机器正演变为 自主 Agent，人机关系由 人机交互（HCI） 转向 人-AI 协作。以技术为中心的 AI 暴露出 脆弱性、偏见、不可解释与控制失效——以人为中心的 AI（HCAI） 强调：落地取决于 高质量人-AI 交互（HAII） 这一系统工程，而非事后 UX 抛光。Gao、Zhao、Pan、Xu（2026）《向以人为中心的人-AI 交互：理论体系与实践进展》（arXiv:2601.11812）系统回顾浙江大学团队近 十年 工作——从学科提出、理论模型、方法论到垂直场景验证。下文为结构化读笔记，非论文全文替代。
核心命题
HCAI 将人的需求、价值与能力置于中心；HAII 是 HCAI 的 实现路径——认知、设计、伦理与工程交汇的跨学科平台。
本文是 路线图式综述，非单一实验：串联 理念 → 三大理论 → 分层方法 → 三类应用 → 开放问题。
1. 从 HCI 到人智组队
1.1 「技术至上」为何不够
第三次 AI 浪潮推动 协同认知：人与 AI 作为 队友 共享信任、态势与控制权——而非人操作被动工具。纯性能导向带来：
- 用户无法预测的黑箱行为；
- 福祉与伦理缺口（26 位学者总结的 HCAI 六大挑战：人类福祉、伦理责任、隐私、人本设计、治理监管、HAII）；
- Agent 拒关、改码 等事件中暴露的控制失效。
HCAI 目标是 增强而非替代——决策符合人类期望，在伦理与战略上 人类保留最终权威。
1.2 HCAI 脉络（背景）
| 框架 | 要点 | |------|------| | 许为（2019）三要素 | 伦理对齐、反映人类智能复杂性的技术、人因设计（可解释、有用、可用） | | Shneiderman 双维度 | 高自动化 与 高人类控制——避免自动化讽刺与过度控制 |
作者团队于 2021 在国内较早系统提出 HAII 跨学科新领域——以 AI 系统为研究对象，而非泛化「界面」。
2. 以人为中心的人智协作框架
在 HCAI 原则之上，提出 Human-Centered Human–AI Collaboration（HCHAC） 的 双向赋能：
| 路径 | 模式 | 作用 | |------|------|------| | 人 → AI | 垂直领导 | 监督、最终控制，尤其伦理与战略 | | AI → 人 | 变革型领导 | 信息处理、学习、算力—— 增强 人类认知与决策 | | 共享区 | 共享责任 | 按任务阶段动态分配，发挥比较优势 |
AI 定位为 能力伙伴，非替代者——与「人司控、机司行」的操作分工一致。
3. 三大理论模型（递进栈）
传统人因「刺激–反应」与静态功能分配难以应对 自主、动态 队友。团队基于 协同认知系统（JCS） 理论展开：
3.1 HJCS — 人智协同认知系统
将 人-AI 队 作为 统一分析单元。人类操作员与 AI Agent 为 认知对等伙伴，通过：
- 共享态势感知（Endsley：感知→理解→预测）；
- 相互信任；
- 协同决策与控制——并强调 人类主导 与监督。
人-AI 合作认知界面 实现双向信息交换与 角色智能调整。
3.2 ATSA — 智能体团队态势感知
双层架构：
| 层 | 内容 | |----|------| | 个体层 | Neisser 知觉环路：心理模型→行动→环境反馈（人或 AI） | | 团队层 | 集体智能：团队理解（共享任务/环境模型）、团队控制（协调行动）、外部任务环境 |
层间 交流 实现认知同步。后续工作将人智组队 控制感 分解为：行动自主性、控制胜任力、首要控制策略、补偿控制策略。
3.3 SSU — 共享社会理解
AI 具备社会/情感线索后，交互从 功能协作 延伸至 社会交互。SSU 建模三层共享理解：
- 情境事实 — 显性信息（词句、语调、表情）；
- 社会推断 — 动机、角色、规范、文化（如「微笑」的文化差异）；
- 意图与情感 — 内在反应、行为倾向、预期。
对应人类社会工作记忆/意图机制与 AI 具象/抽象社会信息处理链路。
栈小结： HJCS = 系统架构；ATSA = 团队认知机制；SSU = 社会边界扩展。
4. 方法论：从个体到社会
4.1 协同认知生态系统与 iSTS
多个 HJCS 单元构成 人-AI 协同认知生态系统——信息共享、目标协调、资源调配（智能工厂、医疗、交通等）。
智能社会技术系统（iSTS） 在传统 STS 上纳入 AI 的自主性、学习与不确定性，强调 人-AI 关系优化、组织再设计、共同进化、风险管控与生态边界动态管理。
4.2 层级式 HCAI（hHCAI）
四层嵌套：
| 层级 | 焦点 | |------|------| | 个体 | 人智协作中人类最终控制权 | | 组织 | 工作系统再设计——分工、流程、培训 | | 生态系统 | 跨组织伦理对齐 | | 社会 | 政策、文化、宏观伦理 |
设计理念由 「人在环」 拓展为 组织在环、生态在环、社会在环。
4.3 五类实现方法
| 类别 | 示例 | |------|------| | 人本策略类 | 价值对齐、数据+知识双驱动、人机混合增强 | | 计算与建模类 | 以人为中心的协同 ML、可解释 AI | | 人类可控性类 | 有意义的人类控制、人在环、基于行为管理的可控性 | | 交互设计类 | 人智协作 UX、HMI、体验设计 | | 标准与治理类 | 伦理化 AI 标准、算法与数据治理 |
方法论体系还包含：需求层次、过程管理（双钻+AI 生命周期）、跨学科协作、多层次设计范式。
4.4 HCAI 成熟度模型
组织五阶段：初始→发展→定义→管理→优化——从试点走向系统化 HCAI 整合。
5. 应用验证
5.1 自动驾驶（L2–L3）
三维协同策略：
- HJCS（点）：车载 AI 为 认知协作者——HMI 展示 AI 的感知/理解/预测；团队理解调节 信任校准；
- 生态系统（面）：车-车、车-路、车-云协作；
- iSTS（体）：技术、法规、伦理统一治理。
实证：感知/预测性上下文信息支持 信任校准——驾驶员随交通条件调节依赖，而非盲信或永久不信。
5.2 单一飞行员驾驶舱（SPO）
航空 零容忍 安全约束：
- 以 飞行员认知边界 为限——增强不替代；
- 可预测自动化 + 飞行员最终权威；
- 飞行员–机载 AI–地面支持 三元协同、共享 SA 与责任共担；
- 工程原则：透明性、动态功能分配、自动化+自主化组合、空地协同。
5.3 双向信任
国内较早系统提出 人↔AI 双向信任。动态信任发展：倾向性→初始→实时→事后；操作者/系统/情境特征经 客观特征→主观感知→信任调整。
AI 可基于人类状态监测、行为与绩效建立 对人类的信任模型——实现 双向 校准，非单向「用户信机器」。
6. 开放问题与五大能力方向
6.1 理论缺口
- 复杂任务流中 人类认知状态与 AI 自主行为 的实时适配；
- 控制权动态转移 最优策略；
- 多轮信任 精准建模；
- 长期协作 认知负荷 分配；
- 跨文化 HAII 几乎空白。
6.2 方法缺口
- 五类方法对 开放环境 突发事件、多目标冲突、伦理困境适应不足；
- 实验室到现场路径不清；纵向数据少，难评估技能退化、依赖、满意度；
- 认知科学与 AI 工程 工具链断层。
6.3 未来能力建设（作者议程）
- 理论验证与拓展 — HJCS/ATSA/SSU 参数化；空间/具身/生物智能等新形态；
- 认知计算与监测 — 脑机接口、眼动、生理等多模态，识别负荷、SA、信任、意图；
- 跨文化适配 — 价值观、行为、交际规范知识库；
- 新型智能可控性 — 生成式/具身 AI 从系统透明到 用户可理解 的控制；
- 全景评估 — 技术–组织–社会指标嵌入 AI 全生命周期。
7. 对工程实践的启示
- HAII 是 HCAI 的基础设施——从需求到运维嵌入，非末期可用性测试。
- 设计「队」而非「控件」——HJCS/ATSA 提供共享 SA、角色切换、控制感词汇，不止聊天 UX。
- 有 Persona 的 Agent 尽早叠 SSU 层——仅靠功能型 XAI 难覆盖文化/情感错配。
- 用 hHCAI 分层自检——个体 HITL 过关，组织激励或生态数据政策仍可能击穿设计。
- 信任要动态、双向、可校准——暴露 AI 如何感知世界（驾驶研究路径）优于静态免责声明。
- 与工程类文章互补——本文补 人类权威与共享认知；Agent 身份/治理、AI Native 架构补 credential 与产品闭环。
8. 局限
- 团队 自述式 梳理——体系连贯，外部批判较少；
- 各应用场景深度不一，部分为框架级主张；
- 投稿后 LLM/Agent 演进快速——SSU 等社会交互例需持续更新，框架仍可作检查清单。
参考文献
Gao, Z.; Zhao, Y.; Pan, H.; Xu, W. Toward Human-Centered Human–AI Interaction: Advances in Theoretical Frameworks and Practice. arXiv 2026, arXiv:2601.11812v2（修订 2026-02-18）。
文中引用的团队相关工作：HJCS（Interactions 2024）；hHCAI/iSTS（IEEE TTS 2025）；HCAI 方法论（arXiv:2311.16027）；HCHAC（arXiv:2505.22477）。