主题论坛20面向高阶思维训练的可解释人机协作新范式

简介：

李权，上海科技大学信息科学与技术学院长聘副教授（Tenured）、博士生导师，现任视觉与数据智能中心主任。其主要研究方向包括人工智能与可视分析、可解释性机器学习及人机交互技术。李权博士毕业于香港科技大学计算机科学与工程学系，曾任美国佐治亚理工学院计算机科学与工程学院访问研究员、微众银行人工智能部资深研究员及网易游戏资深研究员。 李权博士现任中国图象图形学学会可视化与可视分析专委会委员，并长期担任IEEE VIS论文程序委员会委员、ChinaVis国际程序委员会委员，以及IEEE VIS、EuroVis、PacificVis、ChinaVis、ACM CHI/CSCW、TVCG等可视化与人机交互领域顶级学术会议及期刊的审稿人。其研究成果发表于IEEE VIS、EuroVis、IEEE PacificVis、ACM CHI、CSCW、UIST、IUI、CGF、TVCG等权威会议与期刊，并荣获ACM CHI 2025最佳论文奖、ACM DIS 2026最佳论文提名奖，连续三次在Chinese CHI获奖（2021及2024最佳论文、2022提名奖），以及Wiley威立中国高贡献作者奖。此外，李权博士主持并参与了多项国家自然科学基金面上项目及国家重点研发计划。更多信息请访问个人主页：https://faculty.sist.shanghaitech.edu.cn/liquan/

简介：

彭振辉博士，中山大学人工智能学院副教授。他于2021年在香港科技大学获得博士学位，并在阿尔托大学（Aalto University）有过短暂的博士后研究经历。他的研究领域横跨人机交互与社会计算。彭博士以第一作者或通讯作者身份在 CHI、CSCW 和 UIST 等人机交互领域的顶级学术会议上发表了30余篇论文，并曾获 CSCW 2025 最佳论文提名奖。他担任中国计算机学会人机交互专委会执行委员，以及多个顶级 HCI 会议的副主席（Associate Chair）。他的研究得到了国家自然科学基金青年科学基金项目和广东省自然科学基金面上项目的资助。

简介：

李权，上海科技大学信息科学与技术学院长聘副教授（Tenured）、博士生导师，现任视觉与数据智能中心主任。其主要研究方向包括人工智能与可视分析、可解释性机器学习及人机交互技术。李权博士毕业于香港科技大学计算机科学与工程学系，曾任美国佐治亚理工学院计算机科学与工程学院访问研究员、微众银行人工智能部资深研究员及网易游戏资深研究员。 李权博士现任中国图象图形学学会可视化与可视分析专委会委员，并长期担任IEEE VIS论文程序委员会委员、ChinaVis国际程序委员会委员，以及IEEE VIS、EuroVis、PacificVis、ChinaVis、ACM CHI/CSCW、TVCG等可视化与人机交互领域顶级学术会议及期刊的审稿人。其研究成果发表于IEEE VIS、EuroVis、IEEE PacificVis、ACM CHI、CSCW、UIST、IUI、CGF、TVCG等权威会议与期刊，并荣获ACM CHI 2025最佳论文奖、ACM DIS 2026最佳论文提名奖，连续三次在Chinese CHI获奖（2021及2024最佳论文、2022提名奖），以及Wiley威立中国高贡献作者奖。此外，李权博士主持并参与了多项国家自然科学基金面上项目及国家重点研发计划。更多信息请访问个人主页：https://faculty.sist.shanghaitech.edu.cn/liquan/

报告题目：认知脚手架：面向高阶思维的可解释人机协作范式

报告摘要：

大语言模型将人机协作推向"认知增强"新阶段，但也带来根本性悖论：AI越强，人类越易沦为被动接收者，高阶认知能力面临退化风险。本报告基于医疗教育与学习科学领域的系列研究，提出以"认知脚手架"为核心的可解释人机协作新范式——AI作为思维"陪练者"，通过结构化支持、渐进实践与反思设计，保障用户主导地位。范式体现于三个维度：1）结构化认知脚手架：将问题导向学习与临床推理框架显式整合，辅助医学生系统化鉴别诊断；引导学习者经历关键词选择、联想构建与图像生成的结构化流程，强化深度认知加工。2）渐进式自主实践：以AI为"排练伙伴"，在低压迭代中优化沟通解释与表达技能，降低认知负荷，将每次交互转化为思维训练的实践机会。3）反思性知识建构：通过画布式交互支持知识外化与整合，将知识建构转变为可追溯、可修订的持续过程，培养元认知与反思能力。本报告主张"认知脚手架即思维训练"：可解释性不仅是AI透明的技术指标，更是激发高阶思维的认知杠杆，让用户在"做中学、练中思"中实现从认知辅助到认知自主的跃迁。

简介：

彭振辉博士，中山大学人工智能学院副教授。他于2021年在香港科技大学获得博士学位，并在阿尔托大学（Aalto University）有过短暂的博士后研究经历。他的研究领域横跨人机交互与社会计算。彭博士以第一作者或通讯作者身份在 CHI、CSCW 和 UIST 等人机交互领域的顶级学术会议上发表了30余篇论文，并曾获 CSCW 2025 最佳论文提名奖。他担任中国计算机学会人机交互专委会执行委员，以及多个顶级 HCI 会议的副主席（Associate Chair）。他的研究得到了国家自然科学基金青年科学基金项目和广东省自然科学基金面上项目的资助。

报告题目：结合用户与AI生成内容的高阶思维支持研究

报告摘要：

很多关键活动都需要人们的高阶思维能力，包括分析性、评估性和创造性思维。网络帖子和评论的用户生成内容（UGC）能够为高阶思维提供群体性的经验知识支持，但这些内容往往是冗余且质量不一的。相比之下，人工智能生成内容（AIGC）虽然能提供可扩展且定制化的支持，却存在引发“幻觉”和导致认知卸载的风险。在本次报告中，彭振辉博士将分享将 UGC 与 AIGC 相结合以支持高阶思维的一系列研究工作。具体而言，他基于多模态 UGC 构建计算模型，以理解人类在高阶思维活动中的需求、知识和观点。结合 AIGC 与建模后的 UGC，他开发新型用户界面，协助用户完成高阶思维任务，并进一步教授相关知识与技能。彭振辉博士将讨论该框架在三个主要的社会技术领域的应用：心理健康同伴支持，设计与艺术，以及学习与教育。

简介：

陈晴，同济大学设计创意学院副教授、博士生导师。上海市海外高层次计划引进人才，入选上海市晨光计划。博士毕业于香港科技大学，曾担任法国巴黎综合理工大学(Ecole Polytechnique)及法国国家信息与自动化研究所(Inria)博士后研究员。研究方向包括信息可视化、人机交互、大数据可视分析、生成式人工智能及其在智慧教育、智慧医疗、智能设计及商业智能中的应用，研究成果获得CSIG自然科学奖、亚太地区ICT Awards等奖项。她担任多个顶级国际学术会议的程序委员会委员，IEEE VIS社区主席，CSIG 可视化专委会委员、CCF 人机交互专委会执行委员，主持多个国家自然科学基金项目及多项与阿里、蚂蚁、腾讯、智谱AI等公司的校企合作课题。更多信息请访问：http://qchen.cc

报告题目：从“答案”到“思路”：可解释的人机协同如何训练设计思维与创造力

报告摘要：

在生成式AI日益渗透设计过程的今天，一个关键问题浮出水面：AI究竟是替代了人的思考，还是促进了人的思考？本报告面向“高阶思维训练”这一目标，讨论可解释人机协作的新范式——不是让AI给出最优答案，而是让AI暴露推理过程，引导使用者经历类比、发散、收敛、反思等高阶认知活动。报告将重点从类比设计（Design-by-Analogy）与创造力支持工具（Creativity Support Tools）两个方向介绍相关研究，并试图回答：如何让AI从一个“黑箱生成器”变成一个“可对话的协作者”？如何在人机交互的过程中，保留甚至强化人类的创造性思维？本报告将从设计思维的理论视角出发，结合实证研究与系统演示，探讨可解释人机协作在创意教育与实践中的新可能。

简介：

马帅，中国科学院软件研究所副研究员。于香港科技大学获得博士学位，后在芬兰阿尔托大学从事博士后工作，并曾在苏黎世联邦理工学院等高校进行访问学者研究。长期围绕人机协同与人机混合智能开展研究，重点关注相关理论基础、用户建模方法与关键技术机制。近年来，在ACM CHI、ACM TOCHI 等人机交互领域CCF-A类会议和期刊发表长文20余篇，并四次获得ACM CHI最佳论文提名奖。曾担任ACM CHI 2025、2026、ACM IUI 2026、2027、ACM DIS 2025、ACM FAccT 2024等国际会议程序委员会成员（subcommittee associate chair），并长期担任ACM CHI、ACM TOCHI、IJHCS、IEEE VIS、ACM UIST、ACM CSCW等十余个人机交互领域国际会议和期刊的审稿人。

报告题目：AI时代的判断力提升：以人机协同决策为例

报告摘要：

随着人工智能越来越多地参与分析与决策，人们需要在自身判断与AI建议之间作出选择。AI并非始终可靠，而人也可能受到认知偏差、能力认识不准确和自信失准等因素的影响。因此，如何判断何时采纳、质疑或拒绝AI，已成为AI时代的一项重要能力。本报告以人机协同决策为例，介绍提升判断力的三个研究方向：通过能力建模，识别人和AI各自的优势与局限；通过自信校准，帮助人更准确地认识自身判断的可靠程度；通过人机协商，支持人与AI围绕分歧交换信息、分析理由并修正观点。这些研究旨在帮助人们更加理性地使用AI，在发挥AI优势的同时保持独立思考，作出更准确、更有依据的决策。

简介：

孙智达，深圳大学计算机与软件学院助理教授，可视计算研究中心（VCC）成员。博士毕业于香港科技大学计算机科学与工程系。其研究聚焦于人机交互、信息可视化与生成式人工智能的交叉领域，致力于人机协同计算（Human-Engaged Computing）。在具体研究实践中，他专注于构建能够赋能创意表达与数据洞察的生成式人工智能系统，并探索旨在促进用户身心健康的积极计算。其多篇研究成果发表于 CHI、TOCHI、IJHCS、TOG、TVCG 等国际学术会议与期刊，并连续多年受邀担任人机交互国际会议 CHI 与 CSCW 的程序委员会委员。更多信息请访问：https://zhdsun.github.io/

报告题目：从创作意图到视觉表达：生成式人工智能驱动下的人机视觉共创

报告摘要：

生成式人工智能正在深刻改变视觉内容的创作方式，但核心矛盾在于设计者的意图往往是抽象且隐性的，而最终的视觉表达却必须具体、可控，并严格忠实于任务本身的约束。现有模型仅凭自然语言提示，往往难以准确把握设计者的判断标准与任务限制。本报告以人机视觉共创为例，探讨如何让生成模型不仅能够产出视觉内容，更能深入理解、外化并维护人的设计意图：在概念层，通过构建视觉隐喻，将抽象意图转化为可见的实体对象，帮助设计者降低认知负荷并扩展创意空间；在探索层，通过构建可导航的视觉连续体，将单一概念解构为语义与视觉的双轴空间，支持人在具象与抽象的不同层级间进行比较与迭代；在约束层，通过语义与结构的双重对齐，在赋予生成式图表丰富表达自由的同时，确保其忠实地服从于客观任务约束。这些研究旨在表明，人机共创系统不应替代人类的设计判断，而是应将生成过程转化为人与AI共同理解、共同推理、共同创造的协同过程，推动生成式人工智能从内容生成工具迈向真正的智能创作伙伴。