图灵汇官网

自从有了Siri这样的例子，拟人化逐渐成为自然语言交互工具的重要特性。无论是面向消费者的智能语音助手，还是企业提供的智能客服，甚至一些带有语音功能的家用电器，都在努力赋予自己人格特征，几乎到了拟人的极致。

虽然我们普遍认为，拟人化的自然语言交互工具能够减少用户的“恐惧谷效应”，使人更愿意与其互动，但最新研究显示，实际情况可能并非如此。

自然语言交互工具的拟人化策略

首先，我们来探讨一下自然语言交互工具拟人化的几个关键步骤。

第一步，给工具起一个独特的人名。

通常，当我们给一只小动物起名字时，它很容易变成我们的宠物。同样的道理，当自然语言交互工具拥有自己的名字时，它就会朝着更加拟人的方向发展。这类工具的名字通常带有“小”字，既显得亲切又符合性别平等的原则。

第二步，利用语音合成技术模拟人类语音。

一旦工具有了名字，就不能再使用冷冰冰的电子音。传统的人声录音加规则匹配的方式显得过于僵硬。此时，基于神经网络的语音合成技术，如谷歌的WaveNet，开始大显身手。通过捕捉真人说话的多种特征，包括语义、词性和语法等，生成的声音能够像真人一样富有节奏感和思考感。

第三步，使对话内容更加人性化。

在自然语言交互过程中，语音合成依赖于文本内容。除了模仿人类说话的语气，还需要让对话内容更加贴近人类的思维模式。这需要语义理解、多轮对话和自然语言生成等技术的支持。例如，微软的小冰在实现全双工自然语言交互时，能够做到边听边思考，并适时调整对话节奏，从而提供更自然流畅的体验。

第四步，增加拟人化的外在表现。

除了技术手段，还可以通过设计可爱的卡通形象、添加一些撒娇卖萌的动作，以及在交互界面上添加细节等方式，让用户感觉不到是在与机器交流。

以上几个步骤，基本上可以让自然语言交互工具具备高度拟人的特征。

拟人化是否更受欢迎？

然而，我们很少考虑的一个问题是：自然语言交互工具真的越拟人化越好吗？最近，宾夕法尼亚州立大学媒体效果研究实验室进行了一项实验，以探讨这一问题。

实验中，志愿者被要求在电商平台上选购数码相机，并与智能客服进行交流。这些客服背后的系统在拟人化程度和响应速度上有所不同。一部分志愿者被告知对方是机器客服，另一部分则以为对方是真人。同时，这些智能客服在响应速度上也有所区别。

实验结果显示，用户满意度与智能客服的拟人化程度密切相关。即使在相同的响应速度下，明确知道对方是机器客服的志愿者给出的满意度评分更高，而那些误以为是人类客服的志愿者则给出了较低的评分。原因是，当机器客服表现出较高的人性化特征时，用户对它们的期望也随之提高，如果无法满足这些期望，失望感就会增强。

实际上，在日常使用中我们也经常遇到类似的情况：当语音助手或智能客服无法解决问题还试图卖萌讲笑话时，用户的烦躁情绪往往会上升。

归根结底，自然语言交互工具的拟人化程度是一个“用户期望值管理”的问题。有时过度提升用户期望反而会适得其反。

拟人化与工具性的平衡

尽管我们已经可以看到自然语言交互工具在拟人化方面取得了显著进展，但它们在工具性方面的表现仍然不足。

从技术发展的角度来看，让自然语言交互工具更接近人类比提升其解决实际问题的能力要容易得多。无论是谷歌的WaveNet还是微软的全双工自然语言交互，都可以让工具的发音和对话节奏无限接近人类。未来，结合计算机视觉和机器人制造技术，我们甚至可以打造出与人类无异的对话者。

但在实际应用中，这些工具在理解人类语言、尤其是小语种和特定人群（如老人和儿童）的语言方面仍存在差距。此外，它们在处理专业领域的词汇时也常常面临知识盲区。

因此，如何在提高拟人化的同时增强工具性，可能是未来一段时间内行业发展的重点。例如，构建各个领域的知识图谱、积累丰富的词汇库，或者收集不同人群的方言语料，用于AI的训练。

随着技术的不断进步，人们对自然语言交互工具的期望值也在不断提高。为了避免“短板效应”，我们应该更加关注工具性的提升。