自然語言處理（NLP）技術(shù)研究的一個里程碑。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。4.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交互幾乎不需要學(xué)習(xí)。2.高效率GUI的思路是機器提供可能的選項，讓人類進行選擇。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。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。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)限早期計算機的輸入輸出完全靠機器語言，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，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.自然語言表達不夠精準人與人的交流也常常存在歧義，更別說跟機器交流了，所以自然語言界面不適合做非常精細的操作。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”Dotletmethink“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，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（AIAgent）。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。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。2）數(shù)據(jù)分析Excel擁有強大的數(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?，F(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。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將自動幫你完成PPT的文案、配圖、排版等工