电脑的新篇章：无迹可寻又聪慧过人

要做到这点，我们需要一个全新的用户界面——一系列专为人机交互设计的 “暗号”。我们都知道屏幕上的小垃圾桶图标表示删除，但当我们重新定义运算方式之后，我们需要再开开脑洞。想想我们会怎么发出指示？人类天生就会用声音，手势和触摸来表达想法，那电脑要怎样来回应我们的指示？毕竟它们要不动声色的完成手头的任务，不让我们分心地处理好一切。

在这方面，我们也不是白纸一张。各种代替提示音、手势操作和对话框等传统人机交流方式的想法已经初露峥嵘。这些 “暗号” 模仿人类日常发出的信号（叫做 “交际用语”）——包括眨眼，点头和耸肩等——用于促进人机交流，减少因指示不明出现工作中断的情况。这类环境感知式的电脑会需要在交流间隙向我们提问，而不断丰富之后的 “暗号” 都将被加入到人机交互的全新语言库中，用以优化交流过程。

现在，如果我们做某事时被电脑打断，大多是因为收到系统提示，又或者是别人发来了什么信息。同样地，我们用电脑上网搜索时，电脑检索到的资料也大多是别人创建然后放在网上的。这样一来，你能通过电脑得到的信息的多样性和精确性就局限于他人所创建的内容。电脑最多能按你的要求搜索出结果，后面就撒手不管丢给你来处理。但是认知系统就能大幅改变这个情况，系统不仅能帮你省时省力地收集好信息，还能通过运算得出精确的结果或是假设。当电脑开始能做如此丰富的交流，我们将在好几个方面都遇到挑战。

现在我们用电脑处理复杂的任务时，我们并不期望有高质量或者高精确度的结果。这种低期望值甚至表现在语言上——我们把电脑查询叫做 “搜索”，不是 “提问”，电脑给我们的不叫 “答案”，叫 “结果”。所以我们仍然习惯于人工筛选 “结果” 寻求正确的 “答案”。而当我们开始依赖认知系统提供精确答案的时候，提高精确度的责任就在系统身上，“证明” 它是如何得出结论的，并以此来赢取我们的信任。比方说，医生需要对他的电脑有着绝对的信任，才能采纳系统给出的关于如何治疗患者的决定。

问题在于，电脑要如何才能赢得人们的信任呢？人类用不同的语言来表达不同程度的确定性：“有一定的几率会下雨”，“飞机可能会延误” 等等。我们用不同程度的对话来验证假设：“你怎么知道就是那样的？” 那认知电脑能否用视觉上的 “暗号” 或者是语言的方式来传递它的可靠性呢？

新型的用户界面要充分显示出电脑（而不是人）是什么时候运算出了结论，并且用一系列相对应的指标来代替传统的 “人类信号” 传达得出结论的可靠性。我们有很多像 Cognitive Scale 公司一样以数据为核心的客户，因此我们一直在开发基于数据的用户界面来解决上述的问题，在传递内容的同时用全新的方式显示内容的可信度。这种反馈方式不仅能促进信息的进一步解读（“我们相信事件 X 是真的” 或者 “看起来事件 X 好像是真的”），还能促进像 “信度计（用来显示确信度）” 之类的次级 “暗号” 的发展，让用户理解世界不是非黑即白的。

认知系统需要用自然、快速和直观的方法来建立信任。从这个角度来看，我们需要解构人类是思考和交流的方式。了解一个人最好的方式就是看他如何做的决定，哪怕是日常琐事——比如苦恼中午吃啥这样的事。我们的任务，就是要在各种情境下帮助认知系统尽可能的提高做决策的可信度。

定制化电脑

还记得那个回形针 “大眼夹” 吗，那个 90 年代微软的 Windows 助手，每隔几分钟就要跑出来给你提一堆没用的建议的家伙？“大眼夹” 在当时是一个大写的失败，因为微软试着让它以真人一样的方式和用户交互，但实际上除了烦人之外没有丝毫别的人类特征。早在 70 年代，仿真机器人届的教父级人物森政弘（Masahiro Mori）教授最早提出了 “恐怖谷” 的概念，用来描述他观察到的人类对仿真机器人特性的厌恶和反感之情。我们能安然接受电视里的卡通人物，但是现实世界里的机器人却让我们毛骨悚然。

原因就在于我们从骨子里就对真实人类的行为方式亲近，仿真机器人虽然是机器，但是高度拟人的表现实在让我们觉得诡异。我们对认知系统其实也有着复杂的感情，一方面我们想让电脑和我们人性化交流，但另一方面我们又十分抗拒他们过于像人的行为。随着电脑从原本迟钝的工具进化成具有智能行为的系统，如何解决这个矛盾成了将来设计用户界面最大的挑战。

如今我们和软件的交流都是不带感情色彩的，机器压根不认识我们，它们的应答也都是相对固定的。例如，若我用谷歌地图搜索从家到公司的路线，我每次得到的都将是相同的结果，谷歌并不会根据每天不同的交通状况为我规划不同的线路。

而认知系统天生就会学习并模仿用户的行为模式，随着时间增长系统就能根据用户个人情况作出更为丰富细致的回应。每当系统碰到无法理解的抽象概念，它会做两件事，首先运行软件算法——其实就是一个概率测试——对这个抽象概念作出把握最大的假设。然后系统会向用户要求进行手动输入，在系统里增加新的定义。

每个人都有自己的习惯和偏好，我们希望电脑能学习用户个人情况来适应我们。举个例子，你正在进行一个非常重要的电话会议，而你的个人助理突然打断你，只为了告诉你老婆打电话来查岗了，那你可能会告诉秘书下次发个信息就好了。同样地，你会想要 “训练” 你的电脑，让它知道在什么时候、用什么方式来提醒、通知你，或者什么时候才有必要打断你。

想要训练机器，我们必须方法得当，让机器知道怎样处理它不能理解的事，然后再用我们给它的能力去弥补系统的认知缺陷。要让机器知道，什么时候告诉我们信息最好，哪些时候要先保留信息回头再说，还有哪些时候要 “忘记” 信息。这些 “教学时刻” 是可以在潜移默化中发生的。回到文章开头说的那个 “披萨红酒电影之夜”——假设你手机上安装了认知系统程序，程序就会自动帮你挑选出正在营业、有外卖服务、评价还不赖的披萨店。

如果你偏好某家披萨店，它会记录下来作为下次筛选的依据。程序还会将你对披萨的偏好和你喜欢的红酒、电影、交通路线、购买偏好关联在一起，这样一来，搞定你美好的放松之夜就简单得多啦。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!