XiaoMi-AI文件搜索系统
World File Search SystemHCI
一项有关人类认知工作量的调查 -
我们周围的计算设备数量不断增加，导致越来越多的系统竞争我们的注意力，使认知工作负载成为人类计算机接口的用户体验的关键因素。人类计算机互动（HCI）的研究使用了各种指标来确定用户的心理需求。但是，需要有一种系统的方法来选择适当有效的实验设置认知工作量的方法，从而对其可重复性提出了挑战。我们介绍了有关HCI文献中用于应对这一挑战的过去和当前指标的文献调查。最初探索在HCI上下文中类似于的认知工作负载，我们将对研究人员和从业人员进行分类，以选择用于系统设计和评估的认知工作量指标。我们以以下三个研究空白结束：（1）在HCI中定义和解释认知工作量，（2）NASA-TLX的隐藏成本，以及（3）HCI研究是工作负载吸引系统的催化剂，强调HCI研究必须深入研究和概念化对互动系统的认知工作负载的理解。
人类与自动化机器学习系统交互的角色和模式：评论与观点
随着自动化机器学习 (AutoML) 系统在复杂程度和性能方面不断进步，了解这些框架中人机交互 (HCI) 的“方式”和“原因”变得非常重要，无论是当前的还是预期的。这样的讨论对于最佳系统设计是必要的，利用先进的数据处理能力来支持涉及人类的决策，但它也是识别不断提高的机器自主性水平所带来的机遇和风险的关键。在此背景下，我们重点关注以下问题：(i) 目前，对于最先进的 AutoML 算法来说，HCI 是什么样子的，特别是在开发、部署和维护阶段？(ii) 不同类型的用户和利益相关者对 AutoML 框架内 HCI 的期望是否不同？(iii) 如何管理 HCI，以便 AutoML 解决方案获得人类的信任和
人类计算机相互作用的演变
人类计算机的互动（HCI）自成立以来就经历了显着的转变，反映了人类与技术之间不断发展的关系。本文探讨了HCI的丰富历史和演变，追踪其从早期命令行界面到图形用户界面（GUIS）的时代以及当今的沉浸式体验，并由增强现实（AR）和虚拟现实（VR）技术实现。我们深入研究了关键的里程碑，新兴趋势以及HCI对社会的影响，强调技术与数字时代的人类经验的融合。人类计算机相互作用是人们如何与计算机相互作用以及计算机在多大程度上与人类与人类的互动开发的程度。随着技术的发展，HCI从基于文本的界面演变为复杂的图形和沉浸式环境，反映了人们对人类与机器之间更直观，高效和引人入胜的相互作用的追求。本文浏览了HCI的重要时期，突出了塑造数字景观的关键时刻[1]。
人类计算机互动中情感的未来
情绪已经在HCI中进行了二十年的研究，并有兴趣感应，表达，传输，建模，体验，可视化，理解，构造，调节，操纵，操纵或适应人类人类和人类计算机互动中的情感。这个关于人类计算机互动中情感未来的CHI 2022研讨会汇集了培养的研究人员，汇集了有关HCI迄今情绪研究的研究，并探索了可能的未来。通过小组讨论和协作猜测，我们将解决以下问题：数字技术与人类情感之间的关系是什么？情感在HCI研究中扮演着什么角色？HCI研究人员应该如何概念化情绪？HCI研究人员何时应该使用情感的跨学科理论或创造新理论？可以为特定的情感设计，并且这些知识可能在哪里应用？公展研究对设计，道德和福祉的影响是什么？人类计算机互动中情感的未来是什么？
无标题 - IHCI-2022
特邀演讲者：与语音用户界面轮流对话：HCI 学习。Abhishek Shrivastava 博士，印度理工学院古瓦哈提分校，印度 HCI 专业协会 (HCIPAI) 指导委员会主席，印度
DEF STAN 00-25（第 13 部分）/第 1 期 - 深慢速轻松
本部分描述了风险评估在人机界面分析、设计和开发中涉及的人为因素问题上的系统应用。人机界面可操作性风险的正式识别是此过程的核心，是确定系统开发中所需的人机界面特定工作范围的主要手段，它还识别了影响系统有效使用的人机界面问题，并总结了确保这些问题在系统开发中得到充分解决所需的工作。
头部技术的广告...
关于IIT Mandi IHUB和HCI基金会：关于IHUB：IIT Mandi IHUB和HCI基金会（IHUB）是根据国家跨学科网络系统（NM-ICPS）成立的第8节公司。IIT Mandi IHUB的焦点区域是“人类计算机的互动”。 IHUB的愿景是成为一个国际公认的枢纽，该枢纽可以培养HCI研究，为行业提供技术翻译并扩展技能开发。IIT Mandi IHUB的四个领域是研究和技术开发，技能开发，孵化与加速度以及协作。有关更多信息，请访问www.ihubiitmandi.in。
PsiNet：了解脑对脑的设计......
人类社交能力的基础是大脑的人际同步能力。基于实验室的实验性神经心理学研究表明，脑间同步可以通过技术实现。然而，在野外部署这些技术并研究其用户体验方面，人类交互所擅长的领域却还很缺乏。随着移动大脑传感和刺激技术的进步，我们发现人类交互有机会研究野外脑间同步的增强。我们设计了“PsiNet”，这是第一款旨在增强野外脑间同步的可穿戴脑对脑系统。参与者访谈说明了三个主题，描述了调节脑间同步的用户体验：超意识、关系互动和自我消解。我们提出这三个主题来协助人类交互理论家讨论脑间同步体验。我们还为设计脑间同步的人机交互从业者提出了三种实用的设计策略，并希望我们的工作能够指导人机交互未来的脑对脑体验，促进人类之间的联系。
深度学习实现智能人机交互
摘要：近年来，手势识别和语音识别作为人机交互中重要的输入方式，在虚拟现实领域得到了广泛的应用。特别是随着深度学习、人工智能等计算机技术的快速发展，手势识别和语音识别取得了突破性的研究进展。本文使用的检索平台主要是Google Academic 和文献数据库Web of Science，按照“智能人机交互”、“语音识别”、“手势识别”、“自然语言处理”等与人机交互和深度学习相关的关键词，筛选出近1000篇文献，再筛选出近500篇研究方法的研究，经过5年（2019—2022）的年度筛选，最终选定100篇文献作为本文的研究内容。首先，分析人机交互智能系统的现状，总结手势交互和语音交互在人机交互中的实现，并选取深度学习带来的优势进行研究。然后介绍手势交互的核心概念，分析手势识别和语音识别交互的进展，并描述手势识别和语音识别交互的代表性应用。最后，研究了当前自然语言处理方向的人机交互。结果表明，智能人机交互与深度学习的结合在手势识别、语音识别、情感识别、智能机器人方向都有着深入的应用。相关研究领域提出了多种识别方法，并通过实验进行了验证，与没有深度学习的交互方法相比，取得了较高的识别准确率。在支持语音的人机界面中，上下文对改善用户界面起着重要作用。无论是语音搜索、移动通信，还是儿童语音识别，人机交互与深度学习相结合都能保持更好的鲁棒性。卷积神经网络与长短期记忆网络的结合可以大大提高动作识别的准确率和精确度。因此，未来人机交互的应用领域将涉及更多的行业，前景广阔。
用于药物发现中高素质成像的人工智能
摘要人工智能（AI）和高含量成像（HCI）有助于药物发现的进步，这是由于深度神经网络的最新进展所推动的。本综述强调了AI在分析固定和活细胞成像的HCI数据中的作用，从而实现了新颖的无标签和多声道荧光筛选方法，并改善了复合分析。HCI实验是快速且具有成本效益的，可用于AI模型培训的大型数据集积累。但是，AI在药物发现中的成功也取决于高质量的数据，可重现的实验和可靠的验证以确保模型性能。尽管需要带注释的化合物和管理大量图像数据等挑战，但AI在表型筛查和药物分析中的潜力是显着的。未来AI的进步，包括增加的可相互作用和多种模态的整合，有望巩固AI和HCI在药物发现中的作用。