人工智能与机器学习开辟更优用户界面之路

在《AI进阶课》第四集中，卡内基梅隆大学未来界面研究组主任Chris Harrison探讨了如何利用人工智能与机器学习重新定义人机交互。以下是三个关键亮点：

• Skinput与OmniTouch项目致力于将非传统表面转化为输入界面，展现了Harrison的前沿UI研究；
• 合成传感器可能重新定义企业与客户实现"智能房间"的方式；
• CIO应期待未来用户界面走向"多模态"，即根据任务需求动态选择交互方式。

Harrison指出，用户界面是"复杂景观"，涵盖从125年历史的QWERTY键盘到增强现实头盔等新技术。其团队通过物联网、人工智能与机器学习实验突破性UI方案，例如：

将身体变为交互画布

Skinput项目将屏幕投射到皮肤表面形成输入界面，解决智能手表等设备因屏幕尺寸限制导致的交互简化问题。Harrison表示：“我们希望在不牺牲设备便携性的前提下，为用户提供大型交互画布。”

重新定义移动计算

OmniTouch可将界面投射到桌面或笔记本上，不仅重构设备尺寸与交互能力的关系，更试图变革文件共享方式。Harrison指出当前跨桌文件传输需经邮件服务器的低效现状，称其为"未被挖掘的机会"。

人工智能化解歧义

近三年来，AI与ML成为Harrison研究的核心技术。人类信号存在固有歧义（如手势可能控制电视或仅是对话动作），而机器学习能通过模式识别解析模糊输入。Harrison强调：“人类通过社交线索化解歧义，设备则需依赖AI技术。”

合成传感器：虚拟化环境感知

该WiFi传感器板可插入任意墙插座，通过19个传感器通道采集振动、声音、光线等环境数据，经机器学习解析后虚拟化整个空间的设备状态。例如区分水龙头滴水与洗碗机运行的不同特征模式，用户可直接询问语音助手"洗碗机何时完成"，系统通过虚拟化传感器反馈应答。

快速原型与多模态未来

Harrison团队采用快速原型法验证创意，通过低成本原型收集用户反馈并迭代。他强调交互体验的"触感"至关重要，并预测未来界面将呈现多模态融合趋势：语音适合查询与指令，键盘擅长内容创作，不同场景将激活最适合的交互模式。正如智能手机未取代其他计算设备而是丰富生态，多种交互技术将长期共存并动态调整比重。

尽管多数技术仍处于原型阶段，但企业需关注由AI/ML驱动的界面革新。Harrison最后指出：“企业真正关心的是员工效率。忽视人机界面——这个影响效率的最大变量——将难以成为高效组织或拥有快乐员工。”