許多人認(rèn)為，自然語(yǔ)言處理和對(duì)話(huà)界面將徹底改變我們與計(jì)算機(jī)的互動(dòng)方式，甚至成為未來(lái)人機(jī)交互的終極形態(tài)。然而，本文將深入探討對(duì)話(huà)式交互是否真的能夠成為AI交互的終極答案。

人機(jī)交互方式，被認(rèn)為是AI時(shí)代最重要的變化之一。

在這個(gè)交互革命的故事里，以對(duì)話(huà)為代表的自然語(yǔ)言被認(rèn)為將取代傳統(tǒng)GUI（圖形界面）的交互方式。原因看上去很簡(jiǎn)單，因?yàn)閷?duì)話(huà)更接近于人類(lèi)現(xiàn)實(shí)世界的溝通方式。

但并不是所有人都這么認(rèn)為的。不久前，國(guó)外一位名叫Julian Lehr的作者，就寫(xiě)了一篇《反對(duì)對(duì)話(huà)式界面（LUI）的理由》文章。

在這篇文章里，作者從數(shù)據(jù)傳輸?shù)囊暯?，詳?xì)闡述了分析人機(jī)交互方式的邏輯，最終得出結(jié)論：語(yǔ)音這種新的交互形態(tài)更多是現(xiàn)有交互形式的補(bǔ)充，并不能完全取代GUI交互。

01 自然語(yǔ)言的第N次革命

每隔幾年，就會(huì)出現(xiàn)一個(gè)耀眼的人工智能新進(jìn)展，科技界人士就會(huì)大呼“就是它了！下一個(gè)計(jì)算范式來(lái)了！以后我們只會(huì)用自然語(yǔ)言了！”。

但之后一切實(shí)際上都沒(méi)發(fā)生改變，我們?nèi)匀幌褚郧耙粯邮褂糜?jì)算機(jī)，直到幾年后這場(chǎng)爭(zhēng)論再次浮出水面。

什么是B端产品经理？和C端产品经理有什么区别？

B端产品经理中的B是Business，商业的意思，B端产品经理首先就要理解这个职位的重要性，要设计出更适合这个项目需求的产品方案，B最终产品经理在日常工作中...

查看详情 >

我們已經(jīng)經(jīng)歷過(guò)幾次這樣的周期：虛擬助手（Siri）、智能揚(yáng)聲器（Alexa、Google Home）、聊天機(jī)器人（“對(duì)話(huà)商務(wù)”）、AirPods即平臺(tái)，以及最近的大型語(yǔ)言模型。

不知道為什么大家都會(huì)對(duì)對(duì)話(huà)很癡迷?；蛟S是人們看到“自然語(yǔ)言”這個(gè)詞，就會(huì)想：“好吧，如果它是自然的，那它一定是合乎邏輯的最終狀態(tài)?！?/p>

但我告訴你，事實(shí)并非如此。

02 自然語(yǔ)言，一種數(shù)據(jù)傳輸機(jī)制

當(dāng)人們說(shuō)“自然語(yǔ)言”時(shí)，他們指的是書(shū)面或口頭交流。自然語(yǔ)言是人類(lèi)之間交換思想和知識(shí)的一種方式。換句話(huà)說(shuō)，它是一種數(shù)據(jù)傳輸機(jī)制。

在數(shù)據(jù)傳輸機(jī)制里，有兩個(gè)關(guān)鍵因素：速度和損耗。

速度決定了數(shù)據(jù)從發(fā)送方傳輸?shù)浇邮辗降乃俣?，而損耗則是指數(shù)據(jù)傳輸?shù)臏?zhǔn)確性。理想情況下，數(shù)據(jù)傳輸能以最高速度（即時(shí)）和完美保真度（無(wú)損）進(jìn)行，但這兩個(gè)屬性通常需要權(quán)衡。

那么，自然語(yǔ)言在速度上表現(xiàn)如何呢？

需要指出的是，這些數(shù)據(jù)點(diǎn)只是非常簡(jiǎn)化的平均值。這張表格中重要的部分并非單個(gè)數(shù)字的準(zhǔn)確性，而是整體模式：我們接收數(shù)據(jù)（閱讀、聆聽(tīng) ）的速度明顯快于發(fā)送數(shù)據(jù)（寫(xiě)作、說(shuō)話(huà)）。這就是為什么我們可以以2倍速收聽(tīng)播客，但不能以2倍速錄制。

為了更好地理解書(shū)寫(xiě)和說(shuō)話(huà)的速度，我們以每分鐘1000-3000個(gè)單詞的速度形成思維。自然語(yǔ)言雖然很自然，但它卻是一個(gè)瓶頸。

然而，想想你與他人的日?；?dòng)，你會(huì)發(fā)現(xiàn)大多數(shù)交流都感覺(jué)非?？旖莞咝?。這是因?yàn)樽匀徽Z(yǔ)言只是我們眾多可用的數(shù)據(jù)傳輸機(jī)制之一。

比如，與其說(shuō)“我覺(jué)得你剛才說(shuō)的主意很棒”，我不如直接豎起大拇指，或者點(diǎn)點(diǎn)頭，或者干脆笑一笑。

手勢(shì)和面部表情實(shí)際上是一種數(shù)據(jù)壓縮技術(shù)。它們以更緊湊但損耗更大的形式對(duì)信息進(jìn)行編碼，以便更快、更方便地傳輸。

自然語(yǔ)言非常適合需要高保真度的數(shù)據(jù)傳輸（或作為異步通信的數(shù)據(jù)存儲(chǔ)機(jī)制），但只要有可能，我們就會(huì)切換到其他更快捷、更省力的溝通方式。因?yàn)樗俣群捅憬萦肋h(yuǎn)信息交互中，最重要的事情。

我最喜歡的真正輕松溝通的例子，是我對(duì)祖父母的記憶。在早餐桌上，我的祖母從來(lái)不用開(kāi)口要黃油——我的祖父似乎總是會(huì)下意識(shí)地把黃油遞給她，因?yàn)榻Y(jié)婚五十多年后，他能感覺(jué)到祖母要黃油了，他們就像心靈感應(yīng)一樣。

這就是我想要與我的計(jì)算機(jī)建立的關(guān)系類(lèi)型。

03 為什么對(duì)話(huà)不是最佳答案？

與人與人之間的交流類(lèi)似，人與計(jì)算機(jī)之間也存在不同的數(shù)據(jù)傳輸機(jī)制來(lái)交換信息。在計(jì)算機(jī)發(fā)展的早期，用戶(hù)通過(guò)命令行與計(jì)算機(jī)交互。這些基于文本的命令實(shí)際上是一種自然語(yǔ)言界面，但需要精確的語(yǔ)法和對(duì)系統(tǒng)的深入理解。

GUI（圖形用戶(hù)界面）的引入主要解決了一個(gè)發(fā)現(xiàn)問(wèn)題：無(wú)需記住確切的文本命令，現(xiàn)在可以通過(guò)菜單和按鈕等可視化元素導(dǎo)航和執(zhí)行任務(wù)。這不僅讓操作變得更容易，也更加便捷：點(diǎn)擊按鈕比輸入長(zhǎng)文本命令更快。

今天，我們生活在一個(gè)將圖形界面與基于鍵盤(pán)的命令相結(jié)合的生產(chǎn)力平衡中。

我們?nèi)匀皇褂檬髽?biāo)來(lái)導(dǎo)航并告訴計(jì)算機(jī)下一步做什么，但日常操作通常以快速鍵盤(pán)按下的形式來(lái)傳達(dá)：? b將文本格式化為粗體，? t打開(kāi)新選項(xiàng)卡，? c / v快速將內(nèi)容從一個(gè)地方復(fù)制到另一個(gè)地方，等等。

然而，這些快捷方式并非自然語(yǔ)言。它們是另一種形式的數(shù)據(jù)壓縮。就像豎起大拇指或點(diǎn)頭一樣，它們幫助我們更快地溝通。

現(xiàn)代生產(chǎn)力工具將這些數(shù)據(jù)壓縮快捷方式提升到了一個(gè)新的高度。在Linear、Raycast或Superhuman等工具中，每個(gè)命令都只需按一下鍵即可完成。

一旦建立了肌肉記憶，數(shù)據(jù)輸入就會(huì)變得毫不費(fèi)力。這幾乎就像在早餐桌上有人遞上黃油，而無(wú)需開(kāi)口索要一樣。

觸控界面被認(rèn)為是人機(jī)交互進(jìn)化史上的第三個(gè)關(guān)鍵里程碑，但它一直以來(lái)都更多地是對(duì)桌面計(jì)算的增強(qiáng)，而非替代。智能手機(jī)非常適合“遠(yuǎn)離鍵盤(pán)”的工作流程，但重要的生產(chǎn)力工作仍然在桌面上進(jìn)行。

這是因?yàn)槲谋静⒎且苿?dòng)設(shè)備原生的輸入機(jī)制。

實(shí)體鍵盤(pán)感覺(jué)就像身心自然延伸，但在手機(jī)上打字總是有點(diǎn)不方便——這體現(xiàn)在數(shù)據(jù)傳輸速度上：移動(dòng)設(shè)備上的平均打字速度僅為每分鐘36個(gè)字，明顯低于桌面設(shè)備上每分鐘約60個(gè)字的速度。

我們已經(jīng)能夠用移動(dòng)設(shè)備專(zhuān)用的數(shù)據(jù)壓縮算法（例如表情符號(hào)或Snapchat自拍）取代自然語(yǔ)言，但我們從未找到過(guò)與鍵盤(pán)快捷鍵相當(dāng)?shù)囊苿?dòng)端應(yīng)用。

想想看，為什么iPhone推出近20年后，我們?nèi)匀粵](méi)有一款真正以移動(dòng)為先的生產(chǎn)力應(yīng)用？

你可以會(huì)說(shuō)，語(yǔ)音為什么不會(huì)取代文本？

從數(shù)據(jù)上看，語(yǔ)音信息的使用量正在增加。

雖然說(shuō)話(huà)（每分鐘150字）確實(shí)比打字（每分鐘60字）傳輸數(shù)據(jù)更快，但這并不意味著它就是一種更好的與計(jì)算機(jī)交互的方式。

過(guò)去我們總認(rèn)為，Alexa或Siri這樣的語(yǔ)音界面之所以失敗，是因?yàn)锳I不夠智能。但這只是故事的一半。

交互的核心問(wèn)題從來(lái)不是輸出功能的質(zhì)量，而是輸入功能的不便：

像“嘿，谷歌，今天舊金山的天氣怎么樣？”這樣的自然語(yǔ)言提示，比直接點(diǎn)擊主屏幕上的天氣應(yīng)用要花10倍的時(shí)間。

大模型（LLM）并不能解決這個(gè)問(wèn)題。它們的輸出質(zhì)量正在以驚人的速度提升，但輸入方式卻與我們現(xiàn)有的相比大相徑庭。我明明可以直接按個(gè)按鈕或鍵盤(pán)快捷鍵，為什么還要用自然語(yǔ)言描述我想要的操作呢？直接遞給我黃油就行了。

04 對(duì)話(huà)式UI，更像是現(xiàn)有交互的增強(qiáng)

這并不是說(shuō)大模型不好。事實(shí)上，這篇文章就是在大模型幫助下完成的。

但與典型的人機(jī)指令不同，與大模型的交互更像是一次真誠(chéng)、深入的對(duì)話(huà)和思想交流。在這種特殊的工作流程里，交互的速度并不是最重要的因素。

值得注意的是，ChatGPT開(kāi)辟了一個(gè)新的應(yīng)用場(chǎng)景，而沒(méi)有取代現(xiàn)在其他的軟件。

這就是我的核心論點(diǎn)：對(duì)話(huà)界面的不便性和較差的數(shù)據(jù)傳輸速度，使得它們不太可能取代現(xiàn)有的交互模式，他只是對(duì)現(xiàn)有計(jì)算交互的一個(gè)補(bǔ)充。

讓我印象比較深刻的對(duì)話(huà)式交互的應(yīng)用案例是，在一次黑客馬拉松比賽中，個(gè)團(tuán)隊(duì)將亞馬遜Alexa改造成了《星際爭(zhēng)霸II》的游戲內(nèi)語(yǔ)音助手。語(yǔ)音沒(méi)有取代鼠標(biāo)和鍵盤(pán)，而是作為一種額外的輸入機(jī)制，增加了數(shù)據(jù)傳輸?shù)膸挕?/p>

你會(huì)發(fā)現(xiàn)，同樣的模式適用于任何類(lèi)型的知識(shí)型工作，當(dāng)你忙于其他事情時(shí)，語(yǔ)音命令就成了一種便捷的交互方式。

我們不會(huì)用聊天界面取代Figma、Notion或Excel，也不需要在這些工具和大模型之間頻繁切換。

相反，AI應(yīng)該充當(dāng)一個(gè)始終在線(xiàn)的命令元層，可以調(diào)用所有工具。用戶(hù)應(yīng)該能夠通過(guò)簡(jiǎn)單的語(yǔ)音提示從任何地方觸發(fā)操作，而無(wú)需中斷當(dāng)前正在使用鼠標(biāo)和鍵盤(pán)的操作。

要實(shí)現(xiàn)這一點(diǎn)，AI需要在操作系統(tǒng)層面發(fā)揮作用。它不僅是單一工具的界面，而是跨工具的界面。

正如Kevin Kwok寫(xiě)道：“生產(chǎn)力和協(xié)作不應(yīng)是兩個(gè)獨(dú)立的工作流程。”雖然他指的是人與人之間的協(xié)作，但在人與人工智能協(xié)作的世界里，這句話(huà)更加貼切，因?yàn)樯a(chǎn)力和協(xié)作之間的界限正變得越來(lái)越模糊。

我們要做的的第二件事是。如何壓縮語(yǔ)音輸入以加快傳輸速度。

比如，在語(yǔ)音交互里，什么話(huà)相當(dāng)于豎起大拇指或鍵盤(pán)快捷鍵？或許我能用簡(jiǎn)單的聲音和口哨更快地提示克勞德嗎？ChatGPT是否應(yīng)該有權(quán)訪(fǎng)問(wèn)我的攝像頭，以便它能夠根據(jù)我的面部表情實(shí)時(shí)更改答案？

畢竟，作為輔助界面，速度和便利性才是最重要的。

05 總結(jié)

我并不是反對(duì)對(duì)話(huà)界面，而是反對(duì)將其作用過(guò)度夸大。

我們花了太多時(shí)間思考人工智能如何替代（界面、工作流程和工作），卻很少思考它如何補(bǔ)充。

從過(guò)去看，技術(shù)的進(jìn)步很少遵循簡(jiǎn)單的替代路徑。它往往開(kāi)啟了全新的、前所未有的事物，而不僅僅是取代之前的一切。

這一點(diǎn)也在A(yíng)I上也同樣適用。未來(lái)，聊天界面并不是要取代現(xiàn)有的計(jì)算范式，而是要增強(qiáng)它們，使人機(jī)交互變得輕松自如。