[论文解读] eXtended Artificial Intelligence: New Prospects of Human-AI Interaction Research

Carolin Wienrich, Marc Erich Latoschik|arXiv (Cornell University)|Mar 27, 2021

Virtual Reality Applications and Impacts参考文献 70被引用 70

一句话总结

本文提出了一种XR-AI全景框架，通过沉浸式扩展现实（XR）环境系统性地研究人机交互。结果表明，XR能够实现受控且有效的实验，探究AI具身化对用户感知与行为的影响，揭示了人机交互中的性别效应以及推荐系统中的伊莱扎效应。

ABSTRACT

Artificial Intelligence (AI) covers a broad spectrum of computational problems and use cases. Many of those implicate profound and sometimes intricate questions of how humans interact or should interact with AIs. Moreover, many users or future users do have abstract ideas of what AI is, significantly depending on the specific embodiment of AI applications. Human-centered-design approaches would suggest evaluating the impact of different embodiments on human perception of and interaction with AI. An approach that is difficult to realize due to the sheer complexity of application fields and embodiments in reality. However, here XR opens new possibilities to research human-AI interactions. The article's contribution is twofold: First, it provides a theoretical treatment and model of human-AI interaction based on an XR-AI continuum as a framework for and a perspective of different approaches of XR-AI combinations. It motivates XR-AI combinations as a method to learn about the effects of prospective human-AI interfaces and shows why the combination of XR and AI fruitfully contributes to a valid and systematic investigation of human-AI interactions and interfaces. Second, the article provides two exemplary experiments investigating the aforementioned approach for two distinct AI-systems. The first experiment reveals an interesting gender effect in human-robot interaction, while the second experiment reveals an Eliza effect of a recommender system. Here the article introduces two paradigmatic implementations of the proposed XR testbed for human-AI interactions and interfaces and shows how a valid and systematic investigation can be conducted. In sum, the article opens new perspectives on how XR benefits human-centered AI design and development.

研究动机与目标

• 为解决在现实世界复杂环境中研究不同AI具身化形式如何影响人类感知与交互的挑战。
• 提出XR-AI全景框架，作为可扩展、受控且系统化的人机交互研究框架。
• 通过两项实证实验验证该框架在人机交互与AI推荐系统中的有效性。
• 通过XR技术实现对界面具身化效应的系统性研究，推动以用户为中心的AI设计。
• 通过沉浸式模拟弥合抽象AI概念与真实用户体验之间的鸿沟。

提出的方法

• 提出XR-AI全景框架作为理论与实践框架，用于建模和研究人机交互界面具身化的谱系。
• 利用沉浸式XR环境在受控实验环境中模拟多种AI具身化形式（例如，人形机器人、虚拟代理）。
• 采用标准化的人本设计原则，评估不同AI界面形态下用户的感知、行为与交互质量。
• 开展两项受控实验：一项关于带有性别特征的机器人化身的人机交互实验，另一项关于具有伊莱扎式响应的推荐系统实验。
• 应用既有的心理学与人机交互理论（例如，媒介反应理论、普罗透斯效应、恐怖谷理论）来解释XR环境中的用户反应。
• 使用行为一致性、社会存在感与交互时长等定量指标评估用户反应。

实验结果

研究问题

• RQ1 机器人的性别化具身如何影响人类的交互行为与感知？
• RQ2 基于文本的AI若具有伊莱扎式响应，在多大程度上会引发用户的人格化感知与行为一致性？
• RQ3 XR-AI全景框架如何实现对人机交互界面设计选择的系统性与有效性研究？
• RQ4 具身化在塑造用户对AI系统的期望与信任方面发挥何种作用？
• RQ5 沉浸式XR环境能否有效模拟并测试未来AI界面概念，从而在实际部署前进行验证？

主要发现

• 在人机交互中观察到显著的性别效应，参与者与男性语音机器人及女性语音机器人互动时表现出不同的行为模式。
• 在推荐系统实验中确认了伊莱扎效应，用户感知到一个简单的AI比其实际设计更具同理心与响应性。
• 参与者对化身外貌表现出行为一致性，支持了AI交互情境下的普罗透斯效应。
• XR-AI全景框架实现了有效、可重复且可扩展的人机交互界面设计实验。
• 沉浸式XR环境有效模拟了现实世界中的人机交互动态，使具身化效应得以受控研究。
• 本研究证实，界面具身化显著影响用户对AI系统的感知、信任与交互质量。