恐怖谷是我們熟悉的：如果一個人形機(jī)器人造型逼真，但又達(dá)不到足夠真實(shí)，它會讓人感到怪異。

到目前為止，這種說法幾乎完全適用于機(jī)器人的面容和身形，但人們往往忽略了機(jī)器人語音中的恐怖谷現(xiàn)象。

Kozminski大學(xué)的機(jī)器人專家Aleksandra Przegalinska是個例外，他同時也是麻省理工學(xué)院的研究員，關(guān)注于聊天機(jī)器人和語音助手的蓬勃發(fā)展。本周WIRED(《連線》雜志)在SXSW與其共同討論“機(jī)器人復(fù)制人類語音中所面臨的巨大挑戰(zhàn)”，為什么人形機(jī)器人的未來可能不會特別明朗?當(dāng)你讓學(xué)生教聊天機(jī)器人如何說話時，會發(fā)生什么?

WIRED：為什么將研究的關(guān)注點(diǎn)放在機(jī)器人語音方面呢?

Przegalinska：恐怖谷現(xiàn)象不僅存在于機(jī)器人的仿真形象上，也存在于語音方面，如其說話的方式。音調(diào)本身在這里非常重要。這就是為什么我們對聊天機(jī)器人感興趣，所以我們建立了自己的聊天機(jī)器人。

我的學(xué)生與聊天機(jī)器人交流了整整一年，主要是為了使機(jī)器從中學(xué)習(xí)，然而，最終收集到一些人類羞辱機(jī)器的言語，這可能就是恐怖谷的一部分。為什么學(xué)生會對聊天機(jī)器人心生厭惡?可能是因為聊天機(jī)器人只是一個聊天機(jī)器人，或者學(xué)生因為心中的不安全感而討厭機(jī)器人。

WIRED：這種現(xiàn)象也會發(fā)生在物理機(jī)器人身上。日本曾進(jìn)行一項研究，將一個機(jī)器人放置于商場中，看看孩子們會對它做什么，最終孩子們踢了它并直呼其名。

Przegalinska：對于孩子來說，他們處在一個受自然本性影響遠(yuǎn)大于文化的階段。

WIRED：也許這對他們來說是宣泄，也許就像治療一樣。

Przegalinska：也許這種反應(yīng)與人們試圖處理由恐怖谷現(xiàn)象所產(chǎn)生的情感有關(guān)。你會感到厭惡，因為你不確定自己與之互動的對象是什么。我能感受到人與聊天機(jī)器人助理的奇怪關(guān)系——聊天機(jī)器人非常有禮貌，而人們只是向他們?nèi)永?，這是是一種怪異的情況，好像他們是一些較低級別的人。

WIRED：聊天機(jī)器人可以采取不同的形式，對嗎?基于文本或帶有虛擬化身。

Przegalinska：我們發(fā)現(xiàn)擁有虛擬化身的聊天機(jī)器人會使人們感到厭煩。在大多數(shù)情況下，它給出了與文本相同的響應(yīng)，但反應(yīng)的差異是巨大的。在基于文本與聊天機(jī)器人互動的情況下，參與者發(fā)現(xiàn)機(jī)器人非常有能力談?wù)摳鞣N主題。與之對比的是，當(dāng)聊天機(jī)器人帶有虛擬化身時，就情感反應(yīng)而言，人會感到有壓力。人們與基于文本的聊天機(jī)器人的對話通常是兩倍長。

WIRED：你的聊天機(jī)器人表現(xiàn)如何?它如何以一個交談?wù)叩慕巧嬖?

Przegalinska：無論何時進(jìn)行對話，聊天機(jī)器人都會嘗試反映對方的說法。例如，如果你說你討厭體育，而且談話時間足夠長，聊天機(jī)器人會說“我也討厭體育。”

WIRED：所以它可能騙你。

Przegalinska：當(dāng)然，這經(jīng)常出現(xiàn)。它也會經(jīng)常轉(zhuǎn)變。

WIRED：或者更糟糕的是，它會變得種族主義。

Przegalinska：實(shí)際上，這發(fā)生了。我認(rèn)為我們的聊天機(jī)器人在很多方面仍然非?？煽?，我們很驚訝地看到它的轉(zhuǎn)變頻率。我們確實(shí)策劃了它所呈現(xiàn)的一些內(nèi)容，但隨后機(jī)器人通過與其他人的互動輕松地與之分道揚(yáng)鑣。

WIRED：除了語義之外，當(dāng)談到當(dāng)前的機(jī)器人語音時，究竟是什么讓人們失望?

Przegalinska：即使是一個簡短的句子，機(jī)器人也會以長句的方式來處理。這在某種程度上是如此具有決定性，聽起來你期待一個冗長的陳述然后句子結(jié)束。因此，理解你所說的語調(diào)和語境會存在問題。因此，將語義與語調(diào)聯(lián)系起來，這就是出錯的部分。

WIRED：當(dāng)這種智能體現(xiàn)在索菲亞這樣的機(jī)器人身上時，復(fù)雜程度會更高，大多數(shù)人都從她的脫口秀節(jié)目中了解到這一點(diǎn)。

Przegalinska：也許問題是如何將語義與語調(diào)整合在一起。我們知道像這樣的系統(tǒng)是非常模塊化的，因為有一個系統(tǒng)負(fù)責(zé)移動頭部而另一個系統(tǒng)負(fù)責(zé)微笑。所有這些模塊有時很難整合。我認(rèn)為這是恐怖谷，一種響應(yīng)的延遲。它需要非常大的計算能力。但我毫不懷疑這就是未來。除非人形機(jī)器人被徹底拋棄。這也是一種選擇。我認(rèn)為這是可能的。