情境化
做正確的事情——即使情境發(fā)生了改變
與個(gè)性化相比，情境化并注重于用戶(hù)本身，而是關(guān)心特定時(shí)刻用戶(hù)周?chē)那榫?mdash;—既包括車(chē)內情境，又包括車(chē)外情境。例如，與載著(zhù)孩子駕車(chē)外出相比，獨自一人駕車(chē)外出的駕駛員可能傾向于選擇不同的餐館。在惡劣天氣條件下，即便是室外停車(chē)價(jià)格更加低廉，駕駛員還是可能傾向于選擇室內停車(chē)。
此外，系統還能夠根據自身掌握的常識采取更加智能的行動(dòng)。例如，駕駛員希望吃越南菜，而駕駛員所在地區并沒(méi)有越南菜餐館。如果系統知道越南菜與泰國菜比較類(lèi)似的話(huà)，它就可以說(shuō)：“抱歉，我沒(méi)能在附近找到越南菜餐館，不過(guò)轉角處有一家很棒的泰國菜餐館，在Yelp上獲得了五星好評。你想嘗試一下嗎？”
為了實(shí)現情境化，Nuance在推理的基礎上采用了一個(gè)基于知識和規則的方法——這種人工智能技術(shù)不同于個(gè)性化所采用的機器學(xué)習方法。這樣做的一個(gè)原因就是，情境化和推理通常需要依賴(lài)已經(jīng)掌握的知識。在學(xué)習階段，惱人的錯誤是不可避免的。通過(guò)直接向系統提供事先知曉的所需知識，讓系統不再需要學(xué)習這些知識，這一過(guò)程將變得更加容易，能夠提供更加令人滿(mǎn)意的用戶(hù)體驗。
在情境化集成方面，Nuance需要訪(fǎng)問(wèn)汽車(chē)的傳感器數據，例如導航數據和燃油油位。隨后，這些數據將在云端進(jìn)行處理并集成到系統的決策過(guò)程中。通過(guò)對用戶(hù)請求做出更好反應，以及與個(gè)性化的結合使用，情境化能夠進(jìn)一步提升用戶(hù)滿(mǎn)意度和駕駛安全性。
（未完待續）
