机构名称：
¥ 1.0
人工智能 (AI) 涵盖了广泛的计算问题和用例。其中许多问题涉及到人类如何与人工智能互动或应该如何与人工智能互动等深刻且有时错综复杂的问题。此外，许多用户或未来用户对人工智能是什么确实有抽象的概念，这在很大程度上取决于人工智能应用的具体体现。以人为本的设计方法建议评估不同体现对人类对人工智能的感知和与人工智能互动的影响。由于现实中应用领域和体现的复杂性，这种方法很难实现。然而，XR 为研究人机交互开辟了新的可能性。本文的贡献有两方面：首先，它基于 XR-AI 连续体提供了人机交互的理论处理和模型，作为 XR-AI 组合不同方法的框架和视角。它激发了 XR-AI 组合作为一种了解未来人机界面效果的方法，并说明了为什么 XR 和 AI 的结合能够为有效和系统地研究人机交互和界面做出有益的贡献。其次，本文提供了两个针对两个不同 AI 系统研究上述方法的示范性实验。第一个实验揭示了人机交互中有趣的性别效应，而第二个实验揭示了推荐系统的 Eliza 效应。本文介绍了针对人机交互和界面的拟议 XR 测试平台的两个典型实现，并展示了如何进行有效和系统的研究。总之，本文为 XR 如何有利于以人为本的 AI 设计和开发开辟了新的视角。
人机交互研究的新前景
主要关键词
相关文件推荐
