twhlw的个人博客分享 http://blog.sciencenet.cn/u/twhlw

博文

人机交互不是人+机 精选

已有 23235 次阅读 2023-6-20 16:27 |个人分类:2023|系统分类:科研笔记

人机交互不是简单的人+机,其本质是人、机、环境系统之间的交互。在这个系统中,人和机器不是孤立的存在,而是在特定环境下相互影响、相互作用的一部分。这种交互关系的本质在于,人和机器之间的交互不仅仅是单向的,而是相互作用的多向过程,双方都会受到对方或自身的影响。这种交互的本质特征对于设计和开发人员、使用和维护人员来说尤其重要,这些人员需要考虑到人和机器之间的相互作用和影响,以及环境对这种交互的影响。他们需要将用户的需求、机器的功能和环境的因素全部考虑进去,以实现最佳的人机交互体验。

在智能人机交互中,人的智能和机器的智能需要相互匹配,从而实现更加智能化、便捷化、高效化的交互体验。因此,智能人机交互需要注重人的主体地位,尊重人的需求和体验,同时充分发挥智能机器的优势,使得人和智能机器能够真正地协同合作,达到更好的交互效果。

不同的人与机器的交互效果是不同的。高手与机器的协同合作更注重人类专家的主导地位和机器的辅助作用,而低手与机器的协同更注重机器的自动化和智能化程度。高手与机器的协同通常指的是专业领域的专家与机器的协作,此时,机器可以提供强大的计算能力和数据处理能力,以协助专家做出更准确的决策,专家可以利用机器来获取更多的信息并加速工作进程。机器在这种情况下扮演的是辅助角色,专家仍然是主导者。低手与机器的协同更多指的是一般普通人与机器的合作,即机器可以扮演更主导的角色,协助人们完成更多的任务,就像自动驾驶汽车可以帮助司机导航和避免事故,在这种情况下,机器需要更智能化和自动化,以便更好地与人类互动。

在人与机器的协同交互过程中,应该根据具体情况来决定何时以事实链为主,何时以价值链为主。一般来说,在涉及客观事实的问题上,应该以事实链为主,而在涉及主观价值的问题上,应该以价值链为主。对于客观事实,机器可以提供更加准确、全面的数据和信息,人类可以通过分析和解读这些数据和信息来得出更加科学、客观的结论。在这种情况下,应该以事实为主,以机器提供的数据和信息为基础,通过人类的分析和判断来得出结论。对于主观价值,人类具有更强的判断和决策能力,可以考虑更多的因素和影响因素,从而得出更加符合实际情况的决策,此时,应该以价值为主,以人类的判断和决策为基础,通过机器提供的数据和信息来辅助决策。另外,在大多数情况下,人机环境系统交互过程中常常是事实链与价值链纠缠叠加在一起的,这就大大增加了分析/判断/预测交互过程的难度:如在信息检索和分析领域,通常以事实为主,因为这些任务需要机器提供大量的数据和信息,人类需要通过分析和解释这些数据和信息来得出结论;在医疗诊断领域,通常以事实为主,因为这些任务需要机器提供大量的医学数据和病例信息,人类需要通过分析和判断这些数据和信息来做出正确的诊断。而在智能客服和助手领域,通常以价值为主,因为这些任务需要机器与人类进行自然语言交互,了解人类的需求和意图,并提供相应的服务和建议,机器需要理解人类的价值观和需求,以及如何在实践中实现这些价值和需求。同样,在人机协作和机器学习领域,通常也以价值为主,因为这些任务需要人类和机器合作,共同完成一些复杂的任务,人类需要提供一些主观价值和目标,机器需要通过学习和优化来实现这些目标。

人机交互中,机器传感器的不完备性可能会导致人的体验感受不佳。为了处理这种不足,可以通过以下方法进行有效性弥补:1. 增加反馈机制:机器可以通过多种方式与人进行交互,比如语音、图像、震动等,这些反馈机制可以让人更直观地感受到机器的响应。同时,机器也可以通过反馈机制了解人的需求和反应,从而更好地适应人的行为。2. 提供个性化服务:人们在使用机器时,有时会发现机器提供的服务并不完全符合自己的需求。这时机器可以通过分析用户的行为和反馈,提供更个性化的服务,从而提高用户的满意度和体验感受。3. 优化交互设计:机器的交互设计应该符合人类的认知和行为习惯,这样才能更好地与人进行交互。机器可以借鉴人类的交互方式,比如手势、语音等,提高交互的自然度和流畅度,从而更好地满足人的需求。4. 加强用户教育:机器的不完备性往往是因为人对机器的使用不够熟练,或者没有充分了解机器的功能和限制。因此,机器可以通过提供用户教育,让用户更加深入地了解机器的使用方法和特点,从而更好地适应机器的不完备性。

测试评价人与机器不同水平的交互绩效需要考虑多个因素。以下是一些可能的测试方法和评价指标:1. 任务完成时间:测试被试在完成特定任务时,与机器的交互所需的时间。时间越短,交互绩效越好。2. 准确率:测试被试在完成特定任务时,与机器的交互的准确率。准确率越高,交互绩效越好。3. 用户满意度:通过问卷或访谈等方式,对被试的交互体验和满意度进行调查。满意度越高,交互绩效越好。4. 工作负荷:通过心理学测试等方式,测试被试与机器的交互是否会对其产生过大的认知和情感负荷。负荷越小,交互绩效越好。5. 交互效率:测试被试与机器的交互是否符合人类认知和行为特征,是否能够提高交互效率。交互效率越高,交互绩效越好。6. 可用性:测试被试是否能够在不同的场景和环境下有效地与机器交互。可用性越高,交互绩效越好。7. 学习效果:测试被试是否能够通过与机器的交互,获得更好的学习效果。学习效果越好,交互绩效越好。总之,测试评价人与机器不同水平的交互绩效需要考虑多个因素,包括任务完成时间、准确率、用户满意度、工作负荷、交互效率、可用性和学习效果等。选取适当的测试方法和评价指标,可以更全面、客观地评估交互绩效,为交互设计和优化提供参考。

目前,人机交互的有三个瓶颈问题。首先是人类因素,即人类的认知和行为方式可能会限制人机交互的效率和准确性。例如,人的记忆容易遗忘和混淆,人的反应速度和注意力有限,人对界面设计的理解和接受程度不同等等。其次是技术因素,当前的人机交互技术仍然存在一些局限性。例如,语音识别和自然语言处理技术在特定情况下仍然存在误识别和误解的问题;手势识别技术在复杂场景下的准确度也有待提高;虚拟现实技术在体验上仍然存在局限性等等。最后是设计因素,人机交互的设计也会影响其效率和准确性。例如,界面的布局和颜色搭配可能会影响用户对信息的理解和反应,界面元素的大小和位置也会影响用户的操作效率和准确性等等。解决这些瓶颈需要多方面的努力,包括改进技术、深入了解用户需求、优化设计等。

人机交互中,人和机器之间的互补性是一个非常重要的问题。虽然人和机器各有优势,但是要让它们真正实现互补,还有很多技术和方法需要解决。其中,人和机器之间的语言交流是一个关键问题,尽管目前的自然语言处理技术已经非常发达,可以实现人机之间的语音交互,但是,机器的语音识别和自然语言理解能力还需要提高,才能更好地理解人类的意图和需求。还有,人和机器之间的感知和认知能力也存在差异。人类有很强的感知和认知能力,可以通过视觉、听觉、触觉等多种感官来感知和理解世界。而机器的感知能力还比较有限,需要通过传感器等设备来获取信息,要实现人机互补,需要更好地融合人类和机器的感知和认知能力。此外,人和机器之间的合作和协作也需要更好地实现。人类和机器都有自己的思考方式和行为模式,要让它们协同工作,需要建立更加灵活、高效的合作模式。同时,还需要考虑人类和机器之间的权责问题,确保合作过程中的公平、透明和可控性。

要有效地实现人机交互中人与机器之间的有效互补,可以从以下几个方面入手:1. 设计符合人类认知和行为特征的交互方式:人机交互的设计应该尽可能符合人类的认知和行为特征,例如人类的注意力、记忆、思维方式和行动习惯等,以便更好地适应人类的需求和习惯。此外,还应该考虑不同人群的差异,例如老年人、残障人士等,以便更好地实现人机互补。2. 提高机器的感知和认知能力:机器的感知和认知能力的提高可以通过不断引入新的技术手段来实现,例如深度学习、计算机视觉、自然语言处理等。通过这些技术手段,可以让机器更好地理解人类的需求和意图,从而更好地实现人机互补。3. 建立灵活高效的合作模式:人机交互中,人和机器之间的合作模式应该尽可能灵活高效,以便更好地适应不同的场景和需求。例如在某些场景下,人类可以通过语音或手势来控制机器,而在另一些场景下,机器可以自主完成任务,减轻人类的负担。4. 加强人机之间的沟通和交流:人机交互中,人和机器之间的沟通和交流非常重要。要实现人机互补,需要加强人机之间的沟通和交流,以便更好地理解彼此的需求和意图。此外,还需要建立有效的反馈机制,以便及时修正不足和改进交互体验。总之,要有效地实现人机交互中人与机器之间的互补性,需要综合考虑技术、方法和人文社会因素等多方面的因素,不断探索和创新。

最后八卦一下,人机交互既可以带来进步,同时也可以带来某种退步,例如许多前辈的钻研能力之所以更强,部分是因为当时计算机能力较弱,他们必须使用人脑去处理各种疑难杂症,这样一来,大脑的开发程度就要求更高,就必须专研能力更强,许多伟大的发明就会不断地出现,如微积分、道德经、电磁理论、孙子兵法等。


src=http___img12.360buyimg.com_popWaterMark_16679_3b1e6913-078f-48cb-a272-289dcc.jpg


人机交互就是人机环境交互,不是人+机+环境




https://blog.sciencenet.cn/blog-40841-1392419.html

上一篇:人类智能的未来在于东西方智能的融合
下一篇:智能既不是数学也不是逻辑
收藏 IP: 124.64.127.*| 热度|

3 郑永军 黄永义 许培扬

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-25 23:50

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部