51、智能界面设计范式：助力人机协作新高度

智能界面设计范式：助力人机协作新高度

1. 智能界面设计的兴起与转变

随着计算能力的提升和人工智能技术的进步，人们对将机器智能应用于高级认知任务的兴趣日益浓厚，如监控、态势评估、诊断和规划等。早期，机器智能的应用主要集中在开发自主解决问题的代理，也就是所谓的“希腊神谕”模式。在这种模式下，用户被认为在知识或处理能力上存在局限，需要向机器专家寻求帮助，将所有相关信息传递给它，机器专家利用“超人”推理解决问题后输出答案并给出解释，但这种解释往往对用户来说晦涩难懂。

然而，这种模式在实际应用中暴露出诸多严重局限：
- 用户接受度低 ：例如，医生使用INTERNIST - I专家系统进行诊断咨询时，需要花费30到90分钟来完成数据收集，这使得他们难以接受。同样，ONCOCIN专家系统要求用户承担“解决方案过滤”的角色，也引发了医生的不满。
- 面对意外情况的脆弱性 ：机器专家在设计范围内的案例中表现良好，但在遇到系统设计者未预料到的情况时，性能会迅速下降。例如，在医疗诊断、飞机飞行员辅助、故障排除决策辅助和航空航天领域的实时故障管理等多个领域，都出现了相关问题。
- 技能退化与自动化悖论 ：让机器专家为用户解决问题会减少用户锻炼和提升技能的机会，导致技能退化。同时，“希腊神谕”模式要求用户担任解决方案过滤的角色，但用户由于缺乏处理简单案例的经验，难以应对超出机器专家能力范围的复杂情况。
- 影响人类决策过程 ：引入机器专家会改变用户的认知和决策过程，使他们的信息收集活动受限，考虑的假设范围变窄，增加了错过关键信息或无法得出正确解决方案的可能性。

这些问题凸显了在设计和评估智能辅助工具时，考虑人机联合系统性能的重要性。人们逐渐将重点从构建独立的问题解决者转向开发能够促进人类认知表现的智能界面。

2. 智能界面的三种范式

目前，智能界面设计主要有三种范式，它们并非相互排斥，而是相互补充，为智能界面设计提供了不同的视角和方法。

2.1 作为认知工具的智能界面

这种范式强调人的主动角色，将智能界面视为人类问题解决者获取信息的来源。机器智能用于创建新的集成信息源，帮助人类解决问题，同时减轻数据过载的压力。例如，在航空航天领域，一些智能系统通过提供更好的可视化、信息处理能力和概念化辅助，帮助专家从业者更有效地管理故障。在医疗应用中，Quick Medical Reference（QMR）作为认知工具，通过提供便捷的信息访问和诊断信息管理工具，提高了诊断的准确性和效率。

以下是认知工具范式的特点：
|特点|描述|
|----|----|
|主动角色|人类在系统中扮演主动角色，利用智能工具解决问题|
|信息集成|机器智能创建新的集成信息源，支持人类决策|
|减轻负担|帮助人类克服数据过载问题|

2.2 作为合作系统元素的智能界面

该范式基于合作团队的隐喻，旨在开发智能、半自主的机器代理，使其作为分布式人机系统的合作成员参与认知任务。在这个范式中，机器代理可以扮演下属、同事或团队成员的角色。

合作系统的设计原则借鉴了人类咨询情况的分析、人类团队行为的自然研究以及心理语言学理论。其中，建立团队成员之间的共同理解和共享知识是合作系统的核心原则。这通常通过使用图形界面来实现，图形界面提供了问题状态的共享外部表示，支持团队成员之间的沟通和协调。

以下是合作系统范式的两种主要方法：
- 批判系统 ：批判系统是一种计算机程序，它检查人类生成的解决方案，并在解决方案被认为不完整或不正确时提供建议。批判系统可以是被动的，也可以是主动的，可以批量处理或增量处理。例如，JANUS系统支持住宅厨房设计，HITS知识编辑器帮助构建知识库，抗体识别助手（AIDA）辅助医学技术人员解决抗体识别案例。这些系统通过提供反馈和建议，帮助用户改进解决方案，提高决策质量。
- 作为团队成员的智能系统 ：这种方法借鉴了多人团队的概念，旨在开发能够与人类和机器代理有效合作的智能系统。在复杂动态系统管理领域，如航天飞行控制、飞机数字自动驾驶、军事指挥控制中心、医疗手术室和发电厂控制室等，人机团队合作至关重要。智能软件团队成员可以承担部分认知任务，如系统配置、监控和态势评估、决策支持和执行时间关键的操作等。

以下是作为团队成员的智能系统的设计原则：
|原则|描述|
|----|----|
|支持人类作为团队领导者|智能软件应响应人类控制，听从人类权威，提供自身状态和活动的信息评估|
|可靠和一致的性能|智能软件应采取可预测的行动，提供一致和清晰的态势评估，避免在异常或意外情况下采取有害行动|
|协调和动态任务共享|支持灵活的团队成员角色和任务分配，保持共享知识，使智能软件的功能可见|
|合作沟通|界面应作为人机之间的通信媒介，支持在情境中高效、有效地传递相关信息|

2.3 作为表征辅助工具的智能界面

这种范式明确关注设计支持人类表现的外部表示，特别是计算机生成的展示。研究表明，信息的呈现方式对人们的推理和解决问题的能力有很大影响。因此，该范式的目标是利用图形和基于知识的技术，创建有助于人类解决问题和决策的计算机生成展示。

研究主要集中在两个方面：
- 理论和实证基础 ：探讨外部表示如何影响人类问题解决者的认知活动，包括问题结构化、利用心理经济的处理形式、减轻记忆负担和引导注意力等。同时，强调建立任务相关信息与表征的感知显著特征之间的有效映射的重要性。
- 自动化展示设计 ：利用基于知识的技术自动生成展示，包括图形显示、多媒体输出等。例如，SAGE系统可以根据数据特征和任务需求，自动生成集成信息图形，并添加自然语言说明。SageTools则是一个交互式数据探索系统，允许用户更主动地参与图形显示的设计。

以下是自动化展示设计的研究问题：
|研究问题|描述|
|----|----|
|数据特征表征|识别和表示与创建展示相关的数据特征|
|通信意图确立|确立和表示展示的通信意图或目的|
|信息分配标准|确立不同类型信息分配到不同媒体的标准|
|设计知识建立|建立选择和组装展示形式的设计知识|
|媒体协调知识|建立协调不同媒体的知识|
|展示设计指导|应用话语和注意力模型指导展示的设计和更新|

3. 范式的总结与展望

这三种智能界面设计范式虽然各有侧重，但都致力于将用户视为核心参与者，将智能界面作为支持用户认知过程的手段。它们共同强调了机器智能应服务于人类认知活动，理解领域需求并确定人类认知表现需要支持的方面，以及提供支持人类表现和促进人机合作的外部表示的重要性。

未来，随着技术的不断发展，智能界面设计将不断创新和完善。我们可以期待看到更多融合多种范式的智能界面系统，为人类提供更加高效、智能的支持。同时，对人类认知过程的深入研究也将为智能界面设计提供更多的理论依据和实践指导。

mermaid图展示智能界面设计范式的关系：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(智能界面设计):::process --> B(认知工具范式):::process
    A --> C(合作系统范式):::process
    A --> D(表征辅助工具范式):::process
    B --> B1(主动角色):::process
    B --> B2(信息集成):::process
    B --> B3(减轻负担):::process
    C --> C1(批判系统):::process
    C --> C2(团队成员系统):::process
    D --> D1(理论实证基础):::process
    D --> D2(自动化展示设计):::process

通过对这三种范式的深入理解和应用，我们可以设计出更加智能、人性化的界面，提升人机协作的效率和质量，为各个领域的发展带来新的机遇和挑战。

智能界面设计范式：助力人机协作新高度

4. 批判系统的详细剖析

批判系统在智能界面设计的合作系统范式中占据重要地位，它为用户提供了有价值的反馈和建议，帮助用户改进解决方案。以下将详细剖析批判系统的特点、优势以及设计原则。

4.1 批判系统的类型与示例

批判系统可以分为被动和主动两种类型。被动批判系统只有在用户调用时才发挥作用，而主动批判系统则会持续监控用户的表现，并在发现问题或有建议时主动介入。

类型	描述	示例
被动批判系统	用户调用时发挥作用	拼写和语法检查器（批量模式）
主动批判系统	持续监控用户表现，主动介入	上下文敏感帮助消息、自动纠错功能

早期的批判系统多采用被动、批量模式，如ATTENDING系统用于麻醉学问题的批判，ONCOCIN系统用于癌症治疗方案的批判。随着技术的发展，现代批判系统更多地采用主动批判方式，如JANUS系统支持住宅厨房设计，HITS知识编辑器帮助构建知识库，抗体识别助手（AIDA）辅助医学技术人员解决抗体识别案例。

4.2 批判系统的优势

批判系统相比“希腊神谕”模式具有诸多优势：
- 保留用户习惯角色 ：批判系统不会改变用户的常规角色，用户仍然是问题的主要解决者，机器仅提供辅助建议。
- 减少技能损失并促进学习 ：通过批判系统的反馈，用户可以从中学到知识和技能，避免因依赖机器而导致技能退化。
- 提供有效支持 ：即使在对领域知识和用户解决方案了解不完全的情况下，批判系统也能提供有价值的建议，帮助用户改进解决方案。
- 降低性能恶化风险 ：在超出系统能力范围的情况下，批判系统不太可能使性能恶化，因为它只是提供建议，而不是直接给出解决方案。

4.3 批判系统的设计原则

设计批判系统需要考虑以下原则：
- 外部表示的可用性 ：提供一个可被人和机器代理检查的问题状态的外部表示，如图形工作区，是批判系统成功的关键因素。
- 问题分析与建议形式 ：需要仔细分析从业者的工作方式，包括他们使用的策略、常见错误类型、导致错误的因素以及预防或纠正错误的技术，以确定何时需要建议以及建议的形式。

mermaid图展示批判系统的工作流程：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(用户生成解决方案):::process --> B(批判系统检查):::process
    B -->|解决方案完整正确| C(无建议):::process
    B -->|解决方案不完整或错误| D(提供建议):::process
    D --> E(用户接受建议):::process
    E --> F(更新解决方案):::process
    D --> G(用户拒绝建议):::process
    G --> H(继续使用原解决方案):::process

5. 作为团队成员的智能系统的深入探讨

在合作系统范式中，作为团队成员的智能系统旨在实现人机之间的有效协作，共同完成认知任务。以下将深入探讨这种智能系统的特点、设计原则以及应用案例。

5.1 智能系统作为团队成员的特点

在复杂动态系统管理领域，人机团队合作至关重要。智能系统作为团队成员具有以下特点：
- 任务分配 ：机器代理被分配一部分认知任务，与人类团队成员共同协作，实现任务的分工与合作。
- 灵活性与适应性 ：智能系统能够根据任务需求和情况变化，灵活调整自己的角色和任务，与人类团队成员保持良好的协作。
- 共享知识与沟通 ：通过共享知识和信息，智能系统能够与人类团队成员建立共同的理解和认知，实现有效的沟通和协作。

5.2 设计原则

设计作为团队成员的智能系统需要遵循以下原则：
|原则|描述|
|----|----|
|支持人类作为团队领导者|智能软件应听从人类权威，响应人类控制，提供自身状态和活动的信息评估，辅助人类完成任务。|
|可靠和一致的性能|智能软件应采取可预测的行动，提供一致和清晰的态势评估，避免在异常或意外情况下采取有害行动，确保系统的可靠性和稳定性。|
|协调和动态任务共享|支持灵活的团队成员角色和任务分配，保持共享知识，使智能软件的功能可见，实现团队成员之间的有效协调和任务共享。|
|合作沟通|界面应作为人机之间的通信媒介，支持在情境中高效、有效地传递相关信息，确保团队成员之间的沟通顺畅。|

5.3 应用案例

GT - MOCA系统是一个典型的作为团队成员的智能系统的应用案例。它是一个用于卫星地面控制的原型操作员助手，通过提供交互式可视化界面、组织重要事件的消息列表和图形化展示受控系统的当前状态，实现了人与机器之间的有效协作。

mermaid图展示GT - MOCA系统的工作流程：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(用户输入任务需求):::process --> B(GT - MOCA系统分析):::process
    B --> C(分配任务):::process
    C --> D(人类执行任务):::process
    C --> E(智能软件执行任务):::process
    D --> F(任务完成反馈):::process
    E --> F
    F --> G(系统评估与调整):::process
    G -->|任务完成| H(结束):::process
    G -->|任务未完成| B

6. 表征辅助工具范式的实践应用

作为表征辅助工具的智能界面范式通过设计有效的外部表示，帮助人类更高效地解决问题和做出决策。以下将介绍该范式的实践应用和相关研究成果。

6.1 理论与实证研究成果

研究表明，外部表示可以通过多种方式影响人类问题解决者的认知活动：
- 问题结构化 ：外部表示可以影响人们的内部问题表示和解决问题的策略，帮助人们更清晰地理解问题。
- 利用心理经济的处理形式 ：有效的表示能够使关键任务相关信息在感知上更加明显，减少刻意、串行的认知处理和问题解决的需求，提高处理效率。
- 减轻记忆负担 ：外部表示可以提供外部记忆辅助，减轻内部记忆的负担，使人们能够更专注于问题的解决。
- 引导注意力 ：良好的表示能够支持注意力的管理，包括预注意参考、注意力切换的提示和引导下一步的观察方向，帮助人们更快速地找到关键信息。

6.2 自动化展示设计的应用案例

SAGE系统和SageTools是表征辅助工具范式在自动化展示设计方面的典型应用案例。
- SAGE系统 ：能够根据数据特征和任务需求，自动生成集成信息图形，并添加自然语言说明，帮助用户更好地理解信息。
- SageTools ：是一个交互式数据探索系统，允许用户更主动地参与图形显示的设计，通过提供草图工具、浏览和检索功能，支持用户创建和定制图形显示。

mermaid图展示SAGE系统和SageTools的关系：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(数据输入):::process --> B(SAGE系统):::process
    B --> C(自动生成图形):::process
    C --> D(添加自然语言说明):::process
    A --> E(SageTools):::process
    E --> F(用户交互设计):::process
    F --> G(定制图形显示):::process
    D --> H(最终展示):::process
    G --> H

7. 总结与未来展望

智能界面设计的三种范式——认知工具范式、合作系统范式和表征辅助工具范式，为我们提供了不同的视角和方法来设计智能界面。它们共同强调了以用户为中心，将机器智能服务于人类认知活动的重要性。

在未来，随着人工智能、机器学习和人机交互技术的不断发展，我们可以期待看到更多创新的智能界面设计。例如，融合多种范式的智能界面系统将能够更好地满足用户的需求，提供更加个性化、智能化的服务。同时，对人类认知过程的深入研究也将为智能界面设计提供更多的理论支持和实践指导。

总之，智能界面设计是一个充满挑战和机遇的领域，我们需要不断探索和创新，以实现人机之间更加高效、和谐的协作。