情境化
做正确的事情——即使情境发生了改变
与个性化相比，情境化并注重于用户本身，而是关心特定时刻用户周围的情境——既包括车内情境，又包括车外情境。例如，与载着孩子驾车外出相比，独自一人驾车外出的驾驶员可能倾向于选择不同的餐馆。在恶劣天气条件下，即便是室外停车价格更加低廉，驾驶员还是可能倾向于选择室内停车。
此外，系统还能够根据自身掌握的常识采取更加智能的行动。例如，驾驶员希望吃越南菜，而驾驶员所在地区并没有越南菜餐馆。如果系统知道越南菜与泰国菜比较类似的话，它就可以说：“抱歉，我没能在附近找到越南菜餐馆，不过转角处有一家很棒的泰国菜餐馆，在Yelp上获得了五星好评。你想尝试一下吗？”
为了实现情境化，Nuance在推理的基础上采用了一个基于知识和规则的方法——这种人工智能技术不同于个性化所采用的机器学习方法。这样做的一个原因就是，情境化和推理通常需要依赖已经掌握的知识。在学习阶段，恼人的错误是不可避免的。通过直接向系统提供事先知晓的所需知识，让系统不再需要学习这些知识，这一过程将变得更加容易，能够提供更加令人满意的用户体验。
在情境化集成方面，Nuance需要访问汽车的传感器数据，例如导航数据和燃油油位。随后，这些数据将在云端进行处理并集成到系统的决策过程中。通过对用户请求做出更好反应，以及与个性化的结合使用，情境化能够进一步提升用户满意度和驾驶安全性。
（未完待续）
