机器之眼：具身化大型语言模型的关系性交互设计

文献标题

Machine Eye: Designing Relational Engagement with Embodied Large Language Models

出版信息

• 主题领域: 面向具有模糊角色的具身大型语言模型（LLM）人工制品的设计与评估。
• 关键词: 具身人工智能、大型语言模型、模糊设计、人机交互、可触界面、关系性参与、后人类设计、拟人化、设计研究、定性研究。

背景与问题

• 问题/挑战: 现有的具身LLM设计实践通常依赖固定的隐喻或预定义的角色，这限制了LLM开放性和通用性的特性，从而约束了用户与人工智能之间新颖互动和关系的潜力。
• 意义: 理解用户如何与模糊的具身LLM互动，可以为设计能够促进更广泛、更有意义的人机关系的人工智能系统提供指导，超越功能性或隐喻性受限的设计。
• 动机与相关研究: 先前在人机交互（HCI）和人工智能设计领域的研究探索了使用隐喻来稳定用户期望和互动的方式。然而，这种方法往往限制了用户的解释空间。后人类设计和模糊设计的最新研究表明，保持模糊性可以促成更丰富、更具关系性的人工智能人工制品互动。

解决方案

• 提出的方法: Machine Eye 是一种具身LLM人工制品，旨在抵制隐喻的封闭性，邀请用户探索开放式的关系性互动。它将模糊性作为核心设计材料。
• 创新点:
  1. 引入一种刻意模糊的具身LLM人工制品，以探索关系性参与。
  2. 确定了三个关键设计张力：拟人化与抽象、不透明性与透明性、以及清晰性与模糊性。
  3. 通过定性研究揭示用户如何投射意义并与模糊的人工智能系统建立关系。
  4. 对具身LLM设计进行概念性重构，强调关系性和解释性参与。
• 过程与关键技术:
  • 设计了一个反思性的、球形的人工制品 Machine Eye，其预定义功能极少。
  • 集成了摄像头、麦克风和LLM，根据环境输入生成诗意的、抽象的“想法”。
  • 进行了一项定性用户研究（N=15），参与者在日常环境中与 Machine Eye 互动，随后进行反思性访谈和主题分析。

研究结果

• 具体发现:
  • 参与者将拟人化特质投射到 Machine Eye 上，描述其为伴侣、观察者，甚至是一个评判者。
  • 设计中的模糊性使参与者能够以多种方式解释该人工制品，从而促进了关系性和反思性参与。
  • 参与者体验到既有被认可的感觉，也有不适感，在“被看见”和“被监视”之间摇摆。
• 相较基线的优势: 与具有预定义角色的传统具身人工智能系统不同，Machine Eye 允许用户共同创造其意义和功能，从而产生更丰富、更多样的互动。
• 实验/评估:
  • 对15名参与者（年龄26–65岁）进行了一项定性研究，让他们在日常生活中使用 Machine Eye。
  • 数据通过半结构化访谈、观察以及 Machine Eye 的输出（文本和图像）收集。
  • 主题分析揭示了拟人化、关系性参与和解释性投射的模式。
• 局限性与未来工作:
  • 研究仅限于短期互动；长期研究可以探索与模糊人工智能的关系如何随时间演变。
  • 研究聚焦于单一人工制品；未来工作可以研究其他具身形式和情境。
  • 对LLM提示和角色（如批评者、朋友）的进一步探索可以加深对用户与人工智能互动的理解。

总结

本文介绍了 Machine Eye，一种旨在抵制隐喻封闭性并促进开放式关系性参与的具身LLM人工制品。通过设计研究过程和对15名参与者的定性研究，作者确定了三个关键设计张力（拟人化与抽象、不透明性与透明性、清晰性与模糊性），并展示了模糊性如何使用户投射意义并与人工智能建立多样化的关系。研究结果表明，为模糊性而设计可以拓展人机交互的可能性，鼓励关系性和解释性参与。未来研究可以探索长期研究、替代具身形式以及具身LLM的演变角色。