互動的核心是交流，人機交互從未涉及圖形用戶界面(GUI)，這就是為什么語音用戶界面（VUI）是未來用戶界面設計的方向。接口只是人們用來與系統交互的媒介，無論是GUI、VUI還是其他東西。那么為什么VUI如此重要呢？

首先，對話界面非常吸引人，因為對話是一種人人都能理解的交流方式。這是一種自然的交流方式，人們將語音通信與他人聯系在一起，而不是與技術聯系在一起。用戶不需要學習解釋任何符號或新的術語（GUI語言），他們可以使用英語（或任何其他母語）來操作系統。這并不意味著用戶不需要學習如何使用一個系統，但學習曲線明顯減少。

其次，用戶的期望正在改變。據Statista統計，39%的千禧一代使用語音搜索。這些受眾已經準備好成為VUI系統的早期采用者。

在VUI的設計上，語音交互是自iPhone問世以來設計師面臨的最大的UX挑戰。但好消息是，我們在使用GUI創建產品時使用的最基本的UI設計原則仍然適用于VUI設計。那么總體來說，語音用戶界面的設計未來有哪些趨勢呢？

建立信任的VUI

信任有助于在人與機器之間架起一座橋梁，如果沒有信任，用戶不太可能與特定的語音用戶界面進行交互。

有效結果的重要性（VUI應該讓人明白，他/她會得到他/她要求的東西）。有可能通過關注以下事情來實現這個目標：

提高語音識別的準確性（更復雜的NLP算法）。

關注于理解用戶的意圖（首先是交互的原因），當用戶與系統交互時，他們有一個想要解決的特定問題，而設計人員的目標是了解這個問題是什么。

提供有意義的錯誤消息

構建上下文驅動的流，雖然無法預測用戶可能會詢問系統的所有命令，但設計人員至少需要設計一個上下文驅動的用戶流。系統應該在對話的每個點上預測用戶的意圖，并向用戶提供他們下一步可以做什么的信息。例如，在用戶附近找到一家餐館。當用戶搜索餐館時，系統應該完全匹配用戶所搜索的內容。

用戶控制的重要性（Jakob Nielsen對用戶界面設計的10個可用性啟發法之一仍然適用于VUI設計）。

該系統應該考慮人類大腦的自然限制（短期記憶限制），該系統提供的信息應該是壓倒性的。當人們聽到系統響應時，大多數用戶只記得最后一個短語。因此，最好遠離長短語或提供十幾個不同的選項，而用戶一次只能記住其中幾個。

系統應該以適當的反饋對用戶的請求作出反應，這種反饋應該能讓用戶充分了解系統正在做什么。例如，視覺反饋讓用戶知道系統已經準備好并在傾聽；或者在POD（做的過程）中。當用戶向系統發送請求時，系統會顯示一個POD。POD并不是一個加載動畫，它不僅僅表明用戶必須在系統運行時等待，它還提供了系統運行的有價值的信息。例如，用于從Dropbox提取文件的命令的POD看起來就像有人在存儲中搜索正確的文件。

自適應用戶界面

自適應用戶界面（也稱為AUI）是一種用戶界面（UI），它根據用戶或上下文的需要進行調整。未來的VUI將適用于用戶——系統將分析其擁有的關于用戶的所有信息（包括關于當前心理狀態和健康狀況的信息）和他們當前的上下文，以提供對用戶請求更相關的響應。

例如，如果用戶當前有高血壓，決定在2小時內召開會議，數字助理可能建議避免這種情況，或者建議在會議開始前通過鍛煉來降低血壓。

傳達個性的VUI

視覺設計師有很多選擇來引入圖形用戶界面的個性-字體，顏色，插圖，運動，僅舉幾個例子。那么VUI呢？設計師可以通過語言本身來傳達個性——通過玩弄文字、聲音和語調。說到聲音，聲音是角色的一部分，它塑造了角色的身份。一旦我們將聲音與某物聯系起來，它就成為其身份的一部分。當我們與這樣一個界面互動時，我們會體驗到情感，就像我們與真實的人互動一樣。人們想要的是人類可以理解的聲音——不是一個聽起來像人類的聲音，而是一個連貫的人類的聲音!

不好的例子：蘇珊·貝內特（Susan Bennett）的Siri聲音——這個聲音聽起來幾乎像人類，但人們仍然知道它是一臺機器。你不能和Siri真正對話。你可以這樣問Siri：“今天天氣怎么樣？”你不能問更復雜的問題，比如“我今天應該穿什么？”“因此，你對Siri沒有很深的感情，你知道它只是一個機器人。”

一個很好的例子：電影《她》中的薩曼莎的聲音——那種讓人聽起來連貫的聲音，人們會愛上它。

從狹義的人工智能到一般智能

人機交互正在轉向對話，但用戶期望更多。目前可用的大多數人工智能系統仍然局限于狹窄的人工智能——這種系統使用機器學習來解決一個明確定義的問題（在大多數情況下，這個問題太過狹窄）。狹窄的AIs系統除了訓練數據外，沒有任何知識。這意味著，當用戶想要解決一個稍微不同的問題，或者問題本身在發展時，系統將無法解決它，它會做出類似于“我不明白”的反應。因此，作為用戶，你面對的是一堵墻。

與狹義人工智能相比，一般智能并不局限于狹義領域。學習的概念是GI系統的基礎——狹義人工智能和一般人工智能之間的根本區別在于，一般的智能系統在沒有明確編程的情況下學習（機器自己學習）。

GI系統使用兩種學習方式——強化學習（當系統使用所有可用信息解決特定的用戶問題時）和監督學習（當系統第一次需要用戶幫助解決問題時）。另一個不同之處在于，一般的人工智能系統可以學會利用其他人工智能來達到一般和特定的目的。因此，不同的機器學習模型可以獨立訓練和合作工作。一個先進的NLP GI系統可以通過組合和處理來自多個不同數據源的信息，從第一次嘗試中學習。

對社會的影響

廣泛接受VUI系統，提高基于VUI ai的系統的質量將導致更好的用戶參與。人與計算機之間的關系將是交互和協作的——人與計算機將協同工作。這將對社會產生影響——想象一下，十年后，你走進家門，只需要交談和控制各種各樣的機器。

未來的人工智能將無所不在：作為用戶，我們將信任人工智能，即使做出最重要的決定，比如“我應該為我的孩子選擇什么樣的學校？”“VUI將改善老年人和殘疾人的生活質量。

“最好的界面是沒有界面的”是Golden Krishna的一句名言，他是《最好的界面是沒有界面的》一書的作者。他和其他許多設計師都認為，人們不想花更多時間在屏幕上，實際上他們想要的更少。因此，技術應該停止慶祝基于屏幕的解決方案。而且這將很快發生——未來的交互不會由按鈕組成。

隨著計算機處理能力的提高，我們將有更多的系統能夠在一秒鐘內計算1000步。用戶和機器將一起工作，實現一般智能。