情境化
做正確的事情——即使情境發(fā)生了改變
與個性化相比，情境化并注重于用戶本身，而是關心特定時刻用戶周圍的情境——既包括車內情境，又包括車外情境。例如，與載著孩子駕車外出相比，獨自一人駕車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，即便是室外停車價格更加低廉，駕駛員還是可能傾向于選擇室內停車。
此外，系統(tǒng)還能夠根據(jù)自身掌握的常識采取更加智能的行動。例如，駕駛員希望吃越南菜，而駕駛員所在地區(qū)并沒有越南菜餐館。如果系統(tǒng)知道越南菜與泰國菜比較類似的話，它就可以說：“抱歉，我沒能在附近找到越南菜餐館，不過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？”
為了實現(xiàn)情境化，Nuance在推理的基礎上采用了一個基于知識和規(guī)則的方法——這種人工智能技術不同于個性化所采用的機器學習方法。這樣做的一個原因就是，情境化和推理通常需要依賴已經(jīng)掌握的知識。在學習階段，惱人的錯誤是不可避免的。通過直接向系統(tǒng)提供事先知曉的所需知識，讓系統(tǒng)不再需要學習這些知識，這一過程將變得更加容易，能夠提供更加令人滿意的用戶體驗。
在情境化集成方面，Nuance需要訪問汽車的傳感器數(shù)據(jù)，例如導航數(shù)據(jù)和燃油油位。隨后，這些數(shù)據(jù)將在云端進行處理并集成到系統(tǒng)的決策過程中。通過對用戶請求做出更好反應，以及與個性化的結合使用，情境化能夠進一步提升用戶滿意度和駕駛安全性。
�。ㄎ赐甏m(xù)）
