生理计算驱动的智能人机交互方式探讨

近年来，随着人工智能技术的发展，智能化的计算设备逐步融入到用户的工作、生活环境中。它们记录用户行为和交互信息，依托隐式用户界面，智能地执行交互任务。生理计算（Physiological Computing）作为感知和理解用户的关键环节，已经逐渐引起人机交互领域学者的关注。在生理计算模式下，系统通过传感设备实时监控和分析用户的生理信号，将这些信号转化为控制输入并对用户做出反馈国。利用人工智能技术提高生理计算的精度和效率，对人的生理状态进行深入理解，推动以用户为中心的智能人机交互的发展，构建“人在回路”的智能人机交互框架，实现用户主导的自动化系统、基于人机共生的AI系统。本文以生理计算驱动的智能人机交互为主题，从交互范式、交互方法展开论述，并以基于眼动跟踪的智能交互、基于脑电数据的人-机器人智能交互给出了相关应用实例，验证了在实际应用中的可行性和有效性。

生理计算的智能交互范式包括：角色（Role）数据（Data）、模式（Modal）、命令（Commands）、信息展示方式（Presentation style）。

角色：与其他系统强调用户角色的交互范式不同，智能交互系统的角色可以根据日常生活中能完成类似系统功能的用户角色来确定。角色将用户界面的隐喻显性化，为智能系统建立清晰的心智模型（mental model），帮助用户清楚地理解系统的功能。例如智能助理系统的角色表明其可以作为一个助手来协助用户工作，而智能玩伴系统的角色则表明其可以作为一个可以一起娱乐、学习的伙伴。另一方面，如果智能交互系统的功能不符合角色的定位，就可能让用户建立错误的心智模型，从而导致交互鸿沟的出现，造成可用性障碍。

数据：明确生理计算所需数据的来源，以及如何通过输入通道获取数据，进一步设计数据的预处理、特征提取和应用等环节。特别是根据具体算法，如神经网络等机器学习算法对数据进行挖掘、学习，为后续的交互应用提供决策支持。特别是针对智能交互系统，还需要解决数据获取器件匮乏、数据量大、传统数据处理方法效率低和效果差的问题，充分利用智能硬件提高数据质量和获取效率，利用机器学习和大数据处理方法提升数据处理水平。

模式：虽然角色可以作为隐喻来指示系统可能的交互方式，但系统的用户界面还需要明确其所支持的交互模式。例如智能助理系统的角色包含了语音、表情、动作等交互模式。智能交互系统需要明确用户可以使用的交互模式，并且这些交互模式可以帮助系统更好地了解交互过程中的上下文信息，更准确地理解用户的交互意图，进而实现交互模式的多通道选择、上下文驱动的隐式触发、规则和知识驱动的自适应调节等智能处理。

命令：智能交互系统根据交互模式确定相应的交互命令。例如，在语音交互模式下，交互命令包括能被识别的关键词；在手势交互模式下，交互命令则包括具有语义的动作。随着上下文感知技术和人工智能技术的发展，越来越多隐性的交互模式将出现在智能交互系统中，用户的行为或者上下文信息都将作为命令来触发相应的交互。例如，眼动跟踪设备检测到用户的视线聚焦在电视屏幕上，将用户的注视行为作为命令，自动触发电视的开机。

信息展示方式：信息的展示方式可以通过不同的感知通道（如听觉、视觉、触觉等）来实现，主要以确认输入信息和展示系统结果为主。智能交互系统可以根据其功能、信息的类别、用户的具体交互环境等多种因素来确定选择一个或多个感知通道展示信息。此外，在确定感知通道以后，还需要进一步明确具体的展示形式，降低用户在信息感知和认知过程中的心理负荷和操作负荷，提高主观用户体验。例如，对于数量较大、复杂度较高的信息，一般情况下，视觉通道更有效，可以通过图形用户界面（Graphic User Interface，GUI）中的窗口、图标菜单等进行具体展示，降低用户负荷；同时，可以在视觉通道受阻的特殊场景下（例如用户无法看到显示屏），突出智能系统的角色特征，用拟人化的语音通道辅助展示部分信息，提高用户体验（例如智能音箱）。