人机协同是双向与单向混合的过程，即从人到机器和从机器到人之间存在着不同的信息交换和理解模式：从人到机器的角度看，既有从态到势、从感到知的过程，也有从势到态、从知到感的逆过程，是一个双向过程；从机到人的角度看，只有一个从态到势、从感到知的单向过程。所以如何有效地计算、算计人机协同的绩效已成为一个关键问题。

1、从人到机器的双向过程

从态到势，人类观察机器的当前状态，例如屏幕显示或者机器的反馈动作，然后推测机器可能的未来动作或状态。如使用智能家居系统控制灯光，触摸智能开关（态），预示着用户想要改变灯光状态（势），系统通过感应到你的触摸，开始调整灯光亮度或颜色。从感到知，人类通过感知机器的反馈和行为，理解机器的意图和运作方式，例如，在手机上滑动手指浏览新闻应用，用户感知到屏幕上的滚动效果和新闻标题（感），并理解这些标题的含义和内容（知）。从势到态，人类通过输入和操作，向机器传达自己的意图和需求，从而引导机器调整自身的状态和行为，以响应用户的指令或期待。如在语音助手中输入“设置提醒”，表达了用户的意图（势），系统接收到这个指令后，开始配置和保存提醒设置（态），并在确认后通知用户设置已完成。从知到感，基于对机器功能和操作逻辑的理解，人类能够预测机器可能的反应和行为，并调整自己的行动来与机器互动。用户使用智能音箱进行语音搜索，系统分析了语音指令（知），然后播放了相关的音乐或提供了所感兴趣的信息（感），以响应用户的需求。

2、从机器到人的单向过程

从态到势，机器根据人类的输入和操作，预测用户的意图和下一步可能的行动，然后调整自己的状态或输出，以更好地响应用户的需求。从感到知，机器通过分析用户的行为和输入，理解用户的偏好、习惯等，从而提供更个性化的服务和交互体验。如智能手机的自动补全功能，当用户开始输入一些文字时（态），系统通过分析用户的输入和上下文理解可能要输入的单词或短语（感到知），并自动补全或建议（态到势），使用户的输入更加高效和流畅。

在人机这种单双向混合交互模式下，从人到机器的双向过程展示了用户如何通过输入和感知，引导机器从态到势和从势到态的调整，同时从感到知和知到感的交互帮助用户与机器更有效地互动和理解。而从机器到人的过程则强调了机器如何通过智能分析和反馈，提供更加智能化和个性化的服务。从人到机器的双向过程允许用户更加积极地参与和引导交互，而从机器到人的单向过程则体现了机器通过智能分析和响应，提供更加个性化和高效的服务。这种结构有助于优化用户体验，并推动人机交互技术的进步和创新。

3、人机协同绩效的计算与算计

在具体操作过程中，人机协同的绩效评估涉及到人类与计算机系统之间的合作效率和效果。这种评估可以基于多个指标和方法进行，具体取决于合作的任务性质和目标。以下是一些常见的方法和指标：1、任务完成时间。比较在人机合作和单独人类或单独计算机执行任务时的完成时间。通常来说，人机协同往往能够在时间上有所优化，特别是在涉及复杂决策或大量数据处理时。2、任务准确性。分析人机协同执行任务时的准确率。这可以通过比较结果的正确性和误差率来评估。人类的直觉和判断能力可以补充计算机的精确性，从而提高任务的准确性。3、工作负荷。评估任务执行过程中人类的认知和工作负荷。使用问卷调查、眼动追踪等技术来分析在人机协同下人类的认知负荷情况，以及是否得到有效的分担。4、用户满意度。通过问卷调查或用户体验研究来评估参与人员对人机协同系统的满意度。这包括系统的易用性、效率以及对用户需求的响应程度。5、资源利用效率。比较人机协同系统和传统人工或全自动系统在资源利用（如时间、人力、物资）上的效率。这可以通过成本效益分析或资源利用率来评估。6、协作质量。分析人类与计算机系统之间的信息交互和协作模式。这可以通过观察协作过程中的沟通、信息交换、任务分配等方面来评估。总之，在实际应用中，绩效评估往往是多维度的，需要综合考虑任务的性质、参与人员的技能水平、系统的设计及实施等因素。因此，选择合适的评估方法和指标对于准确评估人机协同的绩效至关重要。最后需要强调的是，人机协同绩效的计算常常强调的是反应时，而人机协同绩效的算计往往侧重的是准确率。

知识并不是力量，使用知识才是......

（新书下周正式发行）