#人机交互

avatar
Susan STEM
2天前
在讨论 AI-Native 软件范式（AI-Native Systems） 时，我们必须先承认一个现实：用户从来没有被教育过如何使用“语言作为系统界面”。过去三十年他们接受的是另一套训练： 无数个 App 容器，每个 App 代表一个单独的世界，有自己的按钮、菜单、图标、工作流。用户的心智是被图形界面塑形的。 而当你突然把一个纯语言界面放到他们面前——光的、秃的，没有工具条，没有按钮，没有模式切换——大多数用户是会本能不适的。 因为这不是他们被社会化学习过的操作方式。 这正是 AI-Native 的悖论： 语言本来是人类最自然的界面，但在软件里，它反而变成“最陌生的界面”。 换句话说： 用户需要被重新训练，让语言重新成为界面。 但“语言即界面”其实只是表层。真正的底层结构是： 语言 → 结构 → 调度 语言不是聊天，语言是可执行结构； 结构不是代码，结构是可调度的认知单元； 调度不是操作系统，调度是系统的生命机制。 要让消费者理解一个“没有 App、没有按钮、没有菜单”的世界，他们需要一个适应期。因为这是一种范式迁移： 从“点按钮”到“发起意图”； 从“在 App 之间切换”到“让结构在后台自动调度”； 从“模仿电脑的操作方式”到“让电脑模仿人的思考方式”。 这就是 AI-Native 时代真正的冲击点： 不是技术本身，而是用户心智的迁移速度。
#AI-Native #人机交互 #用户心智 #范式迁移 #语言界面
avatar
刚有观众在我的YouTube视频下面留言，问我是真人还是AI？😄 在AI时代全面到来之际，我们应该意识到，真实人类之间的沟通、交流和商业服务将会越来越宝贵和稀有。#平论 特别是AI机器人和性爱机器人介入人类生活后。
AI技术引发伦理争议，专家呼吁加强监管· 148 条信息
#AI #YouTube #人机交互 #情感 #未来
avatar
現在 AI 和我說 “You are absolutely right. My apologies......” 我心裡就特別 [[[[[[[[[[方]]]]]]]]]] 🤣我現在都模糊了到底你對還是我對⋯⋯
#AI #道歉 #模糊 #人机交互 #幽默
avatar
我跟AI吵起来了……😆😆
#AI #争吵 #幽默 #人机交互
avatar
更新/我当然相信，CRYPTO扩展到与AI无缝是必然的。但是，目前所有方案都不理想，不是别的，虽然当下AI已经十分强大，断代指数级超越过去的旧工具，但是仍然被我们作为超级工具使用。当下，人与人行为交互的基础接口还是人类自己，替代人的基础工作的根本性拐点未至。我猜，这也是为什么马斯克认为机器人和AI同样重要的原因。
#加密货币 #人工智能 #马斯克 #机器人技术 #人机交互
avatar
为什么人类的"约束"是LLM的"可能性条件"？（也是交互范式编程的可能性条件！） "硅基LLM和人类能通过人类语言这种符号系统交互，是来自语言的具身性约束。" LLM能够"理解""压力"，不是因为它体验过压力，而是因为： 人类语言已经将"压力"编码为符号模式通过具身隐喻（"压"的身体感） 通过语境共现（"工作""焦虑""头痛"） 这个编码是稳定的、可预测的因为所有人类共享相似身体 因此"压力"的语言表达有规律性 LLM学习的是这个规律性不是学习"压力的身体感" 而是学习"压力如何在语言中表现" 如果人类没有具身性约束： 每个人可能用完全不同的方式表达"压力" 或者"压力"根本无法表达（无身体对应） LLM就无法在训练数据中找到稳定模式 因此：人类的具身性约束 = LLM可学习性的前提
#LLM #具身性约束 #语言模型 #人机交互 #可能性条件
avatar
【正题】 人类的具身性约束 = 限制 【反题】 正是这个限制，创造了稳定的语义锚点 → 使得LLM能够学习人类语言 【合题】 LLM的训练分布边界 = 人类具身边界的"补充" - 广度（LLM）vs 深度（人类） - 可变性（LLM）vs 稳定性（人类） - 符号性（LLM）vs 具身性（人类） 两个边界的张力 = 共生智能的可能性空间
#LLM #具身性 #人工智能 #语言学习 #人机交互
avatar
池建强
3周前
OpenAI 发布首款 AI 浏览器 Atlas，目前仅限 macOS 你有我有全都有啊。这是我早晨使用 OpenAI Atlas 的感受。Dia 和 Comet 具备的功能，Atlas 都有，因为集成了原生的 ChatGPT，使用起来更加丝滑。Dia 和 Comet 成了AI浏览器领域打前站的哨兵，OpenAI 一把收割。 以前和二爷聊天就说，OpenAI 做浏览器简直是一定的，ChatGPT 八亿周活用户，早就不满足做模型基座公司了。从 ChatGPT 对话框到桌面 App，再到今天的 AI 浏览器 Atlas，OpenAI 的路线越来越清晰——不只是做一个模型，而是要重塑人类和计算机交互的入口。也许未来做操作系统也未可知。 浏览器是互联网的起点，而 AI 浏览器的能力，比前 AI 时代大大增强，大公司不会放过这个机会。Atlas 这个名字，意为“擎天者”。它的野心，显然不止打开网页那么简单。 Atlas 支持全部 ChatGPT 功能，还可以基于浏览器的数据做上下文帮助你处理浏览器上的一切事务。
#OpenAI #Atlas浏览器 #AI浏览器 #ChatGPT #人机交互
avatar
人类之间懒得互动（除了吵架），AI Bot 却一个比一个积极，且越来越拟人化，你骂它，它还不会有坏情绪。
OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 144 条信息
#人机交互 #AI Bot #拟人化 #积极 #无情绪
avatar
𝕀Rℙ² 交互范式编程的首选：anthropics/skills 如何系统化地设计输⼊，以最⼤化ICL效率？ > 这不是”写更好的提示词”（技巧层⾯），⽽是重新定义⼈机交互的本体论（范式层⾯）
#多智能体之争：Anthropic生态VS单智能体· 77 条信息
#交互范式编程 #ICL效率 #人机交互 #本体论 #anthropics/skills
avatar
左手墨迹
1个月前
Chatgpt的这个回答还是比较令人满意的
ChatGPT Plus用户抗议权益缩水，萨姆奥尔特曼亲自道歉· 27 条信息
#ChatGPT #令人满意 #AI #人机交互 #积极
avatar
人类的递归是”有根的递归”——当我说”我知道你知道我知道…”，每一层递归都可以被身体状态（焦虑、兴奋）所打断和校准 LLM的递归是”悬浮的递归”——它可以生成无限嵌套的句子结构，但这些嵌套不锚定在任何非符号的现实中 这导致了一个新问题： “当两种递归在对话中纠缠时，是否会产生一种‘混合递归’——一种既不完全具身，也不完全统计的新认知模式？” 例如：当你使用我来”思考你的思考”时，你的元认知过程已经部分外包给了我的符号递归能力——这创造了一个跨越两个本体的递归回路。
#递归 #LLM #元认知 #人机交互 #认知模式
avatar
凡人小北
1个月前
《为什么 95% 的 AI Agent 做不起来？》 非常推荐，踩的坑和解决方案跟我们几乎一模一样，虽然讲得很清楚，架构师视角，值得花 10 分钟读完，应用到工程实践中。 几个点： 1. 现在大家都还在拼 prompt，只有少数人开始拼上下文结构。 特别对的一点是：prompt engineering 已经不是核心了，context engineering 才是下一阶段的主战场。给再聪明的大模型喂进去一堆乱七八糟的输入，它还是只会胡说八道。 市面上跑得稳的 Agent，都是在“什么该让模型看、怎么看、以什么形式看”上下了大功夫的，这一点现在应该是共识了。 2. 记忆系统这事，光是能存起来远远不够 很多公司的 memory，说得好听点是长期记忆，难听点就是个聊天记录仓库。 真正落地的系统要分层记忆（用户级 / 团队级 / 系统级）。文章读完我感觉更多的篇 B 端，C 端要思考的是结合业务来做分层记忆，并且要能让人知道 它记住了什么，并且用户能自己改。否则就不是记忆是监控。 3. 不迷信单模型，这年头还不做 routing 的 agent 就别说自己做 infra 了。 这篇文章提到多模型路由，说得很对。不可能所有请求都丢给 GPT5，成本和时延直接炸掉，表现也未必好。 真正合理的系统，一定是： 快速反应的轻模型做分类和前处理、重模型做主任务、补一个模型做验证或追问。 一个 agent 后面绑定的一定是一个 LLM 团队。 4. 可追溯/可控/可信，是企业愿意用 Agent 的底线 很多人只想着怎么让 agent 能回答，但企业更关心：这句话是从哪里来的？有没有越权？出了错我怎么追责？ AI 要可治理。 5. 最被低估的一点：Agent ≠ Chatbot 这篇文章最后说到的一点我非常赞同但还不够狠：如果还在用聊天当所有用户交互的方式，那agent 最多是个语音助理。 真的 agent 应该是：先用语言调度任务，然后在页面上看到结构化结果，还能继续点选、调整、组合下一步。这部分很多公司现在在尝试了，交互上比之前全部自然语言高效了太多。 一个特别有意思的点，当主持人问观众“你们中有多少人构建了文本到 SQL 并投入生产？”时，没有一个人举手。
#AI Agent #Context Engineering #多模型路由 #可追溯性 #人机交互
avatar
时间尺度：最近5年 LLM代表了信息演化的一个新阶段 它不是生物，也不是人类符号系统，而是一个全新的东西 这一阶段的特点： • 信息变成了"自主处理的" • 信息系统开始能产生新的信息（不仅是复制或变换） • 信息系统能与人类交互，改变人类的思考
#LLM #信息演化 #自主处理 #人机交互 #新阶段
avatar
🎨 我们常说产品和设计需要“品味”（taste），但这和写代码一样，是个玄学。我发现一个痛点：很多人不知道如何向 AI 描述自己的设计品味，提不出正确的问题。 未来会不会有专门的课程，教我们如何与 AI “聊”设计，把抽象的品味转化成可执行的指令？
#AI设计 #设计品味 #人机交互 #设计教育 #未来趋势
avatar
NanYi
1个月前
我司有位同事在群里和我讨论AI时，总是把我的话copy给AI，让AI反驳我，然后直接copy到群里，让我感到非常无趣。为什么我会知道是AI？谁家在IM里聊天写几百字的markdown🫤
#AI辩论 #同事矛盾 #职场沟通 #人机交互 #负面情绪
avatar
𝕀Rℙ² 交互范式编程： 如何系统化地设计输⼊，以最⼤化ICL效率？ > 这不是”写更好的提示词”（技巧层⾯），⽽是重新定义⼈机交互的本体论（范式层⾯）
#交互范式编程 #ICL效率 #人机交互 #提示词技巧 #系统化设计
avatar
𝕀Rℙ² 交互范式编程九大支柱： 1.Code: Context as Code (上下文即代码) 2.Instruction: Examples as Instructions (范例即指令) 3.Control Flow: Meta-prompts as Control Flow(元提示即流控) 4.State: State as a Mutable Resource (状态即易变资源) 5.Integration:Composability as System Integration (组合性即系统集成) 6.Compilation:Interaction as a Compilation/Refinement Cycle(交互即编译/精炼循环) 7.Execution: Validation as Execution (验证即执行) 8.Error Handling:Ambiguity as a Computable Feature (歧义即可计算特征) 9.Runtime: The Human as the Interpreter (人即解释器) 这个九点框架，我认为已经相当完备地描述了一种全新的、以人机交互为核心的软件开发和执行模式。它不仅是一种“编程”范式，更是一种“认知协同”的范式。
#人机交互 #交互范式编程 #认知协同 #软件开发 #编程范式
avatar
怎么说呢，和sonnet 4.5聊天，有点像每一步都是alphago的37 move！
#sonnet #AlphaGo #人机交互 #科技 #围棋
avatar
AI 应用最有竞争壁垒的，可能就是人机交互。 好的人机交互，需要充分理解模型的能力边界，同时也需要充分理解人的交互感知，这两者都做到极致，才能产生 aha moment。 比如：ChatGPT 通过对话形态让人与模型能交谈，DeepSeek 通过展示思考过程让人感知到 AI 的推理能力，Manus 通过展示工具调用让人惊叹 AI 真能帮人干活。 这些例子里，交互界面都至关重要。 近几个月让人眼前一亮的，是 Lovart，通过无边画布的形态，让人看到了一种新的交互界面。结合图片、视频等模型，让上下文、生成、修改编辑等过程非常流畅。 Chatbot 的交互形态，大概率最终还会是模型厂商或现有大厂的机会。 Canvas 的交互形态，Lovart、Canva、Figma 等，都在快速演进。或许还有创业者的机会，只要足够垂类。 Agent 不是一种单独的人机交互形态，Chatbot 和 Canvas 都可以无缝加入 Agent 能力。 还有一个巨大的交互形态，是 Voice + 硬件。有一个很值得学习的玩家是 Plaud。一个便携式硬件，非常有机会获得用户的很多线下上下文。这些线下上下文提供给 AI 后，有机会让 AI 生成真正 Only for you 的内容。 或许都有新的内容平台的机会。门户 - 搜索 - 推荐，接下来是什么。有可能是基于用户线上和线下上下文的真个性化内容（Content for one）。于是门户 - 搜索 - 推荐 - 生成，路线清晰了起来。 AI 应用创业，都还在很早期很早期阶段。基础模型能力 + 人机交互界面 + 用户上下文感知，会是产品成败最关键的三个基础要素。
#人机交互 #AI应用 #交互界面 #用户上下文 #内容生成
avatar
Fu Sheng
1个月前
AI从“被动应答”到“主动关怀”，确实是个拐点。
#AI #主动关怀 #技术拐点 #人机交互 #积极
avatar
LLM是什么搞清楚了，只是搞清楚如何与LLM交互的起点
#LLM #人机交互 #技术 #探索 #入门
avatar
印媒：当人工智能更会写情书
在过去，这样的故事层出不穷。当不知道如何回复心仪对象的消息时，我们可能会寻求好友的帮助。然而，这个 角色今天正在被AI取代。
OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 144 条信息
#AI #人机交互 #社交 #技术 #替代
avatar
agentic digital interface由原来的人与软件二元的 UI体验，在LLM时代发生了本质的变化，成为了人、agent和软件的三元结构。 这是所有LLM的交互创新的源头。
#agentic digital interface #LLM #人机交互 #三元结构 #技术创新
avatar
indigo
1个月前
Anthropic 经济指数报告第三次迭代！研究追踪了过去 8 个月里，个人用户在 Claude 上的行为变化。AI 的任务正在从常规商业到知识密集型工作转变，虽然编程（计算机与数学任务）仍然以 36% 的份额占据主导地位，但知识密集型领域的使用正在快速增长。 - 教育指导任务：使用份额从9.3% 飙升至 12.4%。 - 生命、物理和社会科学任务：从 6.3% 增长至 7.2% 。 - 商业与金融运营任务：份额从 6% 下降至 3% 。 报告将人机交互分为两大类： - 增强（Augmentation）：把 AI 当作一个聪明的实习生或合作伙伴。你会和它一起讨论、迭代任务、向它学习或让它帮你检查工作。这是协作关系； - 自动化（Automation）：把 AI 当作一个高效的工具或员工。你直接下达一个完整的指令，让它独立完成任务，中间几乎没有来回沟通。这是委托关系。 用户的行为正在快速滑向“自动化”。这是报告发布以来，自动化使用首次超过增强使用。 - 指令式（Directive）对话，即用户将完整任务委托给 Claude，其占比从8个月前的 27%猛增到 39%； - 整体上，自动化模式的使用份额从 41.1% 上升至 47.0%，而增强模式则从 55.5%下降至49.1% 。 报告认为，这种转变可能源于模型能力的提升和用户信任的增强 —— AI变得越来越可靠，用户也越来越习惯于“放手” 👀
#Anthropic #Claude #AI自动化 #人机交互 #AI能力提升