Spotkaliśmy się z Gilesem Colborne'em, współzałożycielem i dyrektorem generalnym cxpartners. Autorem jest Colborne, jedna z wiodących na świecie niezależnych firm konsultingowych zajmujących się projektowaniem doświadczeń Proste i użyteczne, książka na temat prostoty skierowana specjalnie do projektantów interakcji.
Co zostanie po szumie chatbota? Kto / co przeżyje?
Giles Colborne: Problem z szumem polega na tym, że prowadzi on ludzi do publikowania rzeczy bez rozróżniania, czy jest to dobre, czy nie, i zachęca ludzi do zakładania, że wszystko jest możliwe, więc szaleńczo przesadzają. Ta sama historia dotyczy każdej nowej lub powstającej technologii.
Więc po szumie spodziewam się kilku dobrych, solidnych, prostych, solidnych przykładów i wzorców, na których będziemy powoli budować bardziej złożone doświadczenia. Wspaniale jest słuchać szumu i marzyć, ale jeśli tworzysz system, na którym ludzie mogą polegać, nie powinieneś bać się zrobienia czegoś prostego i funkcjonalnego.
Myślę, że w przypadku każdego systemu, który opiera się na uczeniu maszynowym (a wiele interfejsów języka naturalnego opiera się na uczeniu maszynowym), ludzie posiadający duże zbiory danych będą mieli przewagę. Chciałbym mieć nadzieję, że nie zmieni się to w blokadę platformy.
We wczesnych latach internetu konsumenckiego uniknęliśmy blokady platformy dzięki sieci, która miała otwartą specyfikację, z której każdy mógł korzystać. Trudno dostrzec, że tym razem coś takiego się wydarzy - może zajść potrzeba wprowadzenia prawodawstwa. Ale wszystko to prawdopodobnie jest jeszcze za lata.
- Jak zaprojektować chatbota
Jakie są zalety chatbotów i konwersacyjnych interfejsów użytkownika?
GC: Po pierwsze, powinienem rozróżnić chatboty i konwersacyjne interfejsy użytkownika oraz pełne interfejsy języka naturalnego (NLI). Chatboty czasami proszą użytkownika o wybranie jednej z wielu możliwych odpowiedzi - podobnie jak w okropnych systemach IVR, które sortują rozmowy głosowe na liniach telefonicznych („wciśnij 1, aby zapytać o saldo, 2, aby zadzwonić do obsługi klienta”). PIP umożliwiają wpisanie odpowiedzi w swoim języku, a następnie udzielenie odpowiedzi na jej podstawie. Bardziej interesują mnie PIP i na tym się skupiam.
W PIP podoba mi się to, że prawie nie trzeba się uczyć o interfejsie użytkownika. Aplikacje takie jak Facebook Messenger należą obecnie do najczęściej używanych aplikacji na smartfony. Interfejs użytkownika jest prosty, a idea, która się za nim kryje, jest łatwa do zrozumienia. Dlatego tworzenie usług w oparciu o ten znajomy, szeroko używany interfejs wydaje się dobrym pomysłem - o ile same usługi są łatwe w użyciu.
Co więcej, jeśli potrafisz zbudować interfejs, który działa na czymś naprawdę podstawowym, takim jak SMS, będzie on działał w programie Facebook Messenger, WhatsApp lub innej platformie czatu - więc masz obietnicę, że możesz zwiększyć swój zasięg.
Preferowanie usług typu czat rośnie, gdy patrzysz na młodszych odbiorców. Dorastali w mediach społecznościowych i wydaje się, że wolą wchodzić w interakcje z tego rodzaju usługami niż telefon lub e-mail. Ale oczywiście jest to interfejs z natury dostępny dla osób z wadami wzroku lub słuchu i łatwy do zrozumienia dla użytkowników w każdym wieku.
Fascynuje mnie jednak to, że interfejsy języka naturalnego oznaczają, że możemy projektować systemy, które wydają się bardziej ludzkie. Rozmowa międzyludzka ma wiele interesujących cech, z którymi borykają się graficzne interfejsy użytkownika.
Na przykład, jeśli prosisz osobę o pomoc w znalezieniu czegoś, na przykład biletu lotniczego, często zaczynasz od dość niejasnego opisu i powoli skupiasz się na kilku dobrych wyborach. W tej chwili możemy to zrobić w interfejsach wyszukiwania fasetowego, ale ludzie mają trudności z ich efektywnym wykorzystaniem - szczególnie na małych ekranach. To, co zwykle pojawia się na małych ekranach, to seria menu, w których można przejść do szczegółów. To może wydawać się niezgrabne lub zagmatwane. Interfejsy języka naturalnego mogą to ominąć.
Wreszcie, kolejna fala komputerów nie dotyczy laptopów ani telefonów komórkowych - chodzi o środowiska pełne inteligentnych urządzeń, które Cię znają i wchodzą w interakcje z Tobą. Nie chcesz mieć ekranu dotykowego na każdym urządzeniu ani aplikacji dla każdego urządzenia w swoim smartfonie. Potrzebujesz wspólnego interfejsu, który Cię zna i umożliwia łatwą komunikację. Dlatego uważam, że PIP i technologie sztucznej inteligencji mają do odegrania tak ważną rolę w nowej generacji doświadczeń użytkowników.
Jakie są pułapki w interfejsach konwersacyjnych i jak możemy ich uniknąć?
GC: Myślę, że największą pułapką jest tworzenie rozmów, które wyglądają jak schematy blokowe - takie, w których dialog jest odwzorowany w najdrobniejszych szczegółach. W rzeczywistości rozmowy są raczej niejasne i mgliste. Jeśli spróbujesz je szczegółowo odwzorować, w końcu przegapisz złożoność - lub po prostu utworzysz kolejny z tych systemów IVR.
Na przykład, jeśli zapytasz kogoś o imię i nazwisko, jedna osoba może podać Ci swoje pełne imię i nazwisko, w tym tytuł, podczas gdy inna może podać tylko swoje imię. Musisz pozwolić im to zrobić, a następnie zawrócić, aby znaleźć brakujące szczegóły. To nie jest błąd, to po prostu inny sposób odpowiedzi na pytanie.
Jak możemy ulepszyć boty, aby zwiększyć wygodę użytkownika?
GC: Kiedy słuchasz ludzi używających systemów głosowych, większość rozmowy dotyczy użytkownika, który zastanawia się, jak zadawać pytania i dowiaduje się, co system może, a czego nie może zrobić. Myślę, że większość PIP radzi sobie z takimi sytuacjami fatalnie.
Załóżmy na przykład, że prosisz asystenta głosowego o odtworzenie piosenki, takiej jak „Bohemian Rhapsody”, ale źle zrozumiesz nazwę i nazywasz ją „Mamo, właśnie zabiłem człowieka”. Z punktu widzenia użytkownika i człowieka nasłuchującego, użytkownik złożył ważne i użyteczne żądanie. Ale większości asystentów głosowych nie udaje się dopasować tytułu i poddaje się, a użytkownik wraca do punktu wyjścia.
Takie rzeczy zdarzają się cały czas w przypadku asystentów głosowych, ale człowiek próbowałby wykorzystać podane informacje i zadać rozsądne pytanie uzupełniające, takie jak „Czy pamiętasz, kto to był?” Lub „Czy to tytuł czy linijka” z piosenki? ”. Jeśli mamy zamiar uczynić te systemy znośnymi, musimy poświęcić więcej czasu na myślenie o tym, jak system powinien reagować, gdy nie rozumie.
Jakie są cechy chatbotów lub konwersacyjnych interfejsów użytkownika, które działają prawidłowo?
GC: Wiele najlepszych interfejsów konwersacyjnych i chatbotów nie robi zbyt wiele. Na przykład, gdy prowadzisz samochód i prosisz smartfon o wskazanie drogi do domu, nie ma zbyt wiele „rozmowy” - w rzeczywistości im krócej, tym lepiej. Otrzymujesz jednak dużo informacji (godzinne instrukcje jazdy) przy minimalnym wkładzie („Pokaż mi drogę do domu”). Dane wejściowe są minimalne, ponieważ smartfon wykorzystuje wiele danych kontekstowych do wypełnienia luk - zakłada, że masz na myśli wskazówki dojazdu, pobiera Twoją aktualną lokalizację z GPS i znajduje adres domowy z ustawień smartfona.
Powiedziałbym, że są to całkiem dobre maksymy projektowe: rozmawiaj krótko, korzystaj z danych kontekstowych, oferuj maksymalne wyniki przy minimalnym wkładzie.
Gdzie dalej będzie projektowanie konwersacyjne?
GC: W tej chwili dzieje się wiele interesujących rzeczy. Istnieją asystenci głosowi, którzy rozróżniają różne osoby w pomieszczeniu, oraz asystenci głosowi, którzy zarządzają emocjonalnym podtekstem rozmowy, a nie tylko wymianą informacji.
Istnieją również narzędzia, które ułatwiają projektantom dostęp do złożonych funkcji, a także interfejsy łączące głos i elementy wizualne (dzięki czemu można zobaczyć plan podróży, na przykład podczas rozmowy z wirtualnym biurem podróży). To ekscytujący czas.
