Hi 大家好，

我是Leo，一名程序員。目前在進行AI 領域的業(yè)務開發(fā)。

關于這個賽道，用領導的原話說就是 ”大家都在摸著石頭過河”。

我自己也是對這個領域相關技術也是非常感興趣，恰好公司在要求我們在完成業(yè)務功能開發(fā)的同時，也可以補充相關行業(yè)知識。

畢竟“不懂業(yè)務的開發(fā)不是好廚子” 所以希望可以每天在這里可以抽出一部分時間進行輸出，來確保信息轉化為知識。

新人上路，期待大家的一鍵三連喲，求投幣，求推薦，求轉發(fā)！

人工智能正在引領人機交互的第三次變革

隨著ChatGPT、new Bing Chat、Google Bard、Claude 等可以像人一樣進行對話的聰明程序在今年爆發(fā)，極有可能推動人機交互模式的第三次更新。從“告訴機器，要做什么、如何做” 到 “告訴機器，想要什么結果”。

人機交互：通過鼠標，鍵盤，屏幕，語音識別等形式與計算機交流。

重點關注顯示界面，響應速度，用戶友好等指標因素。

我們先來看一下人機交互的前兩次變革：

第一代：輸入指令 - 輸出結果

在1946年，世界上第一臺通用計算機誕生時，用戶與計算機的溝通模式，是把設計好的指令批量提交給計算機，并等待計算機的輸出。（指令和輸出往往是一疊打孔卡片）

在這過程中，指令和計算機不能出任何錯誤，哪有有一丁點錯誤，就不會有任何輸出或者輸出的結果毫無用處。

從人機交互的角度來看，此時的交互并不算完整意義上的互動。用戶只是提交一疊打孔卡片。然后靜靜地等待計算機的輸出，這樣既不方便觀測計算機運行時的狀態(tài)，出了問題也不方便判斷。往往會花費更多的功夫在人機交互上的準確度上。

第二代：基于命令的人機交互

在1964年，多個用戶共享一個終端逐漸成熟。這樣就更新出了新的人機交互模式：用戶和計算機輪流運行。

說起來很簡單，自打這以后，這個人機交互范式主導到今天

• 命令行：如DOS和Unix

• 全屏文本終端：如IBM 的大\小型機

• 圖形用戶界面（GUI）：現(xiàn)在生活中常用的電子產(chǎn)品手機，電腦，Pad

基于命令的人機交互模式，使用戶不需要在心中完全確定一個目標，可以根據(jù)計算機即時反饋的信息來進行調(diào)整。

雖然在早期命令行或終端大多不會很及時的反饋計算機信息。一般只有在特定的時候，計算機才會有輸出。這樣導致人機交互的靈活性并不理想。

而到了圖形用戶界面，隨著軟件設計越來越成熟，用戶界面這種交互形式一直處于人機交互的主導地位。

雖然用戶界面這種交互模式已經(jīng)日益成熟，我們可以看到的電子產(chǎn)品，已經(jīng)在人機交互上下了大功夫進行優(yōu)化。但是對于一些特殊類型的軟件，比如搜索引擎：谷歌、百度。又或者一些專業(yè)性比較強，有使用門檻的軟件，這種用戶界面交互模式也存在一些弊端。

據(jù)調(diào)查發(fā)現(xiàn)，即使是各項素質(zhì)水平都相當優(yōu)異的國家，也有近一半人的表達不是很清晰（人人，人機）?；诖?，就無法從命令交互模式中輕易的獲取最好結果。

未來：交互控制變革

直到今年，才有可能受人工智能領域發(fā)展的影響，更迭出更優(yōu)秀的人機交互模式。

舉一個例子：

如果你想要作出一副圖畫作為封面，要求內(nèi)容是 “一個穿著太空服的牛仔，站在一個沒有氧氣的行星上，天空中有兩顆紅色的月亮”

這個要求如果使用 2021 版的Photoshop（PS.作圖工具）最少要在軟件上交互上百次，才有可能逐步作出插圖。

而現(xiàn)在，只需要使用引入了AI（人工智能）的作圖工具，就可以在幾秒內(nèi)生成多張圖片

未來在由人工智能推動的交互模式會是

“用戶告訴計算機所期望的結果，同時可選擇指定如何完成這個結果?！?/p>

與傳統(tǒng)的基于命令的交互相比，新的人機交互模式顛覆了之前的范式，既用戶作為控制中心，計算機被動輸出信息。

在上面的案例中，如果用戶對計算機輸出的畫作不滿意，可以繼續(xù)進行溝通和調(diào)整。來達到自己心中所想。

目前各大AI 廠商也在為AI 的可用性進行不斷的優(yōu)化和改進。

有生之年會看到一種更和諧的智能交互

雖然 “完全按照用戶的想法進行輸出” 是一種很誘人的交互方式。

但是這樣的交互方式也會存在一些弊端，比如用戶因為表達問題或者自然語言解析問題進行了錯誤的執(zhí)行，同時用戶也不知道如何改正時，這并不能完全達到用戶預期。

所以，目前可以預見地在屏幕上點擊等指令模式還是非常重要的交互，應該會繼續(xù)存在，在未來的人工智能系統(tǒng)里，大概率會混合控制反轉 + 人為指令的多種界面。

一想到未來的軟件都內(nèi)嵌了AI ，作為一名程序員還真的是會很興奮呢！

Reference:https://www.nngroup.com/articles/ai-paradigm