一天中的「人類行為」(與它們的商業化應用)


:
: 林畇劭Yun-Shao Lin 周惶振Huang-Cheng Chou 張鈞閔Chun-Min Chang 張傑智Chieh-Chih Chang 黃姿云Tzu-Yun Huang 葉松霖Song-Lin Yeh 趙高逸Gao-Yi Chao 鍾舜昌Shun-Chang Zhong 
: 科普 Popular Science人類行為 Behavior

人類行為的定義


所謂人類行為是指「個人對於環境所做的任何回應或反應」,其中又可劃分為外在活動,例如:語言、表情、動作、和行為,與內在心理歷程,例如:思想、意念、概念、和態度。以目前技術來看,能被量測和量化的是能被觀察到的一切外在的活動,而這些項目可分為生理行為、精神行為、情緒行為、與社會行為。
經濟學家米塞斯指出,「會行為的人類」被定義為一個有能力進行邏輯思考的人,而所有人類行為也都是出自對於未來的預測,因為人類所有帶有意識的行動都是為了增進他們自己的快樂和滿足感,所以若企業能提升使用者的快樂和滿足感,那麼將可增加企業的價值。

人類在生活過程中會產生許多行為,在維基百科 人類行為學 條目人類行為與社會環境的意義 一書的人類行為分類中,將人類行為分為32大類,而這些行為若可順利被偵測,對企業而言,將是有價值的,而這些行為透過偵測或感測裝置,便可以獲得該行為的原始資料,而企業取得這些資料便可以進行機器學習等處理,取得想要的訊息,透過這些訊息,企業便可做出相對應的回應。



以消費者行為為例,若瞭解消費者的喜好,將可針對該喜好進行商品的推薦;以宗教活動為例,Acer在智慧手環推出 Leap Beads智慧佛珠的產品;以情緒為例,針對客服,如果客服主管知道顧客的情緒處於生氣的狀態,便可即時出面緩頰;以不當行為為例,荷蘭公司Sorama在公共場所架設音訊偵測器,發現異常狀況可即時通知警方以降低犯罪率;因此若能正確且順利的偵測各行為,對後續企業的處理與回應,將是有幫助的。

人類行為商業應用


在了解人類行為的定義之後,我們將以一天裡的人類行為商業應用分別以起床、開會、與社交進行介紹。

早上起床


早上起床後第一件事通常是刷牙、洗臉和照鏡子梳裝打扮,而美妝傳媒 
FashionGuide 指出,超過八成的受訪者對於自己的肌膚狀況不滿意,使用者除了想瞭解自身的肌膚狀況外,更希望有專家可以給予符合自身的保養建議;目前,台灣新金寶集團推出全球第一款美肌智慧魔鏡HiMirror ,整合體感辨識及肌膚檢測等技術,分析判斷膚況並回饋予使用者。

考量使用者在鏡子前雙手濕滑的不便性,智慧魔鏡可搭配手勢與聲控進行操作,除了可詢問天氣、看新聞、聽有聲書外,更可透過口語互動系統進行詢問與互動,例如詢問:我今天皮膚怎麼樣、我的皮膚狀況要如何改善…等等,口語互動系統將會回覆使用者,並提供肌膚保養或美妝建議。

使用者可以透過掃描商品條碼讓智慧魔鏡瞭解自身所使用的產品,並透過長時間的肌膚日記追蹤,可讓使用者瞭解自身肌膚的長時間變化(如:30天),以及提供肌膚狀況的追蹤分析報表。

 

(圖片來源:HiMirror 官方網站

智慧魔鏡以肌膚分析為核心,提供整合肌膚歷史追蹤、美肌目標設定、個人化護膚計畫、保養教學、虛擬化妝櫃等功能。透過肌膚分析引擎,可偵測出使用者臉部皮膚狀況,並透過 大數據肌膚分析,產出分析結果,進而安排個人護膚程序,以及推薦保養品,甚至可以協助進行網購。

中午開會


開會是在人類行為中時常出現的情境,但開會花費大量精神又需要效率,不少人都希望有應用工具能自動幫助會議排程並記錄會議過程。若參與過公司或學校會議的經驗,
 一定有過下面的困擾:

  • 會議時間冗長
  • 講者語調沉悶令人昏昏欲睡
  • 講者報告的內容只涵蓋少量你所需要的資訊

面對這樣的情境,如果可以由第三者幫你聆聽會議並抓取重點,也許可以大幅提升效率,讓開會這件麻煩事更快完成。

(圖片來源: 電影雲端情人

在電影 雲端情人 裡,男主角西奧多的工作是每天幫戀愛的男女撰寫情書,寂寞的情況下,與人工智慧莎曼珊談了一場轟轟烈烈的戀愛,在電影裡面莎曼珊就跟真人一樣與人互動,與人戀愛,與人交心。莎曼珊在手機、電腦裡陪伴著西奧多,甚至幫他處理工作上瑣碎的小事。
或許這樣的人工智慧便是遇到惱人會議的最好解法,然而真實情況下這樣的人工智慧目前還沒被發明出來,我們只能退而求其次,找尋結合上述語音系統的應用工具。這時,開會語音助理似乎就是一個不錯的夥伴。

目前市面上的語音系統


目前在企業中
人工智慧(Artificial Intelligence, AI)能夠被應用的地方比比皆是,而這些應用上,AI在技術中佔的成分多寡就是關鍵。 其中,語音助理便是AI成份很重的應用。語音系統利用了語者識別、機器翻譯、語音識別、文字探勘等技術,每一項在工程學與自然科學中都是龐大的研究。

這其中的翹楚,可能就是亞馬遜(Amazon)所開發的 EchoEcho 比起 google home 跟 Apple homepod 等後起之秀的最大的不同便是,它從一開始就是以語音助理為出發點來設計使用者體驗,而不是所謂的智慧音箱。因此它在應用層面上,會有更大的發展以及多元性。同時,他本身所使用到的技術跟使用者體驗也為人所津津樂道。

開會助理需要具備什麼條件?


回到開會的情境,史丹佛大學一篇關於語音助理的論文作者群(
Ethan Fast et al.)在論文《Iris: A Conversational Agent for Complex Tasks整理出下列開會助理可能需要具備的能力:

  • 整理會議的逐字稿
  • 使用者可以設計關鍵字讓語音助理歸納會議重要資訊
  • 能夠適應不同語者的講話速度
  • 回應 routine事項
  • 自動規劃會議後的安排

 可以發現除了被動的接受語音上的資訊之外,語音助理還要有能力可以主動幫使用者規劃未來行程。但在解決上述的問題之前,要先了解對話系統是怎麼架構出來的:與語音助理對話的過程通常開始於使用者提出要求,接著語音助理辨識使用者指令,最後回答指令的需求。但是有時候對話系統並不是一開始就能理解使用者真正的想法,因此這樣的過程會不斷的反覆,直到機器能理解你提出的問題。

 

 

開會助理可能會遇到的狀況


目前在和語音系統不斷來回問答的實際應過程中,遇到許多障礙。學者們(
Myers et al.) 在 Patterns for How Users Overcome Obstacles in Voice UserInterfaces 一文中 統計了 12 個使用者與語音助理互動的過程 (包含了 36 個 sessions),把問題簡單分為了以下幾個部分。

  • 自然語言處理:語意理解錯誤
  • 對話架構限制:時間跟日期必須出現在同一句
  • 語句長度限制:語音助理可以接受多長的句子
  • 語音助理回饋:語速太快使用者無法適應或語速太慢使用者不耐煩

 

其中又以自然語言處理遇到的錯誤最多,佔了 52.1%,很明顯可以發現現今的語音助理系統,仍有無法理解語意的問題。
然而,這樣的情況使用者會怎麼應對語音系統的問題呢?

以下為同一篇論文裡面,歸納使用者在語音系統無法理解語意時所採取的行動。

 

可以發現大多數使用者都是非常友善的回應語音系統所遇到的問題,大概佔了 70% 左右,而 T6-T9 表示約 30% 的使用者有糟糕的體驗。我們可以把這樣的問題理解成,就算語音助理有系統上的限制或缺陷,只要有好的體驗,大多數用者還是會願意給它一個機會。

雖然在使用對話系統上會有這些缺點,但在語音系統的設計上,如果可以更明確點出機器的回饋錯誤可以如何改善,反而可以更有效的營造較好的使用者體驗。

因此在開會助理的應用裡面,透過鎖定單一情境,可以讓語音應用助理變得更精準。若加強這兩點,就能做出更多元的應用,而會議助理也能達成更多任務,而不是只有打電話發短信、設置代辦事項,會讓會議助理更加完善。

晚上社交


前面提到,人類行為都是出自於對某些東西的「需求」。當我們結束忙碌的一天,下班後會需要「陪伴」,或許想找朋友或同事一起吃飯、出去玩,畢竟在人類行為中,人際關係與互動是很重要的部分。

試想你辛苦了一整天,想要找朋友去吃飯玩樂放鬆一下,開始打開社群軟體聯繫你的朋友們、或是直接打電話給他們......。

根據國家地理頻道2008的紀錄片《human footprints》,我們到 20 歲為止會認識約 萬個人,兩年內一定會再接觸的卻只有 1700人,裡面包含家人、早餐店阿姨叔叔、一年內回診的牙醫師等等,不包括這些人之後,有在保持聯絡和見面的朋友比例真的不多。

而現在 10 年過去了,隨著科技進步、網路發達,社群軟體、交友軟體的興盛,現代人的朋友數或許看起來變多了,但為何朋友的母體數增加後,有在聯繫的朋友數還是和 10 年前差不多呢?

或許和現存交友軟體的設計有關係,這些交友軟體在推薦朋友時,只有簡單的過濾標準,例如地區、年齡、性別,可能有些會加入喜歡的關鍵字等等。

但是,人類在交朋友的時候,不只有這些簡單的項目,人們會傾向找跟自己有共同話題的朋友、在某些層面(例如個性或興趣上)跟自己相似的人,或者是會主動關心你能感同身受你的情緒的人。

人們都會在心裡幫朋友打分數,像是 跟我比較好,跟我沒那麼好,這些都是內在、心理層面的主觀因素,而如果能夠量化它,讓我們更了解人類「交朋友」的行為呢?說不定這樣的科技可以讓人與人的交友關係更加緊密?
量化的行為,我們可以舉 Tinder 交友軟體為例子,也許有些人體驗過,當使用者對每個配對都按喜歡(like),怎麼還是加不到好友?

因為 Tinder 後台演算法會給每個使用者一個分數,叫做 ELO score 1(可參考:Guide to the Tinder - The Algorithm,這個分數越高的人,曝光在其他使用者的機率就越高,所以有時候不是你條件不好,是你的 Elo Score 太低,所以導致曝光率降低。

ELO Score主要來自三個向度:

  1.  吸引力 (Attractiveness):他人閱覽自介的時間長度及被喜歡數
  2. 主動性和活躍度(Activeness): 配對後到主動搭話的時間長度
  3. 嚴格程度 (Pickiness): 所有瀏覽人數中,按喜歡的比例

  

有些使用者或許不善於包裝自己,導致 ELO score 很低,但其實他們是不錯的人;又或是 ELO score 很高,但在配對後的聊天過程出現問題,例如像是聊天對象已經感到不愉快,但使用者沒發現。在這時候,人與人之間的關係出現了問題。

如果這時有語意理解的功能,去分析文字、語音甚至影像,辨識對方當下的情緒或者是內在心理狀態,我們或許就可以幫助不擅社交的人們學習,交到更多的好朋友。

依上述例子可見,量化人類交友行為是有可能性的,而現在的交友軟體已經不在是傳統上的文字訊息,甚至有語音通話(Goodnight)和視訊通話(AZAR),人類行為資料的來源,也會更多樣化。


結論

科技始於人性,愛美是人類的天性,一早起來我們需要梳妝打扮,所以有智慧魔鏡;我們希望上班時開會能更有效率,所以有會議語音助理來輔助人們;下班後、休假日我們想要有人陪伴,需要適合自己的朋友,所以透過量化交友行為和情緒語意理解來協助人們交友,維繫以及增加人與人之間的感情。

我們以人的一天,食、衣、住、行、育和樂,全部離不開科技,結合人工智慧和人類內外在行為分析,不只可以提升我們的生活品質,並讓人類的生活更美好!


編註 1 :Tinder 的 ELO score 演算法自 2016 年開始使用,已於 2019 年初更新為其他演算法。

Back