我认为，在用户下达语音指令后，我们只有一次机会去部署相应的行动，而不能去和用户来来回回的反复对话。一般而言只有两次对话机会，如果第三次对话还没弄清用户需求，就算彻底的失败了。这样的反复对话对用户来说是很糟糕的体验。

　　Jason Pontin：你认为语音是最人性化的交互方式，也是人类与其他物种最根本的区别之一。但反过来说，这就意味着，人类对语音交互会有很高的期待值。除了你提到的两次之内弄清需求外，你认为人类对语音交互还会有些什么期待？

　　Toni Reid：用户的期待其实都是很实际的。他们希望Alexa是可对话的、拥有各种功能、甚至是更接近人类，我们将来或许能做到。

　　但目前用户最大的期待，同时也是人机对话中存在的最大问题：语境。比如说，我和你现在面对面谈话，会有很多视觉线索告诉我你是否真的听懂我再说什么，或者是否赞同我的观点。

　　但在人机对话场景下这种视觉线索是缺失的。从AI角度来说，补齐缺失的语境，是目前的当务之急。

语境是人类对话的重要组成部分

　　Jason Pontin：我有一个很好玩的问题：Alexa到底有没有某种人格？因为大家知道，Siri是有自己非常古怪的性格的，比如调皮、自黑、讽刺等，相信苹果用户都多多少少有所体会。如果Alexa也有某种人格，是你们故意设计的么？

　　Toni Reid：没错，Alexa确实有，而且我们的团队负责赋予它这种人格。我们用三个词来定义Alexa的人格：聪明、谦逊、乐于助人，当然，或许还有一点冷幽默。你们可以跟它吵架试试，还蛮有趣的。从AI角度来说，将某项技术赋予一些人格是很重要的。

　　Jason Pontin：还是拿Siri作为例子，作为人工智能交互界面，人们拿着手机与Siri对话的场景明显与Alexa隔空对话是很不一样的，在Alexa的使用方式及语音反馈上你们有哪些考量？

　　Toni Reid：我们从未间断过用户数据的分析工作，作为一个只能语音设备，你必须决定反馈给用户的信息量。比如，询问天气，机器可以回答“68华氏度”，或者“现在旧金山室外温度为68华氏度”。

　　同时，需要回馈给用户多少信息也是我们在设计Alexa的过程中需要考虑的，有的人可能只需要最简单明了的回答，有些人可能更享受与机器对话的过程。回馈的信息量我们只能根据用户数据实时去做调节。

　　Jason Pontin：我们问问题其实有时候并不是要一个确切的答案。比如，问今晚 6 点的温度，可能我是想知道应该穿什么样的衣服。这类问题你们是否有考虑到？

　　Toni Reid：确实有考虑到。对这类问题的回答通常需要具备一定的预见性。只能手机在这方面是有优势的，比如在手机上语音查询天气后，屏幕上会显示穿衣指数等其他有用信息。

　　设计Alexa的过程中，我们的原则是让语音反馈尽量简明扼要，因为加入太多和用户问题不直接相关的信息，沟通效率就会降低。

　　Jason Pontin：Siri是拥有屏幕优势的，Alexa则没有这个功能，有没有什么办法能弥补这个差距？

　　Toni Reid：我觉得这得看使用场景。比如你要解释某个定义，只需要听到语音描述就够了。但你是要查询一张专辑，这时在屏幕上显示专辑封面就会变得很重要。

　　亚马逊也有这类产品，比如搭载了Alexa的Fire TV和Kindle平板电脑。亚马逊也正在积极向带屏设备拓展，并开始累计一些经验。