IBM研究團隊最近針對對話的UX設計,開發了一套自然對話框架Natural Conversation,不但突破以往一般Chatbot兩輪對話的限制,創造能夠記憶對話內容,來持續與使用者對話,還在該模型中將人類自然的對話模式,套用到對話分析中,來設計對話的使用者體驗。

透過自然語言與AI互動的應用場景越來越普遍,但是,即使現今的Chatbot或是AI系統能夠理解自然語言,還是很能與人類有更深入、自然的對話互動,舉例來說,用戶請Chatbot講一個笑話,Chatbot會直接在講笑話的過程中,把梗一併說完,並沒有與人類互動。

目前市面上的Chatbot多半是用兩輪式的對話,用戶下完指令後,Chatbot根據用戶的意圖給予回應,如果用戶的意圖需要超過單一的回覆,像是問答式的笑話,Chatbot就會將多輪的回應集中到單次的回覆中。

因此,IBM研究團隊認為,對話介面需要系統記得多輪的內容,不只是為了讓Chatbot可以講笑話,或是處理複雜的要求,甚至能夠讓用戶用最少輪的對話來完成想表達的內容。

Watson Assistant(先前名為Watson Conversation)過去已支援多輪的對話,並且能夠記憶對話內容來持續與使用者對話,現在,IBM研究團隊正在將對話的技術應用在使用者體驗設計上,建立出下一代的對話AI介面。

目前大部分的使用者體驗介面都是建立在視覺上,像是桌電、網頁、手機等,但是,視覺的互動模式並沒有對話來的有效,因此,IBM將人類自然的對話模式,套用到對話分析中,來設計針對對話模式的使用者體驗。

IBM針對對話的UX設計,建立了一套自然對話框架(Natural Conversation Framework ),提供一般常見型的對話UX模式(Pattern)函式庫,這些模式是參考對話分析的文獻,該框架包含4個主要的元件:互動模型(Interaction Model)、對話引導(Conversation Navigation)、常見任務(Common Activities)和序列度量(Sequence Metrics)。

互動模型包含可擴展的動作組(Action pairs),舉例來說,當一方提出邀請,另一方可能會在下一輪回覆接受,但也有可能不是,而是從中延伸更多動作,像是詢問時間、地點或是參與的人,而在邀請之前也可能會先尋問今晚是否有空,在接受或是拒絕後,也會說可能下次吧,因此,對話系統中的動作組必須能根據使用者喜歡簡單明確或是詳細的細節,來支援額外延伸出的對應。

另一方面,由於不同種使用者介面,像是命令列、圖像、手機等,不管是改變方向、拖曳標誌,或是點選主頁的按鈕,都會需要不同的引導方式,而對話的介面也是如此,IBM的自然對話框架提供六種方式,來引導用戶更能跟AI系統自然地互動,例如,用戶可以說「你能做什麼」,來得到Bot的功能,「你說什麼」來使Bot重複剛剛的回覆,「你指的是什麼意思」則是會使Bot換句話說,好或是謝謝代表序列對話結束,沒關係代表序列對話中斷,最後若用戶說再見則是結束對話。

該框架也針對常見任務,提供可重複使用的UX模式,像是對話的開場和結束、請求、下訂單、問題解決、機智問答和講故事等。

最後,該框架也提供最新的序列度量方法,讓對話分析變得更有效率,來改善對話UX設計。

熱門新聞

Advertisement