基于意圖識別的人-智能系統交互框架*

徐昊骙 鄭旭濤 趙 陽 唐 寧 周吉帆 沈模衛

（浙江大學心理與行為科學系，杭州 310028）

1 引 言

人機交互（human-computer interaction，HCI）是研究人類如何與計算機交互的科學，其主要目標是設計便捷可用的軟件和硬件（Ren & Bao，2020）。人機交互的概念起源于20 世紀70 年代，隨著計算機設備的快速進步而獲得蓬勃發展，產生了大量與日常生活密切相關的應用產品，并積累了豐富的交互設計理論和方法（Carroll，1997）。

經典的人機交互理論中人被視作交互的主動方，計算機被動地接收指令并提供相應的信息或功能反饋，界面作為交互指令及信息和功能反饋的主要載體，在人機交互過程中扮演關鍵角色，因而界面設計始終是人機交互研究的焦點所在（Myers，1998）。以界面為核心的人機交互設計理念隨著計算機的發展和普及而發生改變。在計算機發展初期，用戶均為擁有豐富經驗的專家，此時的人機交互側重于“人適應機器”，界面設計的核心目標是功能的實現，專家用戶需要通過大量學習來掌握界面的使用方法（如：命令行）。隨著計算機功能日益豐富、受眾更加廣泛，人機交互的理念向“機器適應人”或“人機相互適應”轉變，“以用戶為中心”的設計理念被提出并得到廣泛發展（許為，2019，2022），成為人機交互領域遵循的核心原則。在該原則的指導下，界面設計越來越注重以接近自然交互的方式實現功能（如：圖形界面），普通用戶無須經歷長時間專門培訓，便能夠順利使用計算機設備。

人機交互涉及多學科的交叉，從業者往往需要心理學、計算機、社會學、人類學、傳播、管理、運籌學等多個相關領域的素養，研究與設計工作的開展也常涉及多學科合作（Ren & Bao，2020）。心理學作為研究人類心理規律的基礎科學，是人機交互領域的理論基石（Olson&Olson，2003），諸多設計背后體現了對心理學理論和現象的應用，諸如：界面設計中不同類型信息的空間分布應遵循知覺組織原則；圖形界面中鼠標的交互方式應符合人類手眼協調及動作反饋的相應特性。數十年來，人機交互領域的發展始終與心理學基礎研究緊密關聯：一方面，心理學的研究成果不斷為交互設計及測試提供指導；另一方面，持續優化人機交互的迫切需求也驅動著心理學理論的發展。

近二十年來，隨著深度學習、強化學習等技術的突破和算力的發展，人工智能進入第三次浪潮（Xu et al.，2023）。相較于人工智能發展歷史的過往階段，當代人工智能技術與實際應用的結合更加緊密，形成了大量在日常生產生活中廣泛使用的智能設備，人與智能系統的交互日益普遍。智能系統并非僅是傳統計算機在功能上的升級，而是具有突破性的質變，必然帶來人機交互設計的革命性變化。面向智能系統的新型人機交互是怎樣的？心理學應該如何提供理論支撐？這正是本文試圖回答的問題。

2 智能時代的新型交互

相較于傳統計算機系統，當代智能系統帶來了以下重要變化：（1）信息爆炸。一方面，現階段的人工智能技術源于對深度學習和強化學習的應用（Silver et al.，2016；Sutton et al.，1998），其算法框架能夠兼容于多種情景和任務，因而在算力的加持下人工智能技術被嵌入日常生活中的各類計算系統，導致智能設備的種類和數量快速增長；另一方面，智能系統與互聯網緊密結合，能夠輕易將從網上獲得的海量資源推送給用戶，用戶所面對的信息空間急速擴張。二者疊加，造成用戶在與智能設備交互時往往面臨信息爆炸，這為人類有限的認知資源帶來巨大挑戰（Alvarez & Franconeri，2007；Luck & Vogel，1997；Scholl &Pylyshyn，1999）。（2）非確定性反饋。概率計算被廣泛應用于當代人工智能算法框架中，導致設備向人提供的反饋具有高度不確定性，即使在相同情景和指令下，系統仍會產生不同反饋（如：向大型生成式語言模型提出相同問題能夠得到不同回答）。這使得對系統的預測更加困難，進而造成用戶的控制感受到影響（Loehr，2022）。（3）智能黑箱。主流的學習算法存在過程不透明、不直觀的問題，對于用戶來說智能系統就像一個“黑匣子”，難以理解其輸出結果背后的過程和原因。不可解釋進一步影響了用戶對智能系統的信任度和決策效率（Xu et al.，2023），并且限制了智能系統在一些特殊情景（如：醫療）的應用。上述三方面因素極大地改變了人類對智能系統的理解和使用，人與智能系統的關系需要被重新審視和定義。

針對人與智能系統的新型交互關系，近年來人機交互領域的工作者提出了不少觀點，其中最具代表性的當屬人機組隊（human-machine teaming）和人機融合（human-computer integration）。人機組隊的觀點認為，人與智能系統的關系中，系統不再扮演支持工具的角色，而是扮演隊友的角色，執行與人類互補的功能，配合人類達成目標（Brill et al.，2018）。扮演隊友的智能系統擁有有限的自主權，在關系和社會規范的約束下根據自身判斷自主行動。為了達到人機組隊的交互模式，智能系統需要建立與人類共享的知識表征（shared knowledge）和共同意識（shared awareness），自主地理解人類并執行恰當的合作行為。人機融合的觀點顯得更為激進，該觀點提出智能系統與人的關系超越了交互，成為一個集成的共同體，該共同體以整體目標為導向規劃整體行為（Farooq & Grudin，2016；Mueller et al.，2020）。基于對智能系統特性的思考，Xu 等人（Xu et al.，2023）提出了一個擴展的以人為中心設計人工智能的概念模型，該模型認為人與智能系統交互的解決方案需要綜合考慮充分反映人類智能的技術、人因工效學設計、倫理化設計，所設計的智能系統及其交互方式不僅要應對有用和可用的問題，還要能夠解決可解釋和可理解的問題。這一概念模型為重新定義人與智能系統的新型人際關系、進行交互建模、開發人因標準以及開展相關心理學理論的探索和應用提供了框架。

盡管不同觀點的側重有所差異，其背后均隱含著相同的隱喻：人與智能系統的交互應當類比于人與人的交互。筆者認為，這正是智能時代新型交互的核心理念與前進方向：首先，人類的社會交互環境復雜多變，包含海量信息和高度不確定性，然而人類能夠僅憑有限認知資源順利理解他人并與他人交互，這正是人類智能的體現（周吉帆et al.，2016）。模擬人與人的交互特點及潛在心理機制，有助于解決智能系統帶來的信息爆炸、非確定性反饋和智能黑箱問題。其次，在傳統人機交互情景中，以人為中心的設計要求為用戶提供自然的交互方式，其實質是對人類與物理世界交互方式的模擬，由此產生的許多交互設計隱含著對類人交互的隱喻。當交互對象進階為智能系統時，人與人的交互最接近用戶的自然交互方式，模擬人與人的交互是以人為中心的交互設計原則的集中體現。此外，智能系統與人的關系是合作性質的，而人類的合作性正是人與人順利交互的重要基礎（Tomasello & Vaish，2013）。模擬人與人交互，有助于構建最適宜于合作的交互方式。最后，從發展目標看，人類智能是人工智能發展的終極目標，隨著系統的智能水平接近人類，其與用戶的交互方式必然向人與人交互的方向趨近。

3 基于意圖識別的交互框架

基礎研究是整個科學體系的源頭，是所有技術問題的總機關。實現對人與人交互的模擬不僅依賴于人工智能技術的進步，更迫切需要加強心理學的基礎性研究。只有從根本上探明人與人交互的心理機制，構建可解釋、可應用的理論模型，并據此設計人機交互框架，方可實現新型人機交互的革命性突破。

人類的交互與其他靈長類動物的集體行為存在本質差異，表現出明顯的主動性和利他性，因而能夠形成高效和穩定的合作關系。大量研究表明，意圖識別是人類社會交互的基礎，人類不僅能夠根據他人行為快速推斷其目標（Gao et al.，2019；Liu&Spelke，2017），還能夠同時推斷與目標導向行為相關的信念、需求、偏好以及行動者所受到的物理或社會限制（Baker et al.，2017；Tang et al.，2021；T?r?k et al.，2021），據此為他人行為和目標提供合理的解釋。該過程的實現與心理理論密切相關（Jara-Ettinger et al.，2020），即個體基于自身根據意圖產生行為的心理過程，逆向推斷他人行為背后的意圖（圖1）。在計算上通常采用產生式模型及其逆向推理模擬人類的意圖識別過程（Baker et al.，2009）。產生式模型模擬了根據意圖產生行為的心理過程，該過程遵循人類行為規劃的一系列原則，包括效用最大化（Jara-Ettinger et al.，2016）、目標承諾等（Cheng et al.，2023）。將產生過程描述為條件概率形式，則可根據貝葉斯原理計算后驗概率，逆向推斷給定行為背后最可能的潛在意圖，實踐中該過程通過采樣實現。

圖1 人類交互中的行為產生與意圖識別過程

在人類的合作交互中，意圖識別扮演著核心角色，其對合作中其他心理過程的作用主要體現在三個方面：

其一，意圖識別驅動信息選擇。人類并非被動地接收外界信息，而是主動選擇有益于當前認知活動的信息。研究表明，個體能夠自發地采擇他人觀點以及加工和表征他人相關信息（Atmaca et al.，2011；Echterhoff et al.，2017），即使他人信息與當前任務、情景無直接關聯，對他人的觀點采擇和共同表征仍會發生（Bradford et al.，2023；Zhou et al.，2022）。該心理機制為交互雙方構建共識提供了基礎，進而有助于順利理解、預測和影響他人意圖。此外，個體還能夠根據意圖識別需求靈活調配認知資源：當對他人意圖不確定時，將更多資源投入到有益于推斷他人意圖的信息中；而當已確定他人意圖時，相同信息不再獲得額外認知資源（史博皓，2021）。該心理機制為資源有限的人類心智順利開展合作交互提供了重要保障。

其二，交互中的迭代意圖識別。處于合作交互中的雙方均實時推斷對方意圖，同時雙方的共識中也包含了對方推斷己方意圖的預期，因此個體在合作交互中的意圖識別是一個迭代過程，由模擬推斷對方意圖以及模擬對方推斷己方意圖兩部分共同組成，不斷循環直至收斂，該過程也被稱為迭代讀心（recursive mind-reading）（Wilson et al.，2023）。與觀察者視角的意圖識別不同，迭代意圖識別考慮了交互的雙向性，交互中的個體在試圖理解對方的同時也在努力讓對方理解自己，因而迭代意圖識別能夠更為準確地理解意圖，提升交互效率。

其三，基于意圖識別的行為規劃。良好的合作交互中，雙方行為應當盡量互補，以降低共同成本并增加共同收益（Wang et al.，2021）。例如，在合作追逐中，雙方形成關于目標的共同承諾，并預期對方的追逐路線，從而讓自己的追逐路線與對方形成互補，包圍目標。意圖識別為行為規劃提供了指導，使得行動者能夠提前預期他人行為，從而規劃相應行為以實現群體最優。不僅如此，意圖識別也是合作交互中行為規劃的目標之一（Ho，Abel，et al.，2022；Ho，Saxe，et al.，2022），為了后續意圖識別更為準確高效，行動者總是試圖讓自身行為或語言傳遞更多、更準確的意圖，從而利化長期穩定的交互關系。

根據上述分析，人類合作性交互的本質是以意圖識別為核心的主動交互，筆者據此提出基于意圖識別的交互框架（圖2），該框架的核心部分由智能系統中的信息選擇、意圖識別以及行為規劃三個模塊組成，其中意圖識別是關鍵模塊。意圖識別模塊與信息選擇模塊之間的雙向箭頭表示，信息選擇模塊為意圖識別提供必要的輸入，同時意圖識別也引導對信息的選擇。意圖識別模塊指向行為規劃模塊的兩個箭頭則表示，行為的規劃一方面根據意圖識別結果實現用戶目標，另一方面盡可能使用戶明晰智能系統的意圖。該框架粗略地模擬了人類的交互方式，能使其中的智能系統更好地與人類協同合作。

圖2 基于意圖識別的交互框架

在基于意圖識別的交互框架中，用戶的交互對象不再是單一設備，而是潛在的智能系統，該智能系統由設備群共享，即所有設備的感知信息均匯總到統一的智能系統，且所有設備的功能實現由智能系統統一調配。統一的智能為包含大量設備的分布式場景提供了自然交互解決方案，用戶在設備間流轉時能夠體驗到順滑的交互遷移（Celentano & Dubois，2017），不同設備也得以實現智能協同。需要說明的是，盡管用戶的交互對象是智能系統，但并不意味著傳統交互框架中的界面消失，用戶與各設備仍存在關聯，界面作為功能的載體幫助實現信息感知、信息呈現等具體功能實現，類人智能則作為智能的載體幫助實現與人類接近的交互體驗。

盡管在圖2 的交互框架中僅呈現了智能系統對用戶的意圖識別，在交互過程中用戶也在推斷智能系統的意圖，雙方均主動參與到交互中，通過不斷迭代的相互意圖識別，拓展共識并產生互補的行為，實現人與智能系統的協同。值得一提的是，近期有研究者提出了“想象中的我們”（imagine we）作為模擬人類交互行為規劃的計算框架（Tang et al.，2020），該框架將交互關系中的所有對象視作一個整體，共享目標、獎賞、懲罰并同步規劃行為。在一系列虛擬場景的任務中，該框架已被證明與真實人類的表現高度相似，可視作是對人機融合在計算框架上的初步嘗試。

4 小結與展望

隨著智能設備的不斷發展，對人與智能系統設計新型交互方式的需求日益迫切。智能系統發展的終極目標是趨近人類智能，探明人類合作交互的心理機制，并據此設計與人類交互相似的人-智能系統交互，這是新一代交互設計的發展方向。本文從上述視角出發，梳理總結了人類合作交互的關鍵心理機制，并據此提出了基于意圖識別的交互框架，不僅為設計人與智能系統的新型交互提供了思路，更重要的是為心理學基礎性研究的發展及其在工程領域的應用指明了方向。

沿上述思路，未來研究應著力于以下三個方面：

（1）從智能系統的角度出發，應加強對人類交互過程中認知機制的研究，探明交互中的信息感知、信息選擇、信息表征、意圖理解和行為規劃等關鍵心理過程，并構建能夠模擬這些過程的計算模型，從而為設計接近于人類交互模式的智能系統交互方案提供理論支持。

（2）從人的角度出發，考慮到智能系統始終與真實人類存在差異，應系統研究人如何理解智能系統，包括人對智能系統的意圖理解、人對智能系統的情感和信任等關鍵心理因素及其相互關系，為人與智能系統交互中以人為中心的設計提供心理學依據。

（3）從人與智能系統在物理和社會環境中的落腳點出發，應全面探討人-智交互中的倫理、責任歸因、道德判斷及風險因素等問題，為特定情景中智能系統的應用及相關政策制定提供參考。