人机交互:站在产业化落地的门口

脑机接口、AR眼镜、智能语音、肌电手环、隔空手势识别……

年初，马斯克让猴子玩上乒乓球游戏；岁末，他又宣布脑机接口装置有望明年在人类身上使用。与此同时，Meta公司（前身为Facebook）开放其元宇宙平台，百度开放内测元宇宙产品“希壤”，京东宣布打造智能“数字人”……

2021年，从基础研究到应用落地，人机交互领域风起云涌。不管是智能健康、元宇宙，还是自动驾驶领域的蓬勃发展，似乎都表明，人机交互正站产业化落地的门口……

“我们研发的超贴服柔性皮层电极已通过科研临床伦理审批，即将开展脑机接口人体临床试验。”中科院上海微系统所副所长、传感技术联合国家重点实验室副主任陶虎对《中国科学报》说，“大规模采集人体大脑的神经元信号并进行闭环调控，将实现病人感知和运动功能的修复。”

脑机接口技术正越来越多地给患者带来便利。今年5月，斯坦福大学研究人员在《自然》发表封面论文，开发出一套皮质内脑机接口系统，可以从运动皮层的神经活动中解码瘫痪患者想象中的手写动作，并将其转换为文本。借助该系统，受试者（因脊髓损失瘫痪）每分钟可以打出约 90 个字符，且自动更正后的离线准确率超过了 99%。

不久前，马斯克表示，希望明年能在人类身上使用Neuralink 的微芯片装置。该芯片将用于治疗脊髓损伤、帕金森氏症等脑部疾病和神经系统疾病。目前，相关技术正在等待美国食品药品监督管理局的批准。

“脑机接口领域已经蓄积了相当的技术，有望成为解决大脑疾病的利器。”陶虎说，“大家都在争第一，明年可能会实现落地应用。”

“人机交互将引申出新的万亿级市场。”国际信息显示学会（SID）全球秘书长、福州大学特聘教授严群这句判断，也囊括了元宇宙这个巨大的市场。

有人称2021年是“元宇宙元年”，也有人认为这不过是“旧瓶装新酒”。但无论如何，元宇宙已是今年人机交互领域绕不开的话题。

“元宇宙是虚拟现实、增强现实和混合现实的综合，它实际上并非新的东西。”北京邮电大学人机交互与认知工程实验室主任刘伟教授告诉《中国科学报》，“元宇宙是现实世界和虚拟世界跨越未来的发展方向，但还有些技术问题未能很好地解决。”

在真实世界里，人机交互问题和人机环境系统的混合问题未能很好地解决。真实世界的人机交互中，不管是输入、处理还是输出过程中，客观数据、主观信息和知识依然不能完美融合。

刘伟认为，无论真实世界还是虚拟世界，人类和机器决策都有“快决策”和“慢决策”过程。人类决策有时依靠逻辑决策多些，有时利于直觉决策多些，这种“混合决策”不断变换，而且很难找到变化规律。这方面的问题机器决策目前还未能解决。

“元宇宙还处在画饼的前期阶段。”刘伟说，“因为它的底层的机理没有解决——人在真实世界里未能完美解决人机交互的问题，带到元宇宙里同样不能解决。”

谈到人机交互，刘伟认为第二个不能不说的问题是“复杂领域”。

“今年的诺贝尔物理学奖，也给了提出复杂系统预测气候变化的模型。”刘伟说，“人机交互也是一个复杂系统，它既包括重复的问题（复），还包括杂乱的、跨域协同的问题（杂）。”

刘伟认为，从智能的角度说，复杂系统包括三个重要组成部分，一是人，二是装备（人造物），三是环境。这其实是多个事物之间的相互作用，交织在一起，既纠缠又重叠的“人机环系统”问题。

“在人机交互中，机器强在处理‘复’的问题，人擅长管‘杂’的事——跨域协同、事物间平衡等。因为人们还没找到复杂事物的简单运行规律，所以，解决所有智能产品、智能系统，要从人、机、环这个系统里找它们的结合、融合和交互。而且，人要在这个系统中处于主导地位。”

人机交互领域引起刘伟重视的第三个现象，是“人工智能帮数学家发现了一些定律”。

“最近，DeepMind在《自然》发表一个机器学习框架，能帮助数学家发现新的猜想和定理。”刘伟说，“人工智能是一个基本的数学工具，同时，数学又反映了一些基本规律。如果人工智能可以帮助数学家处理一些数学问题，那么，人们将更好地认识复杂系统的简单规律，人机交互方面就可能会取得新突破。”

阿里达摩院印卧涛：数学家如何与AI合作？

编者按：

最新发布的《达摩院2022十大科技趋势》将AI for Science列为重要趋势，认为“人工智能成为科学家的新生产工具，催生科研新范式”，引起学界热议。AI究竟对传统科研意味着什么？我们做好迎接准备了吗？以下为阿里达摩院城市大脑实验室负责人华先胜的观点。

DeepMind与合作者最近在Nature发表论文，AI帮助解决了数学难题，引起很多人的关注。大家关心得不是结果，而是AI在数学研究中如何发挥作用。

先介绍下背景，这篇文章是关于低维拓扑，里面有十几个数学量，其中关键量是通过神经网络拟合在做分析得到。作者猜测低位拓扑中存在未知的非线性关系，作者产生了很多数据并用神经网络拟合了近似函数，发现其中三个量在拟合过程中起到了很重要的作用，并且只用这三个量也拟合得非常好。通过反正做拟合实验，产生新的数据，得到新的观察模型，最终数学家利用智慧猜出了一个不等式结构，并进一步给了严格的证明。

大家关心的是人机互动的过程，大量神经网络实验和两个数学家之间多轮的互动，Nature描述了互动过程。自古以来，比如开普勒和其他应用科学家反复地做实验观察，从中寻找规律，现在AI算法和AI专家扮演了这个角色。这次创新主要用了神经网络的技术，包括多元非线性函数进行递进的技术和黑盒解释的技术。

总结来说，这个成功案例会激发纯数学家和AI合作证明一些新的猜想或者发现新结构。

延伸到AI for Science，我的看法是，AI的确可以加速科学实验。除了做计算机模拟之外，AI还可以告诉大家实验的方向。在最近的天体物理中，AI优化太空望远镜的指向，同时搜集更多更有趣的数据，有点像自动驾驶，用AI做自动驾驶望远镜，加快规律的发现速度。

其次，AI推动人机结合。当然说起来简单，具体操作要复杂得多，科学家和AI专家必须紧密互动，比如数据生成、作图、构建神经网络和训练、利用神经网络进行结果验证等解决问题高度相关。

最后非常重要的一点是发展可解释的AI工具。AI产生的结论需要易于理解、能够溯源，这样才能建立与科学之间的桥梁，获得科学家的信任。

（作者系阿里达摩院决策智能实验室负责人）