Полезные материалы по проектированию голосовых интерфейсов

[trapwalker]

Я бы добавил ряд замечаний и вещей, которых лично мне не хватает во всех этих умных помощниках и я не понимаю почему это еще никто не реализовал.

• Интроспективность, самодокументируемость. Я считаю любой голосовой помощник должен уметь доходчиво и лаконично рассказывать о своих возможностях. Это можно делать как по запросу, так и в ходе обычной «болтовни» между разговорами о погоде и новостями.
• Смысловая детерминированность (относительная предсказуемость). Нужно, чтобы был очевидный и понятный способ добиться желаемого от голосового помощника. Кейсы. которые поддерживает голосовой помощник вполне ложатся на граф. Да, в нем могут быть циклы и альтернативные пути, но этот граф благодаря выше затронутой интроспективности должен быть более-менее прозрачным и поддающимся навигации.
• Перманентная ацикличность. Чем больше оборотов по короткому пути в графе состояний проходит диалог, тем ниже нужно опускать приоритет выбора этой ветви. Особенно раздражает, когда, например, в игре в города та же Алиса не может понять город, и раз за разом бесконечно и одинаково переспрашивает. Везде должна быть вариативность и возможность выхода из циклов.
• Вариативность. Множественная вариативность вариантов ответов. Нужно больше синонимов, больше альтернативных способов сказать одно и то же. Это не так сложно реализуется, но оживляет диалог, делает помощника гораздо более антропоморфным.
• Автоконфигурируемость. Мне кажется очень важным иметь возможность (благодаря той же интроспекции) влиять на то, как помощник отвечает на те или иные вопросы, какие ветки графа стандартных ситуаций выбирает, какие анекдоты рассказывает. Важно, чтобы это всё можно было править голосом прямо в ходе диалога.
• Сервисное голосовое меню. Что мешает в каждом узле графа стандартных кейсов сделать ссылку на контекстный подграф голосового меню? В этом меню можно было бы блокировать ветку диалога, менять её приоритет и вероятность выбора, менять умолчания для контекста, добавлять альтернативы, синонимы, редиректы в другие узлы графа и т.д. Кроме того, можно также сделать возможность запустить обучение пониманию слова, которое помощник плохо или совсем неправильно распознает, можно добавлять макрокоманды и сценарии. В совокупности с интроспекцией и самодокументированностью это очень удобный инструмент, чтобы не ползать в огромных запутанных и нечитаемых XML и JSON файлах настройки для мелких и локальных правок.
• Более развитая и, возможно, многоуровневая контекстность, мультиконтекстность. Человек с лёгкостью держит несколько контекстов в разговоре. Что мешает помощнику тоже не дискретно относиться к контексту? Можно актуальность контекста регулировать плавно. Малоактуальные темы постепенно выгорают, но если пользователь сказал что-то неожиданное имеет смысл заглянуть сперва в недовыгоревшие контексты, вдруг это продолжение разговора, который был 5 минут назад? Если уверенности в этом нет и «помощник» не хочет «ударить в грязь лицом», он может вежливо спросить: «не о том ли речь?».
• Пояснять, уточнять, спрашивать. Даже люди между собой не гарантируют полного понимания. Нужно, чтобы в графе «помощника» было больше шаблонных способов уточнить какая из возможных ветвей диалога сейчас более актуальна. Уточнять и переспрашивать можно после некоторого порога «неочевидности».
• Фреймворк. Нужен гибкий и прозрачный фреймворк для построения такого рода «помощников». И тут напрашивается какой-то слой абстракции и совместимости с текстовыми ботами. Было бы здорово. если бы электронный помощник в любой момент мог перейти с текста на голос и обратно.
• Краудсорсинг и краудфандинг скиллов. Если вам кажется, что у вас есть замечательная идея нового скилла, расскажите об этом помощнику, а он запостит заявку в форум, а потом еще и новости из обсуждения почитает, и, возможно, предложит подключить подходящий скилл, когда он найдётся.

Для продуктивного и полезного голосового интерфейса не нужен сильный ИИ. С ним будут те же проблемы, как с ЕИ: возможно ему быстро надоест с вами разговаривать=)