人机交互（HCI）的历史演进、核心驱动与未来趋势

郭全中 张金熠

【摘要】21世纪，各类信息技术深刻影响人类社会的组织方式、交往形式乃至社会结构，并试图形塑全新社会形态。随着机器的微型化、移动化、智能化、嵌入化，人机交互逐渐成为人类生产生活的重要互动形式之一，以人机交互为核心的社会行为也发生了巨大变化。因此，现从交互界面、交互设备、交互模态与交互模式四个方面梳理与分析人机交互的历史进程，并从中把握促进人机交互发展的三大核心驱动力——社会生产需求、技术综合进步与个人社交需要，进而思考与展望人机交互的未来发展趋势及其对传媒实践的影响。

【關键词】人机交互；智能传播；人工智能

当前，人工智能、区块链、云计算、大数据等前沿技术正在不断渗入人类社会的组织方式、交往形式乃至社会结构，并试图形塑出一个全新的社会形态。各类技术，尤其是计算机技术与互联网技术的快速发展所引发的技术革命，根本性地改变了人与机器之间的关系，促使人机交互成为人类生产生活的重要互动形式。

现有人机交互研究认为，人机交互（Human-Computer Interaction，HCI）是研究人、计算机以及它们间相互影响的技术[1]，其中“机”的含义随着其智能程度的提升经历了从机器到计算机再到机器人的演变。[2]从移动应用之情感角色的角度来看，人机交互发生了从“刺激—反馈”“一键操纵”“智能服务”到“情感交流”的模式演变。[3]除此之外，人机交互的类型还可以依据交互模态、接触程度等进行划分。其中，依据交互模态不同，可划分为文本交互、语音交互、图像（手势、人脸等视觉图像）交互与多模态交互、跨模态交互等；按照人机接触程度，可划分为接触式交互（如键盘、鼠标、触屏等）、非接触式间接交互（如眼动追踪、人脸识别等）、非接触式直接交互（现多指基于脑机接口技术的脑电交互）等。

随着人工智能技术进一步突破，人机关系、人机交互乃至人机传播等研究主题开始成为智能传播研究的新焦点，在探讨人对机器及算法的信任度[4]、人机互动所需的新伦理观[5]之外，厘清人机交互的历史进程，从中把握促进人机交互发展的核心驱动力，并基于此思考与展望人机交互的未来发展趋势及其对传媒实践的影响，也具有一定的研究价值与实践意义。

一、人机交互的历史演进

（一）交互界面：命令语言—图形用户—网络用户—虚拟现实

界面是人机交互的中介物，是一个相对于媒介物质实体存在的呈现面[6]。人机交互界面的发展与计算机技术的进步如影随形。其中，命令语言界面是人与计算机互动的初期界面格式。伴随着1946年第一台电子计算机的问世，基于编程语言的计算机命令语言系统开始搭建，用户可以运用一种双方都能理解的命令语言（最初是“0”与“1”组成的二进制机器语言）与计算机进行交互式对话。

到了20世纪70年代，美国施乐公司研究人员艾伦·凯（Alan Kay）发明了重叠式多窗口系统，该技术经不断研发，形成了当前广泛使用的图形用户界面（Graphical User Interface，GUI）。GUI的主要特点是以窗口管理系统为核心，使用键盘和鼠标作为输入设备，其中窗口管理系统的核心技术包括重叠式多窗口管理技术与事件驱动（Event-Driven）技术。[7]由于GUI的人机交互过程依赖于视觉图形且鼠标的使用减轻了命令语言的记忆任务，哪怕不懂得计算机的普通用户也能够直接操作并熟练使用计算机，从而扩大了计算机用户人群，促使信息产业得到空前发展。

1989年，蒂姆·伯纳斯-李（Tim Berners-Lee）以超文本标记语言HTML与超文本传输协议HTTP为基础开发了WWW网。此后出现的各种网络浏览器，便是网络用户界面的代表，现已成为互联网的重要支柱。随着新技术的出现，网络用户界面所覆盖的人机交互功能越来越多，如搜索引擎、多媒体动画、聊天工具等。该阶段的交互界面呈现出多媒体、多通道、高速度等发展特征，也意味着物理空间中的交互行为越来越能在数字空间中再现。

当前正在兴起的虚拟现实界面是利用人的多种感觉通道（如视觉、听觉、触觉等）和动作通道（如语音、姿势、表情、视线等）以并行、非精确的方式实现人与计算机环境的交互。目前而言，囿于软硬件技术瓶颈，虚拟现实界面尚未出现面向大众消费级别的成功商业案例。在这一阶段，尽管脑机接口技术领域发展缓慢，人机交互界面所依托的物理载体已经开始由机器转向人体。

总体上，人机交互界面呈现出由命令语言、图形用户到网络用户，再到虚拟现实的发展脉络，在关键技术的助推下，各个阶段都呈现出一定的优势与不足。

（二）交互设备：键盘—鼠标—触摸屏—脑机接口

交互界面体现的主要是人机交互在软件方面的演进与更迭，而在硬件方面，除了计算机自身朝着微型化、随身化、嵌入化的方向发展，作为中介的交互设备也在发生累积式的变化。

在键盘出现之前，穿孔卡片是人们用来输入计算机指令的最早设备，但该方式操作繁琐且容错率低，也未能实现人与计算机的直接交互。因此，键盘可称为首个人机交互的输入设备，用户通过敲击键盘按键与计算机进行互动。实质上，键盘是人类语言/自然语言系统与计算机指令系统之间的转换器，通过标准化设计，实现基于编译规则的人机“对话”。100多年来，键盘与计算机的一体化生产与用户使用习惯双重作用，使键盘成为沿用至今的重要人机交互设备之一。

另一重要交互设备是鼠标。伴随着图形用户界面的出现，第一代计算机鼠标由斯坦福研究所的道格·恩格尔巴特（Doug Engelbart）于1964年发明，用来代替键盘输入的繁琐指令。相较于键盘，鼠标能够减轻用户的记忆负担，使用户直接通过菜单系统选择与确认指令。时至今日，键盘与鼠标依旧是人机交互的重要搭配。究其原因，从媒介延伸角度看，二者共同延伸了人类交流信息与感知世界的重要器官——嘴巴与手指。

正如上文所说，触摸屏是继键盘与鼠标后，快速崛起的重要交互设备。以2007年苹果公司发布第一款使用多点触摸屏的智能手机为节点，触摸屏开始广泛取代传统交互设备中的键盘与鼠标，成为又一关键交互设备，人机交互的主要方式也从基于键盘与鼠标的可感知操作转向基于触摸屏的无感操作。与此同时，触摸屏大大降低了人机交互门槛，即便是刚出生的婴儿也能够通过触摸屏幕轻松完成人生中的第一次人机互动。在科技公司的助推下，各类触屏终端已经充斥着我们的生活，形塑着新一代人机交互方式。

除键盘、鼠标、触摸屏外，还有一类颇具想象空间的交互设备——脑机接口（Brain-Computer Interface，BCI）。脑机接口是指不依赖于外周神经和肌肉，在人脑与外部设备之间建立的直接交流通道，按照采集电极的放置位置可分为侵入式和非侵入式。[8]前者需将采集电极植入大脑中，采集信号质量高，但存在手术风险；后者从头皮表面获取神经活动信号，低成本且安全，但信号纯度和信噪比较差。此外，介于二者之间的介入式脑机接口采用微创介入方式实现脑机连接，创伤较侵入式脑机接口更小，信号质量较非侵入式脑机接口更高。受制于研究范式、芯片技术、生物特性等因素，脑机接口领域远未出现面向主流用户的成熟交互方案与技术设备，但理论上，基于脑电信号直接控制外部设备在效率上优于其他手控操作或感知识别，成熟的脑机接口设备也将会为人机交互带来颠覆性革新。

（三）交互模态：单模态—多模态—跨模态

模态源自语言学领域，是用于交流的符号系统，按照信息类型可划分为文本、音频、图像、视频等多种模态。早期人机交互往往依托于单一模态，如命令语言界面时期，用户只能通过机器语言、汇编语言等文本模态与计算机进行互动。到了图形用户界面时期，基于窗口、图标、菜单和指示器的计算机界面为图像模态的呈现提供了技术支持，但受限于软件技术与硬件设备，视频这一包含文本、声音、画面等多种符号系统的复杂模态尚不能流畅地服务于人机交互。

直到20世纪90年代，互联网在全球迅速普及，能够利用计算机对文本、图像、音频、视频等多模態信息综合处理、建立逻辑关系和人机交互作用的多媒体技术成熟且得到应用普及，人机交互才真正转入多模态阶段。在这一阶段，基于各类媒体技术的前沿推进，人与计算机的联结维度增多、深度增强，人机交互不再仅仅停留在机器界面，而是以任何物体作为界面，随时随地提供丰富的感知体验，如全息互动投影、VR＼AR＼XR＼MR等。同时，指纹、人脸、声纹、虹膜等生物特征识别技术的发展也为人机交互提供了更多样的交互形式。

尽管模态是可对比和对立的符号系统[9]，其作用环境处于同一社会系统中，人们在交流时可进行模态间的任意转化，即跨模态互动，如设计师能将文字描述的内容转化成图像，这一互动形式也再现于人机交互过程中。但这类跨模态交互往往是非智能的，是计算机基于前期程序设定完成另一模态的信息输出。2022年是生成式AI元年，AI技术的突破性创新之一便是AI模型具备了跨模态生成能力，即接收用户输入的某一模态指令后理解并生成另一种模态信息的能力，如MidJourney、Stable Diffusion、DALL-E2等AI绘画工具能够基于文本指令智能生成图像。

总体上看，交互模态的历史发展是累加式的，当前人机交互的交互模态呈现出多模态、跨模态的鲜明特征，但多模态、跨模态人机交互的自然性、高效性、稳定性还有提升空间，这对计算机软硬件技术、传感器技术、通信技术乃至生物识别技术都提出了更高的要求。

（四）交互模式：指令响应—智能服务—人机对话

指令响应是人机交互的基础交互模式，不论是早期计算机使用者通过按动按钮、敲击键盘、点击鼠标，还是今天的移动用户点触设备屏幕，其本质都是基于用户指令与机器响应的人机互动。随着通信技术与芯片技术的不断发展，信息传输的稳定性、容载量得到显著提升，计算机设备的体型与外观也朝着微型化、随身化、嵌入化趋势发展，如今的指令响应式交互模式也呈现出随时、随地、随身的特征，如用户与智能手表、智能纹身等可穿戴设备的互动能够在任何时间地点进行，且交互自然、功能多样。

从初阶的指令响应到中阶的智能服务，人工智能技术、传感器技术以及移动通信技术的前沿推进在人机交互模式的迭代更新中居于核心位置，即时视频技术、全覆盖场景技术的进步则为人机互动增强了临场体验感。相较于初阶模式，智能服务式交互模式的进阶性，一方面体现在人机交互由人适应机器向机器适应人的底层逻辑转变，另一方面体现在计算机以智能助手的形式全面介入生活场景，完成从“物”到“人”的互动主体性转变，从而提升了机器的智能属性，进而增强了人机交互的情感联结。

作为人机交互的高阶模式，人机对话建立在自然语言处理技术与机器人技术的突破革新之上。当前，以ChatGPT为代表的自然语言处理技术前沿为人机对话提供了更强大的算法支撑，其商业应用如微软推出的对话式搜索引擎New Bing，为用户提供了足以引发恐怖谷效应的对话服务。与基于语言系统转化的人机“对话”不同，人机对话式交互模式完全适应人类的语言系统与交往习惯，计算机的机器属性隐匿于高仿生性之后，互动中与人对话的机器几乎可以视为具有自主生成能力的社会行动者。但就目前的技术水平与伦理认知而言，人与机器之间的多感官、全方位自然互动还未实现，人与机器主体性平等问题还有待讨论，人机对话式交互模式正处于自身发展的初级阶段。

二、人机交互的核心驱动力

（一）核心驱动力之一：社会生产需求

以蒸汽机为代表的第一次工业革命满足了资本主义对高效生产的追求，从而开启了机器替代人力的工业时代。至此，人机交互作为一种全新的互动形式开始出现在人类社会生活中。而在随后的电气化革命、信息化革命以及智能化革命时代，作为重要生产工具的机器为了满足各个时代社会生产需求的变化而随之不断推陈出新、迭代升级，并在这一过程中与人产生了更为深刻、广泛的交往互动，从而推动着人机交互的不断革新。

进入信息化时代后，以计算机与互联网为代表的信息技术在即时全球通信和大规模运输工具的加持下，拉近了全球人之间的距离，推动以生产活动全球化为核心的多领域全球化发展。其中，移动通信设备，如手机、手提电脑、平板电脑以及2010年以来快速普及的智能手机、智能手表等，在这场将个体原子化以适应远距离生产生活的全球化浪潮中，与人的身体和工作生活深度绑定，促使人机交互最终成为现代人类社会生产生活的必要行为。而在社会生产需求的驱动下，机器替代人力或变革生产方式的戏码还在不断上演，在机器完全获得自主意识之前，人类在机器参与社会生产的过程中依旧扮演着重要角色，这都将深刻影响人机交互的发展演进。

（二）核心驱动力之二：技术综合进步

在人机交互这架快速奔驰的马车上，社会生产需要的是挥鞭驾车的车夫，那技术进步就是鞭下狂奔的马，是马车滚滚向前的引擎。从历史角度看，科学技术的每一次进步，都通过促进机器升级换代而推动了人机交互的迭代演进。前三次工业革命都是以革新机器技术驱动人机交互的演变：从蒸汽时代向产生高压蒸汽的锅炉中填充各种可燃物，到电气时代摇动手柄或按下按钮以启动发电机，再到信息化时代基于图形用户界面的敲击键盘或点击鼠标，人机交互变得越来越简单便捷。

随着人工智能技术的发展，以智能化为标志的第四次工业革命则将人机交互推向了更全面、更自然、更高效的互动形式。例如以GPT-4为代表的人工智能技术前沿，不仅为机器注入了“灵魂”，也带来了生产力的升级与创新。在新闻传播领域，人—机协同将成为未来常态，人与机器互补可以提高内容生产的效率，更好地满足市场的需求。[10]

（三）核心驱动力之三：个人社交需要

根据马斯洛需求理论，社交需要是指一个人与其他人建立感情的联系或关系的需要，且属于无法满足时直接危及生命的“缺失需要”。因此，个人社交需要是人类生存中必须满足的需求。在生存和生活过程中，社交需要的满足具体表现为参与以人际传播为核心的社会交往活动。但实际上，面对面的人际传播并不总能及时发生。随着计算机进入信息传播领域且具有了拟人化的互动能力，人机传播作为人际传播的补充形式，得到了一定的发展。尽管当前社会中人与人的交流方式非常丰富甚至过载，但可以推断，人之所以需要人机传播，主要基于场景性、补偿性、可控性、定向性、投射性、治疗性等交流的需要。[11]正是这些交流需要驱动着人机交互在微观层面的多样化发展。

在个人社交需要中，情感是交流的核心诉求之一，这也促使智能机器领域的研究者通过不断地理解人类的情感机制并提高机器的理解与模仿能力。例如非语言符号是人类交流尤其是情感表达的重要工具，智能机器人便不断提升其在语音、语调乃至语用上准确理解与合理表达的能力，为人机交互提供更丰富的情感要素，进而促进了人机交互的情感互动甚至使人在互动过程中产生情感依赖。

三、人机交互的发展趋势及对传媒实践的影响

（一）人机交互的发展趋势

第一，强智能、多感官、高隐匿是人机交互的技术趋势。从技术角度看，为适应人类社会生产以及社会交往的需求，人机交互将在智能水平、感知能力以及隐匿性方面进一步提升，强智能、多感官、高隐匿是其技术发展的大趋势。一是强智能意味着交互效率更佳。现有人机交互技术在认知水平上仍有不足，如百度自研AI工具文心一言在基于成语指令的文生图任务上屡战屡败。由于人与人交流的语言是能指与所指混合的复合载体，而人机交互往往是能指型单一通道[12]，使得智能传播尚未理解言外之意，尤其在中文等典型高语境文化中，成语、古诗以及其他高语境表达仍是机器智能的盲区。二是多感官意味着交互通道更全面。人机交互的发展目标是成为人类社会交往的基础方式之一。为实现这一目标，机器不仅从外形和心智上朝类人方向努力，如智能数字人、人形机器人，而且更重要的是，机器不能只作为（符号学意义上的）文本接收者，而要具备基于多感官通道，如嗅觉、触觉的交互反馈能力，才能突破准社会交往局限，实现人机交互到人机交往的技术跨越。三是高隐匿意味着交互技术更强大。高隐匿建立在强智能、多感官交互的技术基础上，是一种涌现出的技术能力。这一趋势可以从单一通道达到强智能水平后引发的社会现象中窥得，如引发全网热议的特朗普被捕组图是有人利用MidJourney制作并发布到推特上，直到有消息辟谣才得以辨别真伪。

第二，情感与伦理将成为大规模应用落地的关键因素。从应用角度看，技术水平与应用落地之间往往存在一定的滞后性，这也体现在人机交互的发展进程中。而制约技术大规模应用落地的因素中，情感与伦理是关键因素。情感是人机关系的核心纽带，人机交互技术需要遵循以用户为核心的互联网市场逻辑，从用户情感诉求出发，挖掘具有可行性的引爆点。有学者指出，人工智能技术会引起诸如技术伦理风险、社会伦理风险、人类生存伦理风险等方面的伦理风险问题。[13]这也正是人机交互技术落地过程中的根本性阻碍和关键突破因素。

第三，人机交互将成为元宇宙时代的基本行为模式。元宇宙是平行于现实世界又独立于现实世界的虚拟空间，各类机器技术是支撑虚拟空间的环境要素，如现实世界中的空气。人在进入元宇宙环境时，本质上是进入了机器搭建的虚拟空间。因此，任何人类行为都将转化为基于机器中介的交互行为，哪怕是真人数字分身之间的互动，也是现实世界中的人类通过与各类机器互动后的结果。与此同时，随着元宇宙环境下情感联结的泛化与伦理讨论的深入，人机交互作为人类行为模式的合法性将随之提升。这使得人机交互在行为层面改造人类行为，在认知层面重塑人类行为逻辑，成为元宇宙时代的基本行为模式。

（二）对传媒实践的影响

第一，对信息获取的影响。信息获取是内容生产的第一道工序，也是传媒实践的起点。一般来说，内容生产的原始信息包括未经加工的事实信息与信息接收者提供的反馈信息，传统获取方式是依靠人力，而随着人机交互的发展，原始信息的获取从纯人力采集转为人机协同采集。例如数据新闻记者可以直接通过编程程序爬取社交网站中的用户评论信息，媒体机构可以直接依靠算法程序监测权威媒体、知名人物的互联网信息，以便及时获取新闻热点。更关键的是，人机交互改变了信息获取的传统思维模式。机器的升级和人机交互方式的迭代，拓展了信息采集的维度与层面，降低了信息采集的人力成本，改变了信息采集的行为方式，促使传媒从业者形成新的信息获取思维。虽然人机交互从诸多方面影响了传媒实践的信息获取，但必须强调，记者是新闻报道的灵魂所在，是新闻采访、环境观察的核心，是机器采集信息的甄别者与决定者。

第二，對信息生产的影响。在传媒实践中，信息生产是对原始信息的再加工。而机器能力的进步使得机器从辅助内容生产转为协助内容生产，这一过程也促使新闻记者与编辑乃至影视从业者、游戏制作者的工作模式发生变化。在纯资讯类新闻以及结构性报道中，写作机器人早已能够承担记者的角色，更及时高效地完成新闻报道的生产。人工智能技术的突破则有望提升机器的新闻生产力，使其能生产更复杂的新闻报道。在影视与游戏行业，人机交互释放了人类的想象力，例如动作捕捉技术使得人的行为能够更准确地复刻到数字空间，从而拓展了影视创作与游戏角色的表现力，惊艳全球的电影《阿凡达》中60%的内容通过动作捕捉技术系统拍摄与渲染。

另一方面，人机交互也对人的判断力与甄别力提出了更高要求。在信息生产中，机器始终不是作为主体与核心参与生产的，其解放人的同时也要求人提升自身的价值判断与甄别真伪的能力。例如人工智能生成内容已经达到连专业人士都难辨真伪的程度，从而引发对事实信息的混淆。这就要求新闻记者具有更强的事实核查能力、价值判断能力与信息甄别能力，才能从鱼龙混杂的信息市场中把握真正的新闻事实，作出正确的价值判断，确保新闻报道的真实可靠。

第三，对信息分发的影响。人机交互的加深促进了机器对个性化行为数据的获取，从而在技术进步的支持下形成了基于个人偏好的信息分发机制。这一机制也契合了信息盈余时代用户获取信息的诉求转变——从获取更多信息到获取定制化信息。因此，在传媒实践中，新闻、广告、影视等内容的传播都引入了智能算法分发机制，使用户能够最先接触到最感兴趣的信息内容与服务。另外，人机交互在智能化、多模态的发展演进中也为用户带来虚拟空间中的沉浸式交互体验，实现了多维信息的共时性传递，如VR新闻能够再现新闻现场的原貌，从另一方向丰富了信息分发形式。

基于人机交互数据的信息分发机制也具有明显的局限性，即加速信息茧房的形成，不利于社会共识的建立。千人千面的算法分发机制需要人的再次介入，以维持社会基本伦理道德、传递社会核心价值观，从而弥补个性化分发的公共性缺口，建立符合社会发展需要的信息分发机制。

四、结语

纵观人机交互的历史进程，机器在交互行为中的参与度随着技术升级不断增加，甚至在部分领域具备了一定的自主性，人机交互越发全面深入，人机关系也从人机分离向人机融合发展。正如凯文·凯利在《失控》一书中所说：“机器，正在生物化；而生物，正在工程化。”人工智能的突破似乎为机器注入了灵魂，各类传感器技术提升了机器的感知力，机器的生物属性正在增加，而人在社会行为、自我评价与思维模式上更加追求标准化、数据化，也仿佛在向机器靠拢。但无论人机交互处于哪一发展阶段，我们都必须坚定认可人的价值，坚定捍卫大多数人的利益，坚定“对人类生存的意义与价值的关怀”[14]，在与机器的互动中保持自省，造福社会。

[本文为北京市社会科学基金规划重点项目“首都互联网平台企业社会责任与协同治理体系研究”的阶段性成果，项目批准号（22XCA002）]

参考文献：

[1]董士海.人机交互的进展及面临的挑战[J].计算机辅助设计与图形学学报，2004（1）：1-13.

[2]申琦.服务、合作与复刻：媒体等同理论视阈下的人机交互[J].西北师大学报（社会科学版），2022（3）：106-115.

[3]梁爽.从“刺激-反馈”到“情感交流”：移动应用人机交互的模式演变与发展历程[J].青年记者，2021（4）：27-28.

[4]蒋忠波，师雪梅，张宏博.人机传播视域下算法新闻可信度的感知研究：基于一项对大学生的控制实验分析[J].国际新闻界，2022（3）：34-52.

[5]陈昌凤.人机何以共生：传播的结构性变革与滞后的伦理观[J].新闻与写作，2022（10）：5-16.

[6]胡翼青，王沐之.发现界面：审视媒介的新路径[J].湖南师范大学社会科学学报，2022，51（6）：116-124.

[7]马卫娟，方志刚.人机交互风格及其发展趋势[J].航空计算技术，1999（3）：16-20.

[8]曹洪涛，钟子平，陈远方，等.非侵入式脑机接口控制策略的研究进展[J].生物医学工程学杂志，2022，39（5）：1033-1040.

[9]胡壮麟.社会符号学研究中的多模态化[J].语言教学与研究，2007（1）：1-10.

[10]彭兰.智媒趋势下内容生产中的人机关系[J].上海交通大学学报（哲学社会科学版），2020，28（1）：31-40.

[11]彭兰.人机传播与交流的未来[J].湖南师范大学社会科学学报，2022（5）：12-22.

[12]刘伟.智能传播时代的人机融合思考[J].人民论坛·学术前沿，2018（24）：16-24.

[13]王東，张振.人工智能伦理风险的镜像、透视及其规避[J].伦理学研究，2021（1）：109-115.

[14]陈勇.科学精神与人文精神关系探析[J].自然辩证法研究，1997（1）：23-28.

（郭全中为中央民族大学新闻与传播学院教授，江苏紫金传媒智库高级研究员；张金熠为中央民族大学新闻与传播学院传播学硕士生）

编校：张红玲