Toward Metaphor-Fluid Conversation Design for Voice User Interfaces
यह शोध पत्र वॉइस यूजर इंटरफेस के लिए एक "मेटाफर-फ्लुइड डिज़ाइन" (रूपक-प्रवाहपूर्ण डिज़ाइन) दृष्टिकोण का प्रस्ताव करता है और उसे प्रमाणित करता है जो विशिष्ट संवादात्मक संदर्भों के अनुसार रूपक संबंधी प्रस्तुतियों को गतिशील रूप से अनुकूलित करता है, और यह प्रदर्शित करता है कि इस प्रकार की तरलता स्थिर, एक-समान डिज़ाइनों की तुलना में उपयोगकर्ता द्वारा अपनाए जाने, आनंद और पसंद के स्तर को महत्वपूर्ण रूप से बढ़ाती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक स्मार्ट स्पीकर से बात कर रहे हैं। अभी, अधिकांश स्मार्ट स्पीकर एक ही, अपरिवर्तनीय चरित्र की तरह कार्य करते हैं: एक सहायक, थोड़ा आज्ञाकारी "असिस्टेंट" (Assistant)। वे एक जैसा व्यवहार करते हैं चाहे आप मौसम के बारे में पूछ रहे हों, कोई चुटकुला सुना रहे हों, या उन्हें अपनी कोई गलती सुधारने की कोशिश कर रहे हों। यह वैसा ही है जैसे एक बटलर (बड़ा नौकर) जो आपको सुबह की कॉफी लाने के लिए जिस गंभीर और औपचारिक आवाज़ का उपयोग करता है, उसी आवाज़ में आपको चुटकुला सुनाने की कोशिश करे। यह थोड़ा अजीब लगता है, है ना?
यह शोध पत्र सुझाव देता है कि यह "एक ही आकार सबके लिए" वाला बटलर दृष्टिकोण हमें पीछे रोक सकता है। इसके बजाय, लेखक एक नया विचार प्रस्तावित करते हैं जिसे मेटाफर-फ्लुइड डिज़ाइन (Metaphor-Fluid Design) कहा जाता है। इसे एक कुशल अभिनेता की तरह समझें जो दृश्य के अनुसार तुरंत अपनी भूमिका बदल सकता है। यदि आपको कोई काम करवाना है, तो वे एक जादुई 'जिनी' (Genie) बन जाते हैं। यदि आपको तथ्यों की आवश्यकता है, तो वे एक सटीक 'स्टार ट्रेक कंप्यूटर' (Star Trek computer) बन जाते हैं। यदि आप गपशप करना चाहते हैं, तो वे एक मिलनसार 'प्रशंसक' (Admirer) बन जाते हैं। वे केवल अपने शब्द नहीं बदलते; वे इस काम के अनुरूप अपना पूरा "वाइब" (vibe) बदल देते हैं।
द ग्रेट मेटाफर स्वैप (The Great Metaphor Swap)
यह पता लगाने के लिए कि क्या यह विचार काम करता है, शोधकर्ताओं ने पहले 130 लोगों से विभिन्न कार्यों के लिए अलग-अलग पात्रों की कल्पना करने को कहा। उन्होंने चार मुख्य स्थितियों को देखा:
- आदेश (Commands): "लाइट बंद कर दो।"
- सूचना की खोज (Information Seeking): "जापान की राजधानी क्या है?"
- सामाजिकता (Sociality): "मुझे एक चुटकुला सुनाओ।"
- त्रुटि सुधार (Error Recovery): "रुको, मेरा मतलब यह नहीं था, फिर से कोशिश करो।"
उन्होंने पाया कि लोग इन सभी के लिए एक ही "असिस्टेंट" नहीं चाहते थे। वास्तव में, लोकप्रिय "असिस्टेंट" की भूमिका किसी भी एकल स्थिति के लिए शीर्ष विकल्प भी नहीं थी! इसके बजाय, लोग प्रत्येक काम के लिए विशिष्ट "मुखौटों" को पसंद करते थे:
- आदेशों के लिए, उन्हें एक जिनी (Genie) पसंद आया (जादुई, इच्छाएं पूरी करने के लिए तैयार)।
- सामाजिकता के लिए, वे एक प्रशंसक (Admirer) को पसंद करते थे (गर्मजोशी भरा, उत्साही और प्रशंसात्मक)।
- तथ्यों को खोजने के लिए, वे एक स्टार ट्रेक कंप्यूटर (Star Trek Computer) चाहते थे (कुशल, सीधा और बिना किसी फालतू बात के)।
- गलतियों को सुधारने के लिए, उन्हें एक सर्च इंजन (Search Engine) पसंद आया (तार्किक, स्पष्टीकरण के लिए विकल्प प्रदान करने वाला)।
अध्ययन बताता है कि जब हम किसी वॉयस असिस्टेंट से कुछ पूछते हैं, तो हमारा मस्तिष्क स्वाभाविक रूप से इसे देखने का नजरिया बदल देता है। हम इसे एक व्यक्ति के रूप में नहीं देखते; हम इसे क्षण-प्रतिक्षण एक उपकरण, एक मित्र या एक डेटाबेस के रूप में देखते हैं।
बड़ा परीक्षण: फ्लुइड बनाम स्टैटिक (Fluid vs. Static)
इसके बाद, शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए 91 लोगों को शामिल किया। उन्होंने "Z" नामक एक वॉयस असिस्टेंट के दो संस्करण बनाए और उपयोगकर्ताओं के साथ बातचीत के ऑडियो क्लिप बजाए।
- "डिफ़ॉल्ट" Z (The "Default" Z): यह एक मानक गूगल असिस्टेंट की तरह व्यवहार करता था। यह विनम्र, सहायक था और हर समय "असिस्टेंट" की भूमिका में ही रहा।
- "मेटाफर-फ्लुइड" Z (The "Metaphor-Fluid" Z): यह एक रूप बदलने वाला (shape-shifter) था। यह मौसम का अपडेट देते समय एक 'जिनी' की तरह काम करता था, स्पोर्ट्स स्कोर चेक करते समय एक 'स्टार ट्रेक कंप्यूटर' की तरह, चुटकुले सुनाते समय एक 'प्रशंसक' की तरह, और जब इसने गलती की तो एक 'सर्च इंजन' की तरह।
परिणाम काफी स्पष्ट थे। जिन लोगों ने मेटाफर-फ्लुइड Z को सुना, उन्होंने कहा कि उन्हें इसके साथ बातचीत अधिक आनंददायक, अधिक पसंद आने वाली और भविष्य में इसे उपयोग करने की अधिक संभावना लगी, जबकि स्टैटिक असिस्टेंट की तुलना में।
हालाँकि, पेपर इस बात पर सावधानीपूर्वक ध्यान देता है कि इसने फ्लुइड Z को अधिक बुद्धिमान या अधिक भरोसेमंद नहीं बनाया। वे स्कोर दोनों के लिए लगभग समान थे। जादू मनोरंजन और जुड़ाव के अहसास में था, न कि कच्ची बुद्धिमत्ता में।
पेच: यह हर किसी के लिए सही नहीं है (The Catch)
यहाँ एक मोड़ है: हर कोई इस रूप बदलने वाले व्यवहार को पसंद नहीं कर रहा था। हालांकि फ्लुइड Z औसतन जीत गया, लेकिन कुछ लोगों को ये बदलाव परेशान करने वाले या "जबरदस्ती के" लगे। एक व्यक्ति ने कहा कि ऐसा लगा जैसे रोबोट "इंसान बनने की बहुत ज्यादा कोशिश कर रहा है," और एक अन्य ने सीधे, रोबोटिक असिस्टेंट को प्राथमिकता दी क्योंकि वे कोई बातचीत नहीं चाहते थे; वे बस काम पूरा करना चाहते थे।
यह सुझाव देता है कि हालांकि स्थिति के आधार पर मेटाफर बदलना एक महान विचार है, लेकिन यह हर व्यक्ति के लिए एकदम सही समाधान नहीं हो सकता है। कुछ लोग एक स्थिर, अपरिवर्तनीय रोबोट को पसंद कर सकते हैं, जबकि अन्य एक गतिशील (dynamic) रोबट को चाहते हैं।
इसका क्या अर्थ है (और क्या नहीं)
पेपर तर्क देता है कि हमें शायद हर चीज़ के लिए एक एकल "असिस्टेंट" व्यक्तित्व के विचार को रिटायर (सेवानिवृत्त) कर देना चाहिए। जिस तरह एक इंसान अपने बॉस बनाम अपने सबसे अच्छे दोस्त से बात करते समय अपना बोलने का तरीका बदल देता है, उसी तरह वॉयस असिस्टेंट को भी कार्य के अनुसार अपना "मेटाफर" बदलने की अनुमति दी जानी चाहिए।
लेकिन लेखक भी सतर्क हैं। उन्होंने यह साबित नहीं किया है कि यह एकमात्र तरीका है, या यह हमेशा सभी के लिए काम करेगा। वे सुझाव देते हैं कि भविष्य के डिज़ाइन और भी स्मार्ट हो सकते हैं, जो न केवल कार्य को, बल्कि व्यक्ति को भी समझ सकें। शायद कुछ लोग 'जिनी' को पसंद करते हैं, जबकि अन्य केवल 'सर्च इंजन' को चाहते हैं।
संक्षेप में, पेपर सुझाव देता है कि मशीनों से बात करने का भविष्य इस बारे में नहीं है कि उन्हें एक विशिष्ट मानव की तरह कैसे दिखाया जाए। यह उन्हें थोड़ा सा सब कुछ बनने देने के बारे में है, क्षण के अनुसार अपनी शैली को बदलने देने के बारे में है, ठीक वैसे ही जैसे हम करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।