新智元作者：王嘉俊 王婉婷 張巨巖
圣誕前夕，新智元盤點了全球最好人機交互技術（來自 Gartner 技術曲線），并把它們分為五大類：
1、科技誕生的促動期（On the Rise）
2、過高期望的峰值（At the Peak）
3、泡沫化的低谷期（Sliding Into the Trough）
4、穩步爬升的光明期（Climbing the Slope ）
5、實質生產的高峰期（Entering the Plateau）
注：技術成熟度曲線又叫技術循環曲線，或者直接叫做炒作周期，是指新技術、新概念在媒體上曝光度隨時間的變化曲線。
從 PC 到互聯網再到移動互聯網，IT 產業的快速發展背后是基礎設施和核心技術的進步。但我們也注意到，一項技術真正改變人類生活，還是來自人機交互模式的創新。
回顧過去我們姑妄言之，未來 5 年 IT 產業的核心推動力，來自于人機交互的變革。
談到人機交互，我們總能想到一些經典的例子：例如喬布斯推出的 iPod，讓音樂真正可以成為便攜之物；而后又推出了觸控式的 iPhone，完全顛覆了過去鍵盤式手機的模式。這背后當然有喬布斯偏執的天才藝術家氣質，但不可否認的是，iPhone 成功的背后是各種傳感器價格大幅下降，觸控技術的成熟和3G、4G 網絡的普及。而現在，語音技術的突破更帶動智能人機交互的發展，科大訊飛在語音識別和合成技術上有強大的國際競爭力，連續 10 年蟬聯 Blizzard Challenge 英語合成國際評測第一，語音合成、語音識別和自然語言理解技術全球第一。
iPhone 和 iPod 的成功，我們認為是核心技術的成熟、在產品進行用戶體創新以及天才領導人物共同作用的結果。
不過這也提出啟示：未來的偉大產品，很可能也是這樣的模式。我們認為在知識產權和核心數據變得越發重要的時代，下一個巨頭級企業，一定是在核心技術上能掌握主導權，然后產品上的用戶體驗上小步快跑，快速迭代。
回到人機交互的變革，我們面臨著萬物互聯的時代。手機、可穿戴設備、智能家居等，我們要處理各種各樣的設備、信息和數據。在這個過程中，我們認為未來核心的人機交互，是以語音交互為主，觸摸手勢為輔，依托于人工智能技術，能夠智能的和你稀缺的注意力資源進行互動。
科大訊飛的發展歷程和我們談到的核心技術突破 + 產品上用戶體驗創新有很多相同之處。
科大訊飛總裁劉慶峰在接受采訪時提到：
“創新應該為大波浪+小波浪，也就是核心源頭技術突破+用戶體驗微創新。換言之，中國人工智能的發展，一定要用核心技術的突破。如果掌握不了主導權，產業越大風險越大?！?br style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important;" />“在推動人類未來需要什么樣的技術？我覺得未來最核心的是兩條；一條是誰能夠在用戶界面中提供自然便捷的方式？第二，誰能理解我們的需求？抓住這兩條才能有效的布局未來發展。”
科大訊飛研究院院長胡郁表示說，“我們不是一家跟風的企業，我們只是在等待一個機會，用技術和實力去爭取自己的話語權。我們也希望向世界證明，中國的企業依靠核心技術創新和系統技術創新也可以贏得應有的尊重?！?/span>
下周一（12 月 21 日14：30-16：30）是科大訊飛的年度發布會，有國際前沿重量級的人機交互產品發布。我們看到深耕語音技術的科大訊飛，在產品的用戶體驗上也下足了功夫。新智元邀請您參加 2015 科大訊飛年度發布會的微信群直播，這次直播由新智元主辦，讓我們一起探秘語音和人工智能的現狀和未來趨勢。
以下是新智元對 33 項人機交互技術進行的詳細梳理，文末有發布會參加方式。
虛擬個人助理 Virtual Personal Assistants
虛擬個人助理是一種軟件形式的助理，可以為你完成一些工作或是提供一些服務。這些工作和服務依賴于用戶輸入信息、位置信息、以及從各種網絡資源中獲取信息的能力（比如天氣情況、路況、新聞、股價、用戶日程、商品零售價等等）。Apple的Siri、Google的Google Now、Amazon Echo、微軟的Cortana、三星的S Voice、黑莓的Assistant、HTC的Hidi、Facebook的M等等都有虛擬個人助理的功能。
生物聲學傳感 Bioacoustic Sensing
生物聲學是一個生物學和聲學交叉的領域。生物聲學傳感的應用之一就是皮膚輸入（skinput），這種微軟研究院開創的技術通過生物聲學來定位手指點擊到的皮膚位置。整合微型投影儀（pico-projector）以后，它能夠在人類身體表面投影出可以直接操作的、圖形式的用戶界面。人們總是希望設備能夠越來越小的同時操作界面不要隨之縮小，皮膚輸入為這樣的目標提供了一種很有潛力的方法。
步態識別 Gait Recognition
步態識別是一種生物測量學的技術，測量身體的移動、生物力學、肌肉運動等等方面。運用步態識別的方法，可以根據每個人獨特的步態將他與其他人區分開，所以可以作為一種非侵入式、無需對方配合的識別方法。在一定的距離上也可以完成對人類的步態識別，這就讓它非常適合用來在犯罪現場辨別嫌疑人。醫療領域同樣可以用到步態識別，比如，通過對于步態的識別可以在帕金森癥和多發性硬化癥等病癥的早期階段就將它們鑒別出來。
腦機接口 Brain-Computer Interface
腦機接口是在人或動物的大腦與外部設備間建立直接的信息交換通路。腦機接口通常直接與輔助、增強、或是修復人類的認知和感覺運動能力聯系在一起。腦機接口領域的研究主要關注神經義肢（neuroprosthetics）的應用，目標在于修復受損的聽力、視力、以及運動能力。大腦皮層的可塑性讓來自植入式義肢的信號可以被大腦當作自然產生的信號來處理。腦機接口未來在中風恢復、意識障礙（Disordersof Consciousness）等方面有許多應用前景。
增強人類能力 Human Augmentation
增強人類能力指的是任何運用自然或是人工的方法來克服人類能力局限性的努力。這一方面現有的技術在生理方面有提升肌體表現的藥物、強力的外骨骼、器官移植等等，在精神方面有強化認知等能力的藥物、計算機和互聯網等讓人類的行動更有效率的工具等等。未來將會出現的技術包括成熟的人類基因編輯、基因治療、腦機接口、神經植入裝置等等，意識上傳、外部大腦皮層（exocortex）等技術也并非沒有可能。
立體顯示 Volumetric Displays
立體顯示是指形成一個物體的3D影像，與傳統屏幕上用深淺的效果在2D平面模擬3D圖像是不同的。絕大多數（如果不是全部的話）立體顯示不是采用自由立體技術（autostereoscopic），就是采用多視點技術（automultiscopic），以此創造出裸眼可見的3D影像。立體顯示在人機交互中有廣闊的應用前景，有一些對于用立體顯示進行人機交互在速度和準確度上的優勢、創造全新的圖形交互界面、用立體顯示增強醫療應用等方面的研究。
非醫療用途的植入式芯片 Chip Implants for Nonmedical Applications
植入式芯片是一種裝在硅酸鹽玻璃中的集成芯片識別裝置或是射頻識別收發裝置。通常植入的芯片會包含唯一的識別ID，可以用來與外部數據庫里的信息（比如個人身份、醫療記錄、聯系信息等）相連。在未來，如果植入式芯片帶有GPS功能，那么就能準確地捕捉到這個人所在位置的經緯度、海拔高度、他的移動速度以及移動方向。這將讓定位失蹤者、逃犯等成為可能。但是，也有人指出，這種技術可能會帶來政治壓迫，因為政府能夠通過植入式芯片來追蹤和迫害人權運動者、勞工維權人士、政治對手等；而罪犯也能利用它來跟蹤并騷擾那些受害者，奴隸主們可能會用它來防止奴隸逃跑，那些虐待兒童的人也可能用它來確定孩子們的位置、然后實施綁架。
電震動 Electrovibration
電震動現象可以被追溯到1954年的意外發現。當時的研究者們報告說，覆蓋著一層薄絕緣層的導電表面，通電后，當干燥的手指在表面上滑動時會有一種獨特的橡膠觸感。電震動效應通過給手指上的觸覺接收神經以錯誤的信號來達到效果。現在，基于電震動的原理，已經有人開發出了力反饋觸摸屏，能夠為觸摸屏提供類似實體按鍵的觸覺反饋。這種技術還有可能為盲人帶來全新的閱讀設備。
智能機器人 Smart Robots
到目前為止，在世界范圍內還沒有一個統一的智能機器人定義。大多數專家認為智能機器人至少要具備以下三個要素：一是感覺要素，用來認識周圍環境狀態；二是運動要素，對外界做出反應性動作；三是思考要素，根據感覺要素所得到的信息，思考出采用什么樣的動作。智能機器人根據其智能程度的不同，又可分為三種：工業機器人、初級智能機器人和高級智能機器人。工業機器人，它只能死板地按照人給它規定的程序工作；初級智能機器人，具有象人那樣的感受，識別，推理和判斷能力。高級智能機器人除了包括初級機器人的能力外通過學習，總結經驗來獲得修改程序的原則，這種機器人擁有一定的自動規劃能力，能夠自己安排自己的工作。這種機器人不需要人的照料，完全獨立的工作，故稱為高級自律機器人。
情感探測/識別 Emotion Detection / Recognition
情感識別是一種辨別人類情感的過程，大部分時候是辨別面部表情（當然，聲音的聲調、速度、強度等參數也能表達情感）。人類的情感識別能力是自動加工的，而計算機識別情感的能力也有了一些例子，比如軟銀的情感機器人Pepper。對于陪伴型機器人而言，情感的探測識別將是不可或缺的能力之一；除此之外，情感識別也能幫助廣告商和內容商更有效率地進行傳播，就像Affectiva做的那樣。
肌肉計算機接口 Muscle-Computer Interface
肌肉計算機接口是一種無需通過直接操作物理設備（比如鼠標、鍵盤等等）就能獲取人類輸入的信息的技術。這種交互技術可以直接感受到人類的肌肉電活動并進行解碼，讓人們在忙著其它事務的時候也能進行信息輸入。比如，將信號接收器放在你前臂上的話——這些肌肉控制著你手指的運動——它就能準確地探測到你手指的運動，而軟件可以將這些信號轉換為手指的姿勢，讓計算機像理解常規的鍵盤輸入、鼠標輸入、觸屏輸入一樣理解手指的運動意味著什么。
量化自我 Quantified Self
量化自我指的是運用科技來獲取一個人每日生活的各種數據，包括輸入（inputs，比如，吃掉的食物、周圍的空氣質量），狀態（states，比如，情緒、喚醒水平、血氧含量），以及表現（包括精神上和身體上的表現）。這種通過可穿戴設備達到的自我監控和自我感知，也被稱為記錄生命日志（lifelogging）。它讓人們能夠通過量化指標來了解自身，也讓數據收集變得更廉價、更便利。睡眠質量監控、情緒監控、以及體重監控都是常見的用途。
用戶體驗平臺 UXPs
用戶體驗平臺（user experienceplat form）整合一系列技術來為用戶和一組應用程序——或是內容、服務、其它用戶等——提供一種交互。一個用戶體驗平臺包括門戶、混搭工具（mashup tools）、內容管理、搜索、豐富互聯網應用程序（RIA）工具、數據分析、合作、社交等元素。它可以是一套產品，也可以是一個單獨的產品。用戶體驗平臺將會為網站、移動端應用程序、以及未來新出現的渠道創造出高效、高忠誠度的用戶體驗。
柔性顯示器 Flexible Display
柔性顯示器是一種可彎曲的顯示器，不同與傳統電子設備上平板式的顯示器。它主要用兩種方式實現：電子紙（electronic paper），或是有機發光二極體（OLED）。最近幾年，無數電子消費品制造商都對柔性顯示器流露出濃厚的興趣，嘗試將這種技術應用在電子閱讀器、移動電話、以及其它電子產品上，比如諾基亞和三星都展出過柔性顯示屏的概念手機。
語音到語音翻譯 Speech-to-Speech Translation
語音到語音翻譯就是用計算機系統實現持不同語言的說話人之間的話語翻譯的過程。由于語音識別技術和口語理解技術的提高，語音翻譯研究越來越傾向于探索真實對話場景下自然口語風格的話語翻譯技術，因此，語音翻譯一般又稱口語翻譯（Spoken language translation, SLT），或對話翻譯（Spoken dialogue translation）。語音翻譯需要讓電腦克服復雜多變的口語輸入，復雜的工作環境與含有錯誤信息的字符串的輸入，國際上相應領域的系統有CMU的JANUS-III，日本ATR的MATRIX，德國Verbnobil系統，商業系統有Transclick、SpeechGear、AppTek、Spoken Translation公司的相應產品等。
機器學習 Machine Learning
機器學習是計算機科學中從人工智能的模式識別和計算學習理論（computational learning theory）中演化出的一個子領域，用算法來從數據中進行學習、最終能夠對數據做預測。這些算法通過從輸入的樣例數據中建立起模型來作出數據驅動的預測或是決策。微軟劍橋研究院院長Christopher M. Bishop認為機器學習和模式識別“是對同一個領域的兩種角度的稱呼”機器學習被應用在許多難以設計和編寫明顯算法（explicit algorithms）的任務中，包括垃圾郵件過濾、光學字符識別、搜索引擎、以及計算機視覺。
可穿戴設備 Wearables
可穿戴設備指的是融合了計算機技術和高級電子技術的衣物和飾品?？纱┐髟O備主要有兩種應用方向：個人應用，或者是商務應用。無論是哪一種應用方向，在功能上一般屬于健康狀況跟蹤、導航、媒體設備、交流工具等等中的一種。可穿戴設備的持有量正在迅速增長：智能腕帶已經成為一種相當普及的產品，而智能手表市場也已有三星、Apple、華為等公司介入。
眼動控制 Gaze Control
眼動控制指的是一個人通過移動眼睛的注視點來影響電腦的行動。這包括了測量用戶視覺注視點的角度或位置（通常用攝像頭完成），以及從一些可用的、投射到這些位置的功能中進行選擇。一些研究表明眼動控制可以應用于控制無人機、繪畫軟件等活動；瑞典的眼動儀器生產商Tobii也推出了可以用眼動控制的windows 8 系統——相比與單純的觸屏控制，觸屏和眼動控制的結合讓用戶能夠更容易地操控計算機，比如通過眨眼來代替按下鼠標鍵。
