摘要：
“理解”技术不同于以往任何人机交互技术，它以其全新的思路，开创了输入方式和人机交互方式的一次革命。以微软“数字墨水”技术为代表的手写“理解”技术的发明与使用，更使人们多了一种在便携式电脑上快速记录和交流的方式。相信随着信息技术的不断发展，“理解”技术必然得到越来越广泛的使用和认同。
Abstract:
“Understanding” Technology is different from any other Human-Computer Interaction (HCI) technology before. With a new thinking, it begins a revolution of inputting and HCI method. The invention and using of Written “Understanding” Technology such as Microsoft’s “Digital Ink”, can give people a new method to record quickly and communicate in portable computer. I believe “Understanding” technology must be used more and more widely as Information Technology developing continuously.
Keyword:
“Understanding” Technology, Human-Computer Interaction(HCI), “Digital Ink”, TabletPC
一、识别技术的发展现状
在PC出现以前，人类借助笔墨纸张来记录思想。“笔录纸现”是大多数人所习惯的“信息”存储、处理和展示方式。在计算技术已得到了飞跃式发展的今天，纸笔的便利性与极强的表现能力仍无法取代———参加会议的人仍习惯于用纸笔来“复制”演讲人的言论和数据；医生们仍然在用笔和纸来记录病人的病情和出具药方；学校的老师和学生还是用纸和笔完成教学和课业———即便是家庭主妇也习惯于用笔和纸而非计算机来统计家里的月度收支情况……是PC的性能不够强大，以至于所有人都难以割舍传统的信息处理应用模式吗？现代计算在功能越来越强的同时，怎样适应人性化的需求？
为了能让计算机识别出人类的意图，包括语言、文字、思想、行为等等，人类探索和开发了许多各种类型的识别技术，有些已经在我们与电脑的交流中普遍使用了，比如：鼠标、键盘。而有些却仍不成熟或刚刚起步，属于科学探索阶段，比如：思想识别、行为识别等。 概括起来说，人类现在开发的比较成熟的识别技术还停留在简单的硬件转换层次，以鼠标和键盘为例，我们敲击键盘其实就是触动键盘上已经制作好的一个规定的电信号，这个电信号通过连接线传给电脑，电脑通过查找内部的编码就可以定位到这个按键到底是想输入什么字符。鼠标也是一样，我们通过在水平X和Y轴移动鼠标，定位屏幕上的Cursor，而鼠标内部也是有一个感应装置，来收集我们移动的位置信息，然后以一个很快的速率传给电脑进行处理。类似的这种识别技术，现在已经发展的相当成熟，我们称之为“简单硬件转换层次的识别技术”，简称“硬识别”。也就是说在整个识别过程中，基本上很少有程序算法的参与，多数转换识别过程是由硬件简单地按照事先输入好的逻辑电路进行的。正是由于这种识别技术简单又很实用，所以现在主流的识别技术仍以“硬识别”为主。从日常我们操作和使用电脑的过程就可见一斑。
当然，人类对识别技术的追求远没有只停留在“硬识别”的层次，而还在向更人性化、更高效的识别技术发起挑战。综观和分析人类之间交流可以发现，人类最主要的交流方式只有两种：语言和文字，而这两种方式如果将其展开就形成“语音识别、文字识别、语意识别”，三者的关系是这样的：
其中文字识别技术又可分为手写文字识别技术和纸张文字识别技术两种。这两种技术基本是独立的，算法实现上也各不相同。
从目前的现状来看，文字识别技术的发展明显要快于语音识别技术，识别的准确度也要比后者好上许多。据有关资料统计显示：目前比较成熟的手写文字识别技术的准确率基本能达到90%以上，英文的甚至更高些，达98%以上。而且对于潦草字也有相应的模糊识别技术和语意推测技术。这些都大大提高了手写文字识别技术的准确性。而纸张文字识别技术相比就略微逊色，标准印刷字体识别率基本上可达90%，但草体等不标准字体的识别率就变得让人有时无法忍受。
而前几年曾发展势头很猛的语音识别技术，在经历了一段市场考验期后，也慢慢被市场冷淡。主要原因就是目前语音识别技术还不成熟，还只能停留在命令式控制式语音识别应用上，无法真正有效地应用于大规模语言的识别。而且现在能提高语音识别率的主要方法是加大个性语音库的规模，而这势必要加重用户使用前的语音训练时间，造成用户识别之前必须浪费大量时间做语音训练。而且由于语言和文字不同，语法规范度更差，口语化现象十分普遍，也给识别造成许多技术困难。据了解，IBM公司在语音识别方面已经进行了20多年的研究和探索，也积累了大量的经验和技术，但目前识别率基本上只能达到70%，而且之前还必须做大量语音训练动作，实用性还不很完善。
语意识别技术的发展更是缓慢，目前基本上还只处在辅助翻译阶段，无法自主准确地理解人类语音文字的意图。
二、识别技术的问题现状分析
现在识别技术的主要思路是让电脑“认识”人类的语音和文字，这里的“认识”是指将语音和文字转化成文本（Text），进而让电脑识别、编辑处理。这种思路固然没有错误，因为我们最终的目标就是让电脑识别出我们的语言文字，并且以一种比较好的形式保存在电脑中，等待电脑做进一步处理。但这种思路实现起来技术上却存在许多困难。首先是人类语言文字博大精深，几千年的人类发展史造就了无数的人类文明，也造就了各种各样丰富多彩的文字和语言。让一个没有智能的机械化的电脑去识别变化无穷、充满智慧的人类语言和文字，这在短期内是不容易实现的（参见下图）。
从上面的两张图的对比，我们可以看出，在语音识别技术和文字识别技术取得重大实质性突破之前，我们研究思路可以参看第二张图。这里的“理解”和上图中的“识别”是有本质的区别的。“识别”是以生成电脑中标准的文本文件为目标，每一个语音元素或文字元素必须与文本中的字符建立一一对应的关系。这种方法目前来看虽没有错，但十分困难，短期内不会取得实质性进展。而“理解”是让电脑将人类的语音文字做为一种标准的格式进行处理，也就是说如果以这种思路，那么在电脑里语音和文字与平常的文本(Text)是平等的，电脑如何对待文本文件那就也如何对待语音和文字。
这种思路的变化意义是重大的，因为这不但为我们提供了一种识别技术的新的研究方面，而且也为电脑提供了一种新的“思考”方式。这种思考方式实质是是基于下面这张图：
可以看出，“理解”技术实质是通过减少内识别的能力和数量，来换取比“识别”技术更简单些的实现方法。所谓“内识别”，是指电脑系统内部以及电脑系统之间交流过程中互相识别的过程。这种过程包括文本、声音等格式的相互转化等。为什么“理解”技术敢于大胆的减少这部分的能力，以换取技术上更多的突破呢？这需要从统计数据来做分析：有人统计过，人们80%以上的时间用电脑，只是用其中转功能。举例来说，比如我们用电脑笔在电脑上书写了一段话（未进行任何识别），这段话的笔迹会以一种笔迹格式保存在电脑中。我们这段话可能就是想告诉朋友一件事，那么电脑在这里只是一个中转站，让我们可以将信息暂时保存在这里，或者通过这里发到别人那里。而以这段话的角度来分析，实质上是人类与人类之间的交流，不需要任何识别过程。再比如一个人就是想快速录一小段语音和写一小段文字放给文档中，他并不希望这段语音和这段文字被识别，因为随后他只是将这些给自己的老板看一下就OK了，那么没有必要去进行识别。
上面两个例子只是简单的说明“理解”技术不是随意地将内识别能力大幅缩减，而是有根据来源的。当然，使用“理解”技术还是有许多自身的优点的，而且许多优点是“识别”技术无法比拟的。首先，由于“理解”技术没有“识别”技术中识别的动作，因此速度上基本没有延迟，更没有“识别”技术中准确性差的问题。其次，由于“理解”技术在保存上采用特殊的技术处理，因此存储的空间性和时间性都很好。最后，“理解”技术在交流上更加方便，加之使用“理解”技术后设备所做的特殊优化，使记录和交流速度更加快捷。
“理解”技术在世界范围内还处在刚刚起步阶段，但由于其新颖巧妙的思路以及众多无与伦比的优点，在短短几年中得到了迅速的发展。微软亚洲研究院在这方面有独到的建树，由其中的多通道用户界面组研究开发的“数字墨水”技术就属于文字“理解”技术的一种。下面引用一段文章来详细介绍一下“数字墨水”技术的由来和发展。
（1）数字墨水的介绍
多少年来，我们同电脑的交流方式居然一成不变。
个人电脑包括了三个主要部分：人机信息交互、信息处理和存储以及信息显示，其中“信息处理和存储”和“信息展示”技术更新和发展的速度相当快。CPU的性能遵循着摩尔定律所预言的发展模式“突飞猛进”，存储容量的发展也快得惊人；就信息显示而言，采用CRT技术的显示器已发展了数代，走入千家万户；LCD技术也日益成熟。
但人机交互技术多年来并未有重大技术突破。现在我们所使用的计算机（QWERTY）键盘脱胎于英文机械打字机，而其基本布局更是早在十九世纪便已大体确定。二十世纪鼠标的诞生是人机界面技术领域中的重大发明，它奠定了图形用户界面（GUI）的基础。之后键盘的发展经历了从键数、布局到功能等各种变化；鼠标也大体经历了从机械鼠标到采用光学定位技术的鼠标的过程，后来出现的基于人体工学设计的键盘和无线鼠标也受到了用户的欢迎。但所有这些技术的更新对人机交互而言都不能称为“质变”。语音和手写识别技术一直在坎坷跋涉，虽在市场上生存了下来，但由于各种各样的原因，难以成为像键盘和鼠标那样的主流人机交互技术。
数字墨水技术改变了人对计算机的固有认识，成为自鼠标问世以来最重大的人机交流模式转变。它使那些不愿被“桌面”所束缚的人能够利用计算机去改变工作和生活的面貌。从研究思路来说，数字墨水希望找到一种比现有人机技术更加简单化和人性化的自然人机交互途径，实现“在任一时间、任一地点、以任一设备与任何人沟通”，让个人计算在每时每刻帮助每一个普通用户。基于数字笔和数字墨水的TabletPC便是一张具有PC处理能力的可以让用户随意涂鸦的“数字纸”，它使计算不但像PC一样强大，而且像纸和笔一样简单和易用。
数字墨水技术是回归与创新的产物，就像鼠标的发明人道格拉斯·恩格尔巴特预料不到其发明物“爬”到了每一位计算机用户的桌面一样，我们今天还很难对数字墨水的应用前景做出准确无误的判断。但它所展现出的技术潜力和应用前景，已使包括比尔·盖茨在内的很多微软高层人士特别是产品部门对微软亚洲研究院所进行的这项研究给予特别的关注和支持。
数字墨水是一种新的人机界面技术，它在借鉴了学术界多年来在“手写识别”方面所取得的研究成果的同时，超越了“手写识别”技术的许多局限。传统手写识别技术的攻坚核心是想方设法将手写笔迹转换成计算机可以处理的“文本”。由于不能对手写墨水进行有效的分析和处理，这种转换的目的被限于输入文本，是一种以机器为中心的技术。
而数字墨水是一种以人为中心的技术，它充分利用了书写的自然性和墨水丰富的表达能力。数字墨水的处理包括了数字墨水的表示，压缩和显示，智能的墨水分析技术，墨水标记和注解技术，墨水的智能操作以及墨水存储和搜索等一系列有关技术。数字墨水中的关键技术之一———数字墨水分析技术，可以对记录下来的“数字墨水”进行结构化和深度分析，其分析目的不是要去解决“写的是什么字”，而是要解决“用户到底在写什么———是字还是‘涂鸦’以及是如何写的”。
数字墨水的内部表示和压缩技术，能非常有效地表示用户手写笔迹，因而生成的文件很小，拨号上网的用户发送数字墨水邮件也不会觉得是个负担。
数字墨水可以用墨水格式保存。将手写笔迹以墨水的形式保存，不会丢失任何信息。用户不再需要利用其它的Windows应用程序来把手绘、手写的笔迹转换为别的格式来保存、发送和编辑。同样，由于Windows平台将“数字墨水”定义为“基本数据类型”之一，这就如同文本得到操作系统这一级别上的支持一样，数字墨水在不同应用软件之间的交换已变得非常容易。
数字墨水技术同时加强了手写识别功能的准确性。微软在此领域内的技术多年来处于业界领先地位———内嵌式的手写识别引擎对任何人的书写都可以立即开始识别工作。由于微软已经在识别器中收集和存储了大量的手写样本，用户在使用数字墨水笔迹识别软件时并不需要额外训练。当前，微软已建立了多种语言的大量手写样本的识别引擎，实现了数字墨水技术对英文、德文、法文、韩文、日文、简体和繁体中文等语言的支持。
数字墨水的价值在于它结合了个人电脑强大的计算及处理能力以及纸的易用性。更重要的是，它“还墨水以本色”，人类不再需要扭曲自己最自然的写作方式，在机器所设置的“行”或“框”中按机器所要求的书写，而是随心所欲、随意勾画。可以预见，数字墨水技术将成为许多崭新应用的底层支持，这些应用配合个人电脑的能量，将把人类传统的手写和手绘发挥得淋漓尽致。
在微软公司，数字墨水技术从研究部门走向实用领域的速度是惊人的———从完成研究到产品化仅用了不到两年的时间。今天，人们已经可以从微软公司所发布的TabletPC中去体验这项创新技术成果所带来的惊人效果。需要特别说明的是，数字墨水技术的应用并不仅限于TabletPC。在未来的两到三年中，用户会看到数字墨水技术将应用到桌面PC等更多计算装置中。人们所习惯的“笔和纸”将在信息时代以新的方式得以延续，数字墨水以及与之相关的计算技术会与我们的工作和生活越来越近。
每一项创新的动力都源于用户的需求。微软亚洲研究院还在继续深入对数字墨水技术的研究，“还墨水以本色”，将更自然和人性的计算技术延展到人类生活和工作的方方面面。
（2）“数字墨水“技术分析
“数字墨水”技术是“理解”技术中应用比较成功的一种，目前已经开发完成了第一版，不仅全面应用于微软公司最新推出的平板电脑（TabletPC），而且许多PDA产品中也准备尝试使用。这种技术的最大特点就是全面领会了“理解”技术的真谛，充分体现了“理解”的作用。“数字墨水”在内部作为一种与“文本”平等的格式，参与各种类型的处理，而且由于注重格式的设计和压缩处理，在网络通讯上基本不会带来负担。更重要的是，由于其与TabletPC完美集成使用，使得书写操作非常人性化和简便。这使得人们使用电脑操作电脑的门槛又一次降低。
“数字墨水”的最大优点是人性化。人们可以通过和日常书写基本一致方式，在TabletPC上书写文字，电脑会将这些“数字墨水”以一种特殊的形式保存在电脑中。而后，如果只需“理解”而无需识别，“数字墨水”就以这种特殊格式来交流和处理；如果非要“识别”，由于“数字墨水”中保留着完整的书写过程，很容易通过“墨水解析”算法识别成文本文字，以便做进一步处理。
“数字墨水”操作起来和文本一样方便，有些时候甚至比文本操作还方便。比如记者采访时，只要在TabletPC上快速记录就可以了，回来后可以进行裁剪后再做“识别”，这样比采访时直接做手写识别要快得多，也方便的多。“数字墨水”同样支持日常的文本操作，如“Cut”、“Copy”、“Paste”等。
当然，“数字墨水”也是有缺点的。首先一个重要的缺点就是现在的Windows操作系统内核仍就是一个不能平等对待文本和“数字墨水”的操作系统，也就是说，Windows本质上还是一个文本以处理核心的操作系统。当然这与Windows的发展历史有很大关系，虽然Windows XP已经通过外部提供的扩展软件包，实现了对“数字墨水”的支持，但其内核并不是针对“数字墨水”设计的，所以目前在应用“数字墨水”技术上仍停留在文档编辑等基础层面，没有真正做到“让电脑用墨水来思考”的目标。这倒是可以理解的，毕竟Windows系统已经发展了20多年，而“数字墨水”的发展才刚刚起步不到2年，让Windows马上全面从内核去支持一个尚处在起步阶段的技术，是不现实的。
此外，“数字墨水”技术应用的大环境还没有广泛建立起来。人们现在处理最多的还是文本。这主要是由于电脑发展近半个世纪了，人们使用键盘鼠标等输入设备的习惯已经根深蒂固了，让人们都去用“手写”方式来输入是不太可能的事。而且键盘鼠标作为人类的两个天才的发明，几经改良，输入速度已经达到了一个很高的水平，“手写”速度在短期内很难超过这个水平。而且“手写”主要应用于TabletPC上，而目前便携式电脑发展的大方向是笔记本电脑，在笔记本电脑上主要是用键盘和鼠标输入。加之TabletPC较高的价格和并不很轻便的重量，短期内普遍尚待观察。
最后是“数字墨水”的在交流上还存在一些问题。由于“数字墨水”还没有实现系统级的支持，因此电脑间以“数字墨水”形式交流还不是很方便，目前也只有微软的Office以及个别软件支持“数字墨水”。这也给“数字墨水”的普及造成了一定的困难。
（3）“数字墨水”的发展看“理解”技术的可行性和全面应用
“数字墨水”技术作为“理解”技术的一种探索性的尝试，取得了很好的效果，在发现了许多问题的同时，也积累了许多宝贵的经验。这对于理解用户的体验，最终形成完善的“理解”技术应用也提供了很好的参考作用。
应该指出，尽管“理解”技术刚刚起步，就遭遇到像“数字墨水”遇到的这么多困难，但不可否认，“理解”技术的确是对古老的“识别”技术的一次全新的革命。它不依赖于“识别”的作用，而是通过新颖的思路和设计让电脑全面“理解”人类的意图，中转人类的意图。正如“数字墨水”的创始人王坚所说：“‘数字墨水’会促进很多新的应用的研发，未来这一研发空间可能长达10年。”因此，“理解”技术的发展不但是可行的，而且是巨大的。
要全面应用“理解”技术，必须注意解决和协调好上面一节中的三个方面问题。
首先，要逐步实现Windows操作系统内核级的改造，使Windows操作系统从内核起全面支持“数字墨水”，这样才能使“数字墨水”真正成为与文本平等的格式。而这种“一视同仁”的对待恰恰是“数字墨水”最需要解决的。如果能很好地做到这点，那么操作系统上的各种应用程序也就自然能很好的支持“数字墨水”了，从而真正做到“用墨水思考”。当然这种改造不会在短期内完成，因为Windows内核经过多年的发展，已经基本成熟，如果真的要修改，也会在充分进行实验后再做改动。
其次，TabletPC的普及问题也是当务之急。如何能降低其较高的价格和并不轻便的重量，是需要每个TabletPC开发商认真考虑的事情。当然，Centrino处理器的成功推出，给TabletPC提供了一个更好的选择。相信随着电子技术工艺的发展和水平的提高，轻便、低廉的TabletPC应该是可以实现的梦想。
最后，在应用软件支持方面，应该广泛动员各种应用程序开发商针对“数字墨水”技术为TabletPC开发各种应用程序。只有针对“数字墨水”技术开发的应用程序丰富起来，“数字墨水”技术的普及才有可能，而交流等问题也会迎刃而解。
（4）“理解”技术目前需优先解决的问题
上面所说的问题都是“理解”技术发展中的长远问题，解决这些问题单靠技术是不行的，还要综合考虑市场、成本等诸多因素。而技术问题才是目前“理解”技术需要优先解决的问题。
目前，“理解”技术还只有“数字墨水”这种手写方面的尝试，缺少语音“理解”的尝试。这种不平衡的局面应该尽早打破。有人认为语音“理解”技术就是语音录成声音格式文件存在文档中。这种认为是不正确的。语音“理解”的关键在“理解”上，要让电脑在内核级理解语音，而不是只在应用级上理解。当然，这又是一个全新的尝试，并且语音比文字更复杂，对存储的要求更高，“理解”起来会更加困难。但我想解决好这个问题对于全面实现“理解”技术意义重大。
由于目前尚没有关于语音“理解”技术的尝试，我这里以我自己的设想大胆来描绘一下可能的情况。将来如果Windows能实现真正的语音“理解”技术，那我们在系统中将随时随地运用语音：文件名可以用语音来“书写”，文档中随时可插入语音并可以随时编辑语音而不通过任何特殊的软件，人与人在网络上随时通过语音交流而不用专门的播放器或播放功能，人们可以通过语音随意控制操作系统的运行而不用专门的语音控制软件或功能，等等。
可以说语音“理解”技术是继文字“理解”技术后的又一个很有潜力的研究方向。但是和文字“理解”技术一样，其发展同样受到那三个方面的制约。不过发展语音“理解”技术，使之与文字“理解”技术发展相呼应，共同成为“理解”技术全面的解决方案，是值得每一个从事UI研究的人员认真思考的问题。
三、结束语
“理解”技术发展还处在刚刚起步的阶段，发展潜力巨大。作为一种新型思考方式的革命性的输入处理手段，“理解”技术在目前短期内还不会占据优势，还会和古老的键盘鼠标输入以及发展困难重重进展缓慢的“识别”技术共存很长时间。目前来看，很长一段时期内，古老的键盘鼠标这种精典的输入方式仍然会占据绝对主导的地位，因为如何协调处理好与这种精典输入方式的关系，使之能达到互补，是目前阶段“理解”技术应该考虑的问题。此外，由于有时用户还必须借助“识别”技术将语音或文字转化为文本，因此与“识别”技术的无缝集成也是“理解”技术应该注重考虑的问题。无庸置疑，“理解”技术以新颖的思路和设计理念，为人机交互界面又增添了一道亮丽的风景，相信不远的将来，“理解”技术一定会有一个很大的发展空间，会有更多的人使用上这种全新的技术。
参考文献：
［1］ 看Tablet PC(平板电脑)的十大优点 Pconline,2002
［2］ Tablet PC面临10大问题 Pconline,2002
［3］ 未来笔记本电脑的泛美时代 中国计算机报，肖飞，2002
［4］ “数字墨水”技术
［5］ 《人机界面设计》 罗仕鉴 朱上上 孙守迁 编著 机械工业出版社 2002
［6］ Usability Engineering. Nielsen, J. London: Academic Press,1993
［7］ Cost-Justifying Usability. Bias,R.G.and Mayhew,D.J. Boston:AcademicPress, 1994.
［8］ 《二十一世纪的计算》 Turner Whitted 微软亚洲研究院
［9］ 《计算机学报》 清华大学计算机学院
［10］ 在平板电脑上用笔写字 谈数字墨水技术，赛迪网
［11］ Windows XP Tablet PC Edition Features Microsoft
［12］ Digital-Ink, The Future Technology Microsoft
［13］ Tablet PC用起来是关键 新浪网
［14］ 2002年，微软的Tablet PC能有戏么？ ZDNet
［15］ 微软的另一块肌肉 IT经理世界
