从 Siri 到 Sei，智能助理在「像个人」上始终是个问题 · Now Playing DLC #1

2019 年 5 月 1 日

Now Playing DLC 是 Now Playing 专栏的番外篇。在 DLC 中，我们从游戏出发，聊聊科技、人性和社会。不定期更新，不影响正常专栏更新频率。

最近有个游戏突然火热起来，名叫「早安我的少年」。B 站可以下载到这款游戏，目前还在测试状态。按中国大陆的法律法规来说不应该有任何内购付费项目，不过他们用了一个很讨巧的方式来绕过这个限制。呃…… 具体是怎么样的，你们试试就知道了，我就不点明了，给开发组一条生路。

不过更有趣的地方在于，它似乎并不适合被称作「游戏」，因为它有一些可能会让很多人匪夷所思的功能。游戏中的角色叫做 Sei（笙），而且他会在你的屏幕上以真正的人物形象出现。设置闹钟、安排日程、充电提醒…… 似乎你除了不能用「唤醒词」来和他「语音对话」之外，Sei 可能已经可以简单帮你做一些事情。噢，对了，你可以用已经购买的装扮来给 Sei 捏脸^{注释 1}，目前我没见到有虚拟助手可以这么做。

当我得知这样的功能的时候，我的第一反应是这样的：

如果用把 Siri，Alexa 和 Cortana 建模，用游戏引擎做成类似形式的话…… 会发生恐怖谷效应？

但根据我身边所见，绝大部分的玩家，都暂时没有产生恐怖谷效应，他们还在为了给自己的 Sei 肝装扮，似乎没有意识到 Sei 是一个虚拟形象（而不是一个不够逼真的人）。也许更合适的问法应该是：为什么 Siri、Google 助理和 Alexa 没有捏脸功能？或者说，苹果、亚马逊和谷歌，为什么没有像 Sei 一样，选择更「实体」的交互界面？

在人们第一次接触「电子助理」的时候，助理们就是没有脸的

即使 Siri 是绝大部分人首次接触的电子助理，但早在许多年以前，已经有诸多文艺作品中涉及到虚拟电子助理。例如，阿西莫夫的短篇小说《最后的问题》，道格拉斯的《银河系漫游指南》，以及《2001 太空漫游》，还有可能更多人更熟知的《星际迷航》、《流浪地球》或是漫威旗下的钢铁侠系列作品，都能看到智能助理的身影。

这些作品中的虚拟助手都有一个特点，就是没有实体——准确来说，是没有人形的实体。具体到「这些作品中的智能助理，为什么没有人形」的问题上，把问题丢给 Google，似乎也没有人考虑过这个问题。我也只能从早期一些作品的特点中寻找一些端倪来解释这个问题。

诞生于 1940 年代的电子计算机掀起第三次科技革命，同时代可与其相提并论的「划时代」东西叫做塑料。此时的人类社会，除了战争之外，更多有一种「人定胜天」的气氛：人造的塑料比木头耐用，比铁更易塑，简直就是一种完美材料。同样的，人造的计算机的计算速率让依然在用纸笔演算的数学家们望尘莫及。

加上推崇实用主义和符号主义的包豪斯推波助澜，人类的自负情绪在彼时达到高潮，没有什么是人战胜不了的。

在这种气氛下，文艺作品不免也会沾染上这样的气氛，「没有脸」的电子助理大致也是因此而生。按照「自然的总是有限的，人造的总是无敌的」这样的思维来看，一个比人厉害得多的东西就不应该有任何的烟火气，其中就包括一个「人形的外观」。这样的外观不仅无用，还模糊了人与机器的界限，「没有一点超级智能的样子」。

早期的科幻作品中的电子助理形象，大概就因此而生。在这些作品中，可对标现在的「人工智能」或是「电子助理」的词，当属「超级计算机」了。例如在科幻小说《最后的问题》中，人类询问问题的对象就是一台超级计算机，只是它的体积越来越小、甚至变成拿在手里的盒子的形象出现。（像不像 Siri？）

这样的设定，无疑给电子助理在文艺作品中的形象定下深刻的基调，甚至是烙印。即使到了后世，绝大部分电子助理的形象受到先期的作品影响——或是，达成某种默契——很少会有「带脸」的 AI 出现。这一点，也无疑影响到后来的人工智能助理的交互设计。他们会以「不带脸」的形态出现，因为人们已经习惯了「不带脸」的电子助理。

当然，除了这种惯性之外，不带脸的 AI 在设定上也更容易变成「随叫随到」的形象。无论何时何地，只要剧中角色有需要，AI 都会即时出现，不需要再投影一个人形出来，无论是小说还是电影，处理起来都方便。不过在这一点上，也算是侧面影响大企业开发「随身助理」的出现，包括手机、音响、车机甚至是手表，你的助理总能在其中一台里响应你的请求。

让位「实用性」，智能助理们「没有脸」可能是更好的选择

除了受到文艺作品和社会环境影响之外，智能助理「不带脸」的形象可能的理由还有很多。

Siri 并不是一个苹果公司内部诞生的产品。它诞生于 2007 年，在 2010 年被苹果公司收购。虽然第一个版本的 Siri 没有 TTS（Text to Speech，语音转文字）引擎，因而是个「哑巴助理」，用户却可以通过语音或文字输入的形式与 Siri 进行对话，界面效果很像和 Siri 发短信。

现在的 Siri 和其他智能助理，基本都没有改变这一形式：你说一句话，智能助理会将它听到的内容转写在屏幕上，然后再给出自己的答复，并以楼阶式对话界面进行展示。一个形式基本没有改变，说明这个形式一定能满足某种需求，而不单是某种「习惯」层面的东西。首当其冲的原因，可能就是信息密度的问题。将对话界面拿掉，改成一个人脸那样的样子，在技术上完全可以做到，但你没有办法通过显示的方式来显示列表了。比如，如果用户问附近的餐厅，如果拿掉对话界面，那么助理就要一个个念出来…… 同样的理由，问今天的天气，利用屏幕（视觉），就可以连续展示好几天的天气，或是天气的详细情况，信息密度显然比语音更大。这也是为什么在 IM apps 里发语音比发文字，更容易被别人视作不礼貌——人可以一目十行，但不能一下子听完一条长达 60 秒的语音。

利用 Siri 查询附近餐厅的时候，Siri 会给你展示一个列表，而不是把每家餐厅的名字念一遍

当然，另一个可能比较重要的理由就是历史请求记录留存。包括 Google 助理和 Siri 在内的智能助理，通过从上往下拖动的方式浏览以往的问询记录。通过这种对话式界面，历史记录的浏览显然要更为自然和直接。大概这也是为什么小米旗下的智能闹钟产品，会选择在 app 中加入「与小爱^{注释 2}的对话历史记录」功能的原因之一。

除了有比「带脸」更好用的交互之外，智能助手「不带脸」另一个更重要的原因是，这个脸不一定能在所有设备上都可以出现。例如，刚才提到的小爱智能闹钟、Google Home 和亚马逊 Alexa 音箱等等产品，都有不带屏幕的版本出现。在这些没有屏幕的设备上，「多带张脸」显然意味着要多带一个屏幕，成本更高，但收益基本为零。即使后期这些产品线有了带屏幕的版本，显然也延续在手机上的惯例，将这块新加的屏幕用于显示更多的信息，而不是展示一张脸出来。

包括 Google Home 和 Alexa 在内的许多智能音箱产品线的首款产品是没有屏幕的

智能助理的人格化，也不仅仅是一个「捏脸」就能解决

说回「早安我的少年」这款游戏。在游戏中，你可以为 Sei 任意搭配自己喜爱的装扮，或是直接更改他的性格，让他看上去或是听上去更符合自己内心的要求。本质上，玩家可以为 Sei 塑造一个人格，不管是外观还是性格。

这款游戏给我带来了一个新的有趣问题：如何为智能助理增加一个人格？如何让智能助理更像一个人？它们需要这样做吗？

包括 Siri 在内的诸多智能助理背后，都有一个剧本写作的角色，他们负责为智能助理提供被用户调戏时的回答。在撰写这些剧本的时候，应该为虚拟助理赋予什么样的性格、什么样的形象，都是非常考究的。

他们在设计时需要思考称呼人类时该用姓还是用名、回复时是否要用表情符号。「因为我们不希望人们觉得，你家的 AI 助手太随意或者太端着了。」

极端如微软者，就有 Cortana 和小冰两种截然不同的实验：在微软初期的规划中，Cortana 严格遵循「端着」的那一边，小冰就完全相反，变成「随意」的代名词。结果也非常明显，两个助理（小冰或许不应该叫做助理）都给人非常奇怪的感觉，或者换一个词，「不像是人」。因为一个人的个性是非常复杂的东西，所有人的个性都不能被二元分类到「严肃」和「活泼」中。单纯塑造一个「严肃」或是「活泼」的性格，会因为本身单薄，而令这些助理显得「怪怪的」。

游戏中的 Sei 角色，走的道路比微软就要更保险也更可行：塑造各式各样不同的个性，以满足更多人的需求。我们假设这条路行得通，那么又有一个新的问题摆在我们面前：让智能助手带有人格是一件好事吗？

《她》（我更喜欢《云端情人》这样的标题）这部电影就为我们展示电子助理的另一面：你愿意让一款有丰富人格的电子助理做你的情人吗？即使你给出肯定回答，你的父母、社会，以及你的现实条件很有可能会为你的选择打上一个问号：一个天天依赖电子助理的人，会是一个心智健全（健康）的人吗？