编辑推荐：
在人机交互（HRI）面临复杂挑战的背景下，研究人员开展人工认知自主相关研究。他们提出五层级渐进式模型，整合技术优化决策。这为 HRI 研究提供新思路，推动人工认知自主领域发展。
在科技飞速发展的当下，模拟人类智能现象的计算系统领域蓬勃发展，然而距离实现人类全方位的认知能力仍有很大差距。在这样的大环境中，人机交互（HRI）成为关键研究领域。其中，像自动驾驶汽车需要在复杂多变的城市和道路环境里做出安全决策，社会机器人要理解和解读人类行为、实现高效社交互动。但目前的研究常将自主性问题碎片化，缺乏在真实多变环境中实现完整功能性自主的明确路径，这就迫切需要一种新的研究来突破困境。
来自未知研究机构的研究人员开展了关于人工认知自主在人机交互中作用的研究，该研究成果发表于《Cognitive Systems Research》 。研究提出了一种分为五个不同层级的人工认知自主方法，这一渐进且集成的模型为系统从依赖人类操作员逐步走向完全自主提供了清晰路径。研究表明，通过这种方法可以优化人机交互中的决策过程，推动自主系统不断进化，使其能更好地适应复杂动态环境。这对于丰富人机交互研究领域、助力相关科研和实践发展意义重大。
研究中用到的主要关键技术方法有：利用计算机视觉和自然语言处理技术，使系统能够实时识别物体和解读语言指令；借助深度学习算法，分析复杂数据模式以做出更复杂的自主决策。这些技术相互配合，将大量感官数据转化为可执行的决策依据。
研究结果
- 概念分析：在人机交互领域，基于社交机器人发展智能自主性时，机器人需具备社交技能，感知社交互动中的情境动态，这是实现社交互动的关键。
- 自主认知控制：社交机器人的自主性依赖于人工认知与执行功能的融合，执行功能就像乐队指挥协调认知过程，这种融合实现了类似人类心理过程的认知自我调节。
- 渐进式方法发展：尽管机器学习取得了显著进展，但目前仍无法完全复制人类的直觉、洞察力和认知学习能力。研究提出的新兴框架将继续基于扩展人类能力追求高级决策。
- 认知自主合理性：实现任何层级的自主性，都必须考虑合理的执行交互建模。由于模拟人工认知系统和研究人类思维大脑的复杂性，在人工主体中执行具有认知能力的行为颇具挑战，且定义认知合理性也较为困难。
- 自主性水平的作用：自主性水平（AL）方法为人工认知自主性发展提供了重要框架，有助于界定和量化系统独立于人类干预的程度，推动复杂认知能力的逐步发展。
- 案例研究：以医院机器人为例，不同自主性水平的机器人具有不同功能，通过这一案例研究可以评估自主机器人融入医疗保健领域的有效性和安全性。
- 高级自主性挑战：当系统达到最高自主性水平（AL - 5）时，会出现安全和伦理方面的挑战，需要重点关注和考量。
研究结论与讨论
研究通过文献综述和跨学科方法，将人工认知自主概念进行串联。确定了未来研究方向，即拓展具有认知偏向的渐进式自主性应用范围。但要实现高级别的认知自主性，仍需克服当前研究未涉及的根本性挑战。该研究提出的结构化模型、技术整合方式以及案例研究成果，为人工认知自主领域的研究人员和从业者提供了宝贵的见解，推动人机交互领域朝着更加智能化、自主化的方向发展，对提升人类与机器人协作效率、拓展机器人应用场景具有重要的理论和实践价值。
