互动的核心是交流，人机交互从未涉及图形用户界面(GUI)，这就是为什么语音用户界面（VUI）是未来用户界面设计的方向。接口只是人们用来与系统交互的媒介，无论是GUI、VUI还是其他东西。那么为什么VUI如此重要呢？

首先，对话界面非常吸引人，因为对话是一种人人都能理解的交流方式。这是一种自然的交流方式，人们将语音通信与他人联系在一起，而不是与技术联系在一起。用户不需要学习解释任何符号或新的术语（GUI语言），他们可以使用英语（或任何其他母语）来操作系统。这并不意味着用户不需要学习如何使用一个系统，但学习曲线明显减少。

其次，用户的期望正在改变。据Statista统计，39%的千禧一代使用语音搜索。这些受众已经准备好成为VUI系统的早期采用者。

在VUI的设计上，语音交互是自iPhone问世以来设计师面临的最大的UX挑战。但好消息是，我们在使用GUI创建产品时使用的最基本的UI设计原则仍然适用于VUI设计。那么总体来说，语音用户界面的设计未来有哪些趋势呢？

建立信任的VUI

信任有助于在人与机器之间架起一座桥梁，如果没有信任，用户不太可能与特定的语音用户界面进行交互。

有效结果的重要性（VUI应该让人明白，他/她会得到他/她要求的东西）。有可能通过关注以下事情来实现这个目标：

提高语音识别的准确性（更复杂的NLP算法）。

关注于理解用户的意图（首先是交互的原因），当用户与系统交互时，他们有一个想要解决的特定问题，而设计人员的目标是了解这个问题是什么。

提供有意义的错误消息

构建上下文驱动的流，虽然无法预测用户可能会询问系统的所有命令，但设计人员至少需要设计一个上下文驱动的用户流。系统应该在对话的每个点上预测用户的意图，并向用户提供他们下一步可以做什么的信息。例如，在用户附近找到一家餐馆。当用户搜索餐馆时，系统应该完全匹配用户所搜索的内容。

用户控制的重要性（Jakob Nielsen对用户界面设计的10个可用性启发法之一仍然适用于VUI设计）。

该系统应该考虑人类大脑的自然限制（短期记忆限制），该系统提供的信息应该是压倒性的。当人们听到系统响应时，大多数用户只记得最后一个短语。因此，最好远离长短语或提供十几个不同的选项，而用户一次只能记住其中几个。

系统应该以适当的反馈对用户的请求作出反应，这种反馈应该能让用户充分了解系统正在做什么。例如，视觉反馈让用户知道系统已经准备好并在倾听；或者在POD（做的过程）中。当用户向系统发送请求时，系统会显示一个POD。POD并不是一个加载动画，它不仅仅表明用户必须在系统运行时等待，它还提供了系统运行的有价值的信息。例如，用于从Dropbox提取文件的命令的POD看起来就像有人在存储中搜索正确的文件。

自适应用户界面

自适应用户界面（也称为AUI）是一种用户界面（UI），它根据用户或上下文的需要进行调整。未来的VUI将适用于用户——系统将分析其拥有的关于用户的所有信息（包括关于当前心理状态和健康状况的信息）和他们当前的上下文，以提供对用户请求更相关的响应。

例如，如果用户当前有高血压，决定在2小时内召开会议，数字助理可能建议避免这种情况，或者建议在会议开始前通过锻炼来降低血压。

传达个性的VUI

视觉设计师有很多选择来引入图形用户界面的个性-字体，颜色，插图，运动，仅举几个例子。那么VUI呢？设计师可以通过语言本身来传达个性——通过玩弄文字、声音和语调。说到声音，声音是角色的一部分，它塑造了角色的身份。一旦我们将声音与某物联系起来，它就成为其身份的一部分。当我们与这样一个界面互动时，我们会体验到情感，就像我们与真实的人互动一样。人们想要的是人类可以理解的声音——不是一个听起来像人类的声音，而是一个连贯的人类的声音!

不好的例子：苏珊·贝内特（Susan Bennett）的Siri声音——这个声音听起来几乎像人类，但人们仍然知道它是一台机器。你不能和Siri真正对话。你可以这样问Siri：“今天天气怎么样？”你不能问更复杂的问题，比如“我今天应该穿什么？”“因此，你对Siri没有很深的感情，你知道它只是一个机器人。”

一个很好的例子：电影《她》中的萨曼莎的声音——那种让人听起来连贯的声音，人们会爱上它。

从狭义的人工智能到一般智能

人机交互正在转向对话，但用户期望更多。目前可用的大多数人工智能系统仍然局限于狭窄的人工智能——这种系统使用机器学习来解决一个明确定义的问题（在大多数情况下，这个问题太过狭窄）。狭窄的AIs系统除了训练数据外，没有任何知识。这意味着，当用户想要解决一个稍微不同的问题，或者问题本身在发展时，系统将无法解决它，它会做出类似于“我不明白”的反应。因此，作为用户，你面对的是一堵墙。

与狭义人工智能相比，一般智能并不局限于狭义领域。学习的概念是GI系统的基础——狭义人工智能和一般人工智能之间的根本区别在于，一般的智能系统在没有明确编程的情况下学习（机器自己学习）。

GI系统使用两种学习方式——强化学习（当系统使用所有可用信息解决特定的用户问题时）和监督学习（当系统第一次需要用户帮助解决问题时）。另一个不同之处在于，一般的人工智能系统可以学会利用其他人工智能来达到一般和特定的目的。因此，不同的机器学习模型可以独立训练和合作工作。一个先进的NLP GI系统可以通过组合和处理来自多个不同数据源的信息，从第一次尝试中学习。

对社会的影响

广泛接受VUI系统，提高基于VUI ai的系统的质量将导致更好的用户参与。人与计算机之间的关系将是交互和协作的——人与计算机将协同工作。这将对社会产生影响——想象一下，十年后，你走进家门，只需要交谈和控制各种各样的机器。

未来的人工智能将无所不在：作为用户，我们将信任人工智能，即使做出最重要的决定，比如“我应该为我的孩子选择什么样的学校？”“VUI将改善老年人和残疾人的生活质量。

“最好的界面是没有界面的”是Golden Krishna的一句名言，他是《最好的界面是没有界面的》一书的作者。他和其他许多设计师都认为，人们不想花更多时间在屏幕上，实际上他们想要的更少。因此，技术应该停止庆祝基于屏幕的解决方案。而且这将很快发生——未来的交互不会由按钮组成。

随着计算机处理能力的提高，我们将有更多的系统能够在一秒钟内计算1000步。用户和机器将一起工作，实现一般智能。