而情感表达，仅靠语言文字远远不够，长期来说，更重要的会是“多模态交互”。（注：梅拉比安模型，感情表达＝内容7%+语调语气38%+表情肢体语言55%）

好比飞机拥有多个引擎，其中一个引擎出了故障，飞机仍然可以飞行。比如，运用多模态交互的话，在极端情况下，比如语言功能disable了，仍然可以通过眼神、肢体、表情等表达。

A：小冰在早期设计时，PM们先对地址栏，聊天对话框等带有输入框的产品进行体验，看哪个框的输入最不疲劳。得出的答案是聊天对话框。因为搜索带有目的性，而面对聊天对话框是无目的，无压力感的。所以确定了聊天对话是最佳人机交互方式。制定了小冰的产品方向是用聊天的方式做搜索。但如何能不能让用户聊的话题跑出控制，如何在聊天中控制用户的话题方向成了重点。所以小冰这方面的设计是使用自由聊天加兜底聊天的方式。

多轮，开放域聊天，容易聊断。起初可能是因为语气词（哦、好吧、啊等），在改善后发现聊天的实质是用户与机器人在聊一个主题故事，当一轮话题结束，设计小冰回溯前5~8句对话，提取一个小冰擅长的话题对用户进行发问，使话题重新展开,CPS增加效果显著。

聊天产品中CPS是唯一参考，但还可以参考的指标有：哪些用户群体在聊，性别分布，时间分布，活跃态度，所在环境等。了解用户是在什么场景下与机器人聊天最多有很大的影响。

聊天产品的挑战是：

技术 – 两端看产品，回答准不准，回答傻不傻（太傻不像人）。

产品化 – 能不能找到更贴近场景的机器人

商业化 – 如何使B端C端的用户买单。

B：可否通过指令形式，让用户思维发生转化使聊天更可控。

C：目前技术受限，产品需要用产品设计来规避技术上实现不了的效果。

D：CPS是不是最终的唯一评判标准？不一定。未来，更应该从“效果”角度出发，比如小孩半夜哭了，那陪伴儿童机器人能否通过几轮交互让小孩不哭？如果能达到效果，其实交互轮次越少越好，不应该为了交互轮次而提高交互轮次。

话题4：AI与医疗结合的可能落地点

E：

文本识别。仅满足了提升效率，仍不能从本质上提升诊断正确率。

影像识别。眼底判断糖尿病（准确率能达到90%以上，但其实人也能做到） 、皮肤癌。目前对内部器官的疾病诊断尚难实现。

辅助诊断。

A：AI在医疗上有两部分比较成熟的应用，一个是纯工具性质，以辅助识别为主知识图谱性质，以辅助决策为主，比如梅奥诊所在做的辅助决策系统。

目前医疗监管太深，并没有很多可以在公众分享的大数据。个人身上的生命指标数据多，但到医疗范围，仅能通过数据的趋同性去进行判断。

至于优护家，是做基层医疗数据平台的公司，主要的产品是居民智能评估引擎。

F：健康APP希望能提供运动处方，但目前数据来源比较单一，仅能通过体感设备进行睡眠数据、运动数据、器械数据的采集，指标单一；缺乏日常数据，直播，需要结合心跳仪、血糖仪等医疗仪器才能获得更贴切用户的健康数据，才能更有针对性地提出处方建议。

D：有家“AI+医疗”公司，想用机器学习做医疗影像识别，提高医生的看片效率、降低误诊率。但在走了弯路后，他们第一步真正产生价值的是，做专门给医院提供影像图片的云存储服务（因为这个领域的图片太大，但每年只看1、2次，存在阿里云上非常贵、不划算）；有了这个基础，第二步，他们给一线城市主任医师提供指导二三线曾是医院医生的机会，增加其业务数据和收入；有了前两步，积累了信任（还有数据），各家医院才慢慢愿意接受其真正想做的医疗影像识别AI服务。

话题5: AI或大数据与人事档案／资源信息管理的结合点

C：档案不能对外公布，需要去挖掘对系统的帮助，找不到良好的入口点。

方向：

一个岗位，需要什么人来匹配，任职经历；

考评时，通过评级打分；

记录操作日志信息，再分析哪些系统可以优化，简化流程，通过流程组合减少漏洞，提高效率。

A：To B 的BI，解决内部的决策问题+运营问题

B端客户，其实是to Business Person，买单决策人＋使用角色人。

行业定了，行业功能就定了，不容易增减，解决大运营效率＋小运营效率。

#专栏作家#