摘要
智能传感技术如今为人类情感与认知过程提供了前所未有的多模态访问能力，涵盖生理、眼动、面部、运动学、环境及行为等数据流。然而，尽管信号采集与深度表征学习取得了巨大进步，从原始信号到具有心理学意义、可操作的理解这一流程依然脆弱。纯深度模型在模式提取方面表现优异，但在情境推理、不确定性传达及面向人类的解释方面力不从心；纯符号框架则难以应对噪声大、高维度的数据流。本文认为，该领域的下一个拐点不在于传感设备本身的丰富化，而在于将信号转化为状态的解读层。我们提出一种整合性视角，即神经符号融合将连续传感器证据与具有心理学基础的符号原语相结合，大语言模型充当可审计的语义推理者而非不透明的分类器，而可解释性则被视为设计约束而非事后附加功能。综合十年来情感计算、模糊学习者建模、神经自适应多模态交互以及可解释的人机协作等领域的研究成果，我们提出了一个围绕接地表征、不确定性校准的大语言模型推理和反思性解释而组织的研究议程。其目标在于构建一类传感系统，其智能程度不仅以准确率衡量，更以所辅助人类理解的状态质量来评判。
