第78章 Human-Machine Interaction
中文：
人机交互
第76章研究了：
Machine Cognition——机器认知是什么。
第77章研究了：
Machine Perception——机器如何感知外部信息。
但是，机器感知并不意味着机器已经能够与人形成真正意义上的持续交互。
机器可能能够：
接收信息
↓
处理信息
↓
输出信息
但这仍然只是：
Input → Processing → Output
这种单向处理模式。
真正的个体人工智能需要研究一个更加基础的问题：
人与机器之间的信息如何形成持续、双向、可反馈、可控制的交互过程？
因此进入：
Human-Machine Interaction
即：
人机交互。
78.1 人机交互不是简单的输入输出
传统计算机系统通常可以表示为：
User
↓
Input
↓
Computer
↓
Processing
↓
Output
↓
User
这里的人主要承担：
输入
+
接收结果
但是对于 ICAI 而言，这还不够。
因为一个真正能够模拟个体认知的机器，需要面对：
人的指令
人的表达
人的追问
人的修正
人的否定
人的确认
人的反馈
人的控制
人的授权
因此人不是：
Input Device
而应该被定义为：
机器认知过程中的持续交互主体。
78.2 人机交互的基本结构
因此可以建立：
Human
↓
Interaction Information
↓
Machine
↓
Machine Cognition
↓
Machine Response
↓
Human
进一步形成：
Human
↓
Information
↓
Machine
↓
Interpretation
↓
Response
↓
Human Feedback
↓
Machine Update
↓
Response
这已经不是简单的：
Input → Output
而是：
Interaction Loop
即：
交互闭环。
78.3 人是交互主体
ICAI 的研究对象不是单纯的机器。
因为：
Individual Artificial Intelligence
最终需要能够：
与人交流
理解人
回应人
接受人的控制
根据人的反馈调整
因此必须同时定义：
Human
和：
Machine Individual
两端。
可以表示为：
Human Individual
↕
Interaction
↕
Machine Individual
这也是 ICAI 与单纯自动化程序的重要区别。
78.4 交互信息
人与机器之间真正发生交换的不是“按钮”，而是：
信息。
因此需要定义：
Interaction Information
包括：
Instruction
Question
Statement
Correction
Confirmation
Feedback
Command
Response
Status
Warning
Request
这些信息构成人机交互的基本内容。
78.5 人的第一次输入
机器个体开始运行时，通常首先接收到人的信息。
例如：
“帮我查一下这个供应商。”
这是：
Human → Machine
形成的第一次交互信息。
但这只是交互的开始。
机器接收到信息后，需要：
接收
↓
理解
↓
处理
↓
产生回应
然后再次进入人与机器的交互。
78.6 机器回应
机器不能只接受人的输入。
机器必须产生：
Machine Response
例如：
已找到3家供应商。
于是形成：
Human
↓
Instruction
↓
Machine
↓
Response
但是这仍然不是完整交互。
因为人可能继续：
“我只要深圳的。”
于是：
Human
↓
Correction
↓
Machine
机器需要重新处理。
78.7 人的反馈
这是今天研究中特别重要的一点。
机器输出以后：
Machine
↓
Response
↓
Human
人可能产生：
确认
否定
修正
补充
拒绝
选择
评价
这些都属于：
Human Feedback
因此：
Feedback
不是交互结束后的附属信息。
而是机器后续认知过程的重要输入。
78.8 人机交互闭环
因此可以建立完整循环：
Human
↓
Instruction
↓
Machine
↓
Cognition
↓
Response
↓
Human
↓
Feedback
↓
Machine
↓
Update
↓
Response
继续循环：
Human
↕
Machine
这就是：
Human-Machine Interaction Loop
78.9 交互不是一次性的
传统程序可能是：
Request
↓
Response
↓
End
ICAI 更接近：
Interaction 1
↓
Interaction 2
↓
Interaction 3
↓
Interaction 4
↓
...
因此机器需要保持：
Interaction Context
也就是：
当前人与机器正在进行什么交互。
78.10 Interaction Context
例如：
第一次：
人：
找一家电动牙刷制造商。
机器：
找到若干制造商。
第二次：
人：
必须支持OEM。
机器不能把第二句话当成完全独立的信息。
它需要知道：
当前上下文
=
寻找电动牙刷制造商
于是：
OEM
成为当前交互的补充条件。
所以：
Interaction
+
Context
是持续人机交互的重要基础。
78.11 交互状态
持续交互意味着机器必须知道：
现在交互进行到哪里？
因此需要：
Interaction State
例如：
Idle
↓
Receiving
↓
Interpreting
↓
Processing
↓
Responding
↓
Waiting Feedback
↓
Updating
↓
Continuing
这样机器才能知道：
当前人与机器处于什么交互状态。
78.12 人的控制
今天的研究又提出了一个非常重要的概念：
机器个体必须存在人工最高权限控制。
这意味着：
Human
不仅是：
User
还可以是：
Controller
甚至：
Highest Authority
因此需要区分：
普通交互
与：
人工控制
78.13 Human Control Layer
可以建立：
Human Control Layer
其权限高于机器自身的：
Decision
Behavior
Learning
例如：
Machine Decision
↓
Human Review
↓
Approve / Reject
或者：
Machine Behavior
↓
Human Override
因此：
机器可以具有自主处理能力，但最终人工控制权不能被机器自身认知取代。
78.14 人工最高权限
可以进一步定义：
Human Authority
处于：
Machine System
↓
Cognitive System
↓
Decision System
↓
Behavior System
之上的控制层。
形成：
Human Authority
↓
Machine Individual
↓
Cognition
↓
Decision
↓
Behavior
这不是普通软件权限问题。
而是 ICAI 的：
认知控制原则。
78.15 人工控制与机器自主
这里需要明确区分：
Autonomous Capability
和：
Human Authority
机器可以：
自主感知
自主分析
自主匹配
自主判断
自主执行某些行为
自主学习
但是：
最高控制权
仍然属于：
Human
因此：
Autonomy
≠
Authority
这是 ICAI 个体系统的重要理论边界。
78.16 人的控制面板
为了实现人工最高权限，机器系统必须存在：
Human Control Interface
也就是：
人的控制面板。
控制面板不是普通后台管理页面。
它是：
Human
↓
Control Interface
↓
Machine Cognitive System
之间的控制入口。
78.17 控制面板应该能够看到什么
人工控制面板至少应该能够观察：
Machine State
Cognitive State
Current Goal
Current Context
Current Decision
Current Behavior
Memory Activity
Learning Activity
Warnings
这样人才能知道：
机器现在正在做什么。
78.18 人工控制面板应该能够做什么
进一步应该允许：
Pause
Stop
Approve
Reject
Modify
Correct
Reset
Override
Authorize
形成：
Human
↓
Control
↓
Machine
而不是：
Machine
↓
完全自主
78.19 机器状态反馈给人
交互并不只是：
Human → Machine
机器还需要把自身状态反馈给人：
Machine
↓
Status
↓
Human
例如：
正在分析
正在等待确认
发现冲突
需要人工判断
执行完成
执行失败
因此：
机器状态本身也是人机交互信息。
78.20 机器不能隐藏自己的状态
对于 ICAI 而言，如果机器拥有：
Memory
Experience
Decision
Behavior
Learning
那么人在必要情况下必须能够观察这些过程对应的状态。
至少应该能够知道：
当前状态
当前目标
当前行为
当前决策
异常状态
人工控制状态
这为以后研究：
Cognitive Trace
建立基础。
78.21 机器反馈不是简单答案
机器反馈可以分为：
Information Feedback
Status Feedback
Decision Feedback
Action Feedback
Error Feedback
Learning Feedback
例如：
Information:
找到三家公司。
Status:
正在等待人工确认。
Decision:
建议选择供应商A。
Action:
已发送询价。
Error:
无法完成操作。
因此：
反馈是机器与人之间持续协调的重要机制。
78.22 人的反馈可以改变机器行为
例如：
Machine:
建议供应商A。
Human：
不要A，选择B。
机器必须能够：
Receive Feedback
↓
Interpret Feedback
↓
Update Current Context
↓
Change Decision
↓
Change Behavior
因此：
Human Feedback
可以直接影响：
Current Cognitive State
78.23 交互与认知
到这里可以看到：
Interaction
不是认知本身。
但：
Interaction
↓
提供认知信息
同时：
Cognition
↓
产生交互回应
所以：
Human
↕
Interaction
↕
Cognition
形成循环。
机器通过交互获得：
信息
反馈
目标
修正
控制
再通过认知产生：
判断
回应
行为
78.24 交互与机器个体
如果机器只是一个：
Tool
那么交互通常是：
User → Tool → Result
如果机器是：
Individual AI
那么交互更接近：
Human
↕
Individual
机器需要保持：
Identity
Context
State
Memory
Experience
Behavior
这样才能形成连续交互。
78.25 机器作为交流个体
ICAI 的目标之一是：
使机器成为能够与不同人进行交流的人工个体。
这里的关键不是：
机器会说话
而是：
机器能够根据交互主体
理解交互信息
保持交互上下文
处理人的反馈
形成回应
执行行为
因此：
Conversation
只是人机交互的一种形式。
真正研究的是：
Individual-to-Human Interaction
78.26 不同的人
机器可能面对：
Human A
Human B
Human C
不同的人可能提供：
不同语言
不同表达
不同知识
不同要求
不同反馈
不同控制权限
因此：
Machine
不能简单地把所有交互信息混成一个集合。
需要能够识别：
Interaction Participant
也就是：
当前正在与谁交互。
78.27 交互主体身份
因此人机交互需要：
Human Identity
至少能够区分：
Person A
Person B
Person C
机器才能知道：
当前交互来自谁
以及：
当前交互属于哪个上下文
后续进一步研究时，还可以研究：
Individual Cognitive Relationship
但这里暂不展开。
78.28 不同人与同一个机器个体
一个机器个体可以：
Machine Individual
↙ ↓ ↘
Human A Human B Human C
但机器自身：
Identity
保持一致。
这意味着：
不同交互主体
↓
同一个机器个体
可以形成多个交互通道。
78.29 交互信息与机器记忆
如果每次交互都结束后消失：
Interaction
↓
Response
↓
Delete
机器无法形成持续个体。
因此需要：
Interaction
↓
Relevant Information
↓
Memory
但是需要强调：
并不是所有交互信息都必须进入长期记忆。
这为以后研究：
Memory Selection
留下空间。
78.30 交互经验
长期的人机交互可以产生：
Experience
例如机器发现：
某种表达方式
经常意味着：
某种需求
这可能成为机器以后处理类似交互的经验。
因此：
Interaction
↓
Experience
是 ICAI 形成个体经验的重要来源。
78.31 交互学习
进一步：
Interaction
↓
Feedback
↓
Outcome
↓
Experience
↓
Learning
机器可以逐步改善：
Understanding
Response
Decision
Behavior
因此：
人的反馈是机器个体学习的重要现实来源之一。
78.32 机器与人的共同认知过程
长期交互可能形成：
Human
↓
表达
↓
Machine
↓
理解
↓
Machine Response
↓
Human Correction
↓
Machine Update
↓
Human Confirmation
这实际上形成：
Human-Machine Cognitive Interaction
即：
人机认知交互。
这是比普通：
Human-Computer Interaction
更加深入的研究方向。
78.33 HCI 与 ICAI Human-Machine Interaction
传统：
HCI
主要研究：
人如何操作计算机
例如：
Keyboard
Mouse
Touch
Screen
GUI
Voice
ICAI 研究则进一步进入：
Human
↕
Machine Cognition
关注：
人的表达
机器理解
机器状态
机器反馈
人的修正
机器调整
人的控制
机器行为
因此：
ICAI 并不是否定 HCI，而是在 HCI 的基础上进入机器认知交互。
78.34 人机交互的基本闭环模型
可以建立 ICAI 的第一版交互模型：
┌───────────────┐
│ Human │
└───────┬───────┘
↓
Interaction Input
↓
┌────────────────────┐
│ Machine Individual │
└─────────┬──────────┘
↓
Perception
↓
Cognition
↓
Decision
↓
Behavior
↓
Response
↓
┌───────────────┐
│ Human │
└───────┬───────┘
↓
Feedback
↓
Machine Update
│
└──────────────→
78.35 加入人工最高控制
进一步：
Human
│
┌──────────┴──────────┐
↓ ↓
Interaction Control Panel
↓ ↓
└──────────┬──────────┘
↓
Machine Individual
↓
Cognition
↓
Decision
↓
Behavior
↓
Result
↓
Human Feedback
其中：
Control Panel
具有最高人工控制权限。
78.36 人机交互的三种通道
可以初步定义三个通道：
1. Information Channel
2. Feedback Channel
3. Control Channel
Information Channel
Human → Machine
负责：
Instruction
Question
Statement
Request
Feedback Channel
Human ↔ Machine
负责：
Confirmation
Correction
Evaluation
Status
Response
Control Channel
Human → Machine
负责：
Pause
Stop
Approve
Reject
Override
Authorize
78.37 三个通道不能混为一谈
例如：
“帮我找供应商。”
属于：
Information
而：
“这个结果不对。”
属于：
Feedback
而：
“立即停止执行。”
属于：
Control
三者在认知系统中的优先级和处理方式不同。
因此 ICAI 必须能够区分：
Information
Feedback
Control
78.38 控制优先级
在特殊情况下：
普通指令
可能与：
人工停止命令
发生冲突。
例如：
Machine:
准备执行任务。
Human:
停止。
此时：
Control
应该优先于普通：
Task Instruction
因此可以建立：
Human Control
>
Machine Decision
>
Machine Behavior
这是 ICAI 的安全和治理基础。
78.39 人机交互不是机器完全自主
ICAI 的“个体”概念容易产生一个误解：
如果机器成为个体，是不是机器就可以完全自主？
不是。
ICAI 研究：
Machine Individual
是为了研究：
持续存在
认知
记忆
经验
行为
学习
而不是为了取消人的控制。
因此：
Individuality
≠
Uncontrolled Autonomy
78.40 机器个体的边界
一个 ICAI 机器个体应该同时具备：
Individual Identity
Cognitive State
Memory
Experience
Behavior
Learning
同时受到：
Human Authority
控制。
最终形成：
Human Authority
↓
Machine Individual
↓
Cognition
↓
Behavior
78.41 本章建立的理论链
到第78章为止，可以形成：
Reality
↓
Machine Perception
↓
Information
↓
Human-Machine Interaction
↓
Machine Cognition
但更准确的运行关系是：
Human
↕
Interaction
↕
Machine
↓
Perception
↓
Cognition
↓
Decision
↓
Behavior
↓
Response
↕
Human
形成：
人—交互—机器认知—机器行为—反馈—人
的完整闭环。
78.42 第78章核心结论
本章最终确定：
人机交互不是机器接收一次指令后返回一次结果的简单输入输出过程，而是人与机器个体之间持续进行信息交换、状态反馈、行为响应、人工修正和人工控制的双向动态过程。
因此：
Human-Machine Interaction
可以定义为：
人与机器个体之间围绕信息、认知、反馈、行为和控制所形成的持续双向交互过程。
78.43 ICAI 人机交互模型
最终模型：
HUMAN
│
┌────────┼────────┐
↓ ↓ ↓
Information Feedback Control
│ │ │
└────────┼────────┘
↓
MACHINE INDIVIDUAL
↓
Perception
↓
Cognition
↓
Decision
↓
Behavior
↓
Result
↓
Response
↓
HUMAN
│
↓
Feedback
│
└────────────→
其中：
Human
既是：
Interaction Participant
也是：
Feedback Provider
同时在最高权限层：
Human Authority
还是：
Machine Controller
78.44 从人机交互进入机器认知结构
第78章解决的是：
人与机器如何交互。
但是机器收到人的信息以后，还存在一个更深的问题：
机器如何把交互信息转换成自己能够理解和处理的内部认知表示？
例如人说：
“我要找深圳的电动牙刷厂家。”
机器收到的是：
Human Language
但是机器内部不能永远只保存：
一整句话
而需要进一步进行：
Interaction Information
↓
Representation
↓
Symbol
↓
Cognitive Element
因此下一章进入：
第79章 Symbolic Representation
核心问题：
机器如何把人与环境产生的信息转换为机器内部可以计算、组织和持续保存的符号表示？
研究链：
Human
↓
Interaction Information
↓
Machine Perception
↓
Information
↓
Symbolic Representation
↓
Cognitive Element
之后再继续研究：
Cognitive Element
↓
Relation
↓
Object
↓
State
↓
Method
↓
Behavior
这样，今天形成的整个研究方向就开始真正连起来了：
现实世界
↓
机器感知
↓
人与机器交互
↓
交互信息
↓
符号表示
↓
认知元素
↓
关系
↓
对象
↓
状态
↓
认知
↓
决策
↓
行为
↓
反馈
↓
记忆
↓
经验
↓
学习
↓
认知能力
而这一整条链最终服务于一个更根本的研究目标：
研究机器如何通过工程化的认知结构，形成一个能够持续与不同人进行交流、接受反馈、产生行为、积累经验并不断提高认知能力的人工个体。