自然语言界面：开启人机交互的全新篇章

酷家乐用户体验设计 2023-12-07 20:47:13

人机交互界面经过几十年的发展，人与机器间的交互变得越来越容易，随着ChatGPT等大语言模型的出现，一种我们既熟悉又陌生的交互方式再次进入大众视野，它就是自然语言界面（NLI）。

那么什么是自然语言界面，它又会为人机交互带来哪些新的变化，它会成为下一代主流的用户界面吗？

本文将从计算机UI的发展简史出发，对比自然语言界面与传统图形界面的差异，带你了解自然语言界面的应用场景和发展方向。

一、计算机UI发展简史

首先让我们回顾一下过去几十年计算机UI的发展阶段。

1. 穿孔纸带（Punched tape）

1940-1960年代，早期的计算机通过穿孔纸向计算机输入指令，带孔为1，无孔为0，经过光电输入机将数据输入计算机。由于需要输入二进制的机器语言，计算机在这个阶段只被少数专家应用于专业领域。

2. 命令行界面（CLI）

20世纪60年代中期，命令行界面( CLI )作为穿孔纸带的友好替代方案出现在计算机上。命令行界面是一种通过输入被称为命令行的文本行与计算机程序交互的方法，虽然它与人类语言有较大差异，但还是大幅降低了计算机的使用门槛，个人计算机（PC）随之出现。

3. 图形用户界面（GUI）

命令行界面通常需要用户记忆操作的命令，这对于普通用户仍然是很困难的。GUI的出现正是为了解决这个问题：既然人类很难记住各种命令，那就让机器提供可能的选项，人类只需要通过图形元素进行选择。

最早的图像界面出现在1970年代，随后苹果和微软让GUI普及，短短二三十年，使用GUI交互的计算机和各类消费电子产品已经成为我们工作生活中不可缺少的一部分。

二、自然语言界面（NLI）的爆发

1. 什么是自然语言界面？

W3C是这样定义的：自然语言界面是用户与系统通过自然语言进行通信的用户界面。用户通过语音或某种其他方法提供输入，并且系统以通过语音、文本或某种其他方法传递的话语的形式生成响应。

2. 自然语言界面是什么时候出现的？

最早的自然语言界面可以追溯到 20 世纪 60 年代。ELIZA是一个早期的自然语言处理计算机程序，由麻省理工学院的Joseph Weizenbaum教授于1964 年至 1967 年开发，旨在探索人类和机器之间的沟通方法。

ELIZA 通过模式匹配和替换来模拟对话，也就是说它通过检测用户输入的内容中是否包含某些关键词来做出响应，虽然它能做出的反应有限，更不能真正理解人类的语言，但这是人类第一次尝试通过自然语言进行人机交互，也是后续自然语言处理（NLP）技术研究的一个里程碑。

3. 语音用户界面（VUI）

自然语言处理（NLP）技术经过几十年的发展，终于在2010年代迎来第一波应用爆发。2011年 Siri 作为 iOS 功能由 Apple 发布，随后各家手机语音助手、智能音箱等VUI产品纷纷出现。但随之出现了一个新的网络名词-“人工智障”。

虽然 Siri 相比 ELIZA 能做的事情更多了，但它们在体验上仍没有本质区别，Siri等产品依然需要用户遵循特定的表述方式才能做出正确响应，可能换一个表述方式它们就听不懂了，所以这个阶段的自然语言界面更多是作为一种辅助交互方式。

4. 大语言模型（LLM）

ChatGPT 于2022年底开放测试，不到一年时间大语言模型（LLM）与AIGC应用已经遍地开花。大语言模型实现了NLP技术的阶段性跨越，AI对自然语言的理解能力大幅提升，不仅能模仿人类对话，还具备文案写作和问题分析等能力，并且这些能力还在飞速进步中，相信自然语言界面即将迎来第二次应用爆发。

三、自然语言界面的优势

那么，自然语言界面相比传统图形界面又有什么优势呢？

1. 低门槛

刻在我们DNA里的交互方式：

语言是我们与他人交互的主要“界面”，智人的言语出现于 50,000 至 200 万年前，所以说这是刻在我们DNA里的交互方式。我们从小就学习阅读、写作和说话，因此通过自然语言界面与计算机交互几乎不需要学习。

2. 高效率

GUI的思路是机器提供可能的选项，让人类进行选择。但复杂产品可能有几百上千个选项，即便设计师努力按照最合理的逻辑整理、收纳这些选项，用户仍需要花大量时间精力寻找、理解、记忆这些选项。

1）酷家乐用户问题

酷家乐用户联系客服的问题中较多是工具使用问题：怎么添加门把手、怎么把门翻转、怎么显示柜体尺寸。在几十上百个功能中找到那一个功能都如此困难，对于需要用到多个“选项”组合操作才能实现的效果，那确实难以要求普通用户做到。

但如果酷家乐支持自然语言交互，我只需要告诉它我们的诉求：“添加门把手”、“把门翻转”、”显示柜体尺寸“，软件便会直接实现这些的效果。

通过自然语言输入，用户便可以忘记各家软件各种复杂的交互逻辑，设计师也无需煞费苦心设计复杂的用户引导和帮助系统，随之客服人力成本也将大幅降低。

2）Tome

目前已经有一些产品在这么做了，Tome是一款制作提案PPT的产品，它可以通过自然语言输入实现大部分操作，并且支持AI直接生成内容。

3. 不设限

早期计算机的输入输出完全靠机器语言，门槛很高。后来，普通用户借助图形界面和开发好的程序，也能轻松使用计算机，但同时我们也被其限制了。

美间站点：

以”美间“为例，美间站点有大量的海报模板，可以按用途、风格维度进行筛选，但用户也只能按这两个维度筛选。如果我想找出10月份用户点击最高的10个节气海报模板，那对不起，办不到，不是因为我们没有这个数据，而是我们没有提供个“选项”，通过SQL或者其他语言查询数据库就可以获取到。

但如果美间的数据库接入了大语言模型，那么直接问它，就能得到任何数据库能提供的内容，因为现在LLM已经会自己写代码做数据分析工作了。

通过自然语言界面，我们可以最大程度发挥计算机和数据库的价值。

四、自然语言会不会取代图形界面？

自然语言界面这么强大，那它会不会取代图形界面呢？答案是不会，受限于AI能力发展现状和自然语言自身的局限性，自然语言界面有其适用范围。

1. AI能力仍有限

理想情况是AI能完全理解我们的诉求、且能力能够覆盖，但现在还做不到。用户随便输入一个需求，产品很可能做不到，这就需要我们通过GUI进行提示和引导。

2. 额外的处理时间

相比通过GUI直接对程序发出指令，用户输入自然语言LLM普遍需要几秒钟的处理时间，带来更高的试错成本，某些场景下我们使用GUI操作更加快捷。

3. 自然语言表达不够精准

人与人的交流也常常存在歧义，更别说跟机器交流了，所以自然语言界面不适合做非常精细的操作。

美间提案PPT：

以美间提案PPT为例，如果我通过自然语言输入：“把标题改成红色”，那AI可能会反问：”哪个标题？哪种红色？“。试想一下，如果要通过自然语言描述这些信息，是不是还不如通过鼠标选择来的简单。

4. 自然语言输入也存在成本

自然语言输入，用户需要把需求组织成语言，然后打字或讲出。也就是说用户需要动脑子，这显然与我们追求的”Dot let me think“原则相违背。

美间海报：

以美间海报场景为例，美间支持”AI生成“和”模板再创作“两种海报创作方式。这两种方式分别有各自的使用场景。

如果用户需要一张元旦祝福海报，对于目标明确的用户，他可以通过详细描述画面需求，生成个性化的海报方案。例如：”生成一张元旦节日海报，主题为：群核科技祝您元旦快乐，画面要喜庆，插画风格，包含烟花、灯笼、热闹的人群等元素“

但对于更多用户来说，描述一个海报画面是困难的，大部分用户只需要一个通用的模板改改字就足够了，这样不但更轻松，而且得到的海报质量也更高。

五、NLI与GUI融合互补

所以，自然语言界面不会取代图形界面，它们更多会融合互补，在各自的擅长领域发光发热。

未来常见的用户工作流将会是：NLI发散-GUI收敛，先使用NLI得到一个大概结果，再通过GUI完成确认或调整。

美间AI海报：

美间AI海报就是这样的设计思路：基于自然语言输入生成若干结果，选择一个满意的方案再二次编辑。

六、NLI还有哪些应用场景？

自然语言界面还有哪些应用场景？微软表示：万物皆可“Copilot”。

Copilot是微软发布的依托于大语音模型的AI助手（AI Agent）。11月15日的微软Ignite大会上，CEO纳德拉向我们展示了Copilot最新的形态：一个入口连接无限可能。

Copilot可以连接各种应用和数据源，用户只需要把需求告诉Copilot，Copilot就能自动完成全部应用和数据操作，甚至是跨应用和跨数据源的。

1）Copilot Studio

Copilot Studio是微软面向B端用户推出的AI助手，支持用户自定义专属的Copilot，以满足行业、部门、角色等内外部场景的定制化需求。让Copilot链接企业财务系统，你可以随时问它各类财务预算的开支和剩余情况；Copilot还能双向打通CRM、ERP等SAAS产品，自动化执行复杂的业务流程，比如办理新员工入职、费用报销等。